买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜宁波大学申请的专利一种Toeplitz和稀疏先验下基于深度神经网络的车辆定位方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117590326B 。

龙图腾网通过国家知识产权局官网在2025-05-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311456520.9，技术领域涉及：G01S5/08；该发明授权一种Toeplitz和稀疏先验下基于深度神经网络的车辆定位方法是由田野;任佳基;段晨康;王烁同设计研发完成，并于2023-11-03向国家知识产权局提交的专利申请。

本一种Toeplitz和稀疏先验下基于深度神经网络的车辆定位方法在说明书摘要公布了：本发明涉及一种Toeplitz和稀疏先验下基于深度神经网络的车辆定位方法，其包括：利用呈直角三角形布置的三个协作基站中的大规模均匀线阵接收车辆定位信号，确定各协作基站天线阵列下的到达角DOA估计信号形式；计算各协作基站天线阵列接收数据的协方差矩阵，并依次通过线性收缩估计和稀疏向量表示后，利用深度卷积网络获得DOA估计；基于获得的三协作基站的DOA估计结果，基于预判平均准则和交叉定位原理完成车辆的可靠定位。和已有的技术方案相比，本发明方法不仅计算复杂度低，而且对空间间距很近的车辆具有明显改进的分辨率和车辆定位精度。

本发明授权一种Toeplitz和稀疏先验下基于深度神经网络的车辆定位方法在权利要求书中公布了：1.一种Toeplitz和稀疏先验下基于深度神经网络的车辆定位方法，其特征在于：该方法包括如下步骤：步骤1：将三个协作基站以直角三角形布置，且三协作基站中的天线阵列与直角坐标系中x轴的夹角分别设置为β1,β2和β3；步骤2：利用三个协作基站中的天线阵列接收车辆定位信号，确定各协作基站的天线阵列下的到达角的估计信号形式，具体过程为：设K台车辆发射的互不相关窄带定位信号均入射到三个协作基站的天线阵列上，假定三个协作基站的天线阵列的天线数量均为M个，阵元间距均为d，则第i个协作基站的阵列在第t个采样样本的接收数据表示为：yit＝Aθst+nt其中，yit＝[yi,1t,...,yi,Mt]T，i＝1,2,3，Aθ表示阵列导向矩阵，Aθ＝[aθ1,...,aθK]，Aθ第k列表示为：st表示互不相关的窄带定位信号向量，st＝[s1t,...,sKt]T，nt表示高斯白噪声向量，nt＝[n1t,...,nMt]T，λ表示载波波长，满足λ≥2d，上标T表示转置运算；步骤3：计算各协作基站天线阵列接收数据的协方差矩阵为：其中，N表示总的采样样本数量，上标H代表共轭转置操作；将所述协方差矩阵依次通过线性收缩估计和稀疏向量表示后，利用深度网络获得DOA估计结果；步骤4：基于步骤3中获得的三个协作基站的DOA估计结果，基于预判平均准则和交叉定位原理完成车辆的定位；在步骤3中，所述的将所述协方差矩阵依次通过线性收缩估计和稀疏向量表示后，利用深度卷积网络获得DOA估计结果的具体步骤包括：步骤3.1：对所述协方差矩阵进行Toeplitz修正得到目标矩阵RT，表示为 其中，Jm表示M×M维的移位矩阵，Jm中只有第m条对角线元素为1，其他元素均为0，并且J-m＝JmT，J0＝IM表示单位矩阵，表示取矩阵的迹；步骤3.2：计算线性收缩系数α为： 步骤3.3：获得改进的协方差矩阵估计值为： 步骤3.4：对进行特征值分解获得K个大特征值以及M-K个小特征值的均值进而计算得到噪声方差的无偏估计值： 其中，c＝MN；步骤3.5：在过完备基矩阵Φ＝[bφ1,...,bφL]下对进行矢量化并减去噪声项得到无噪稀疏表示模型为： 其中，vec·表示对括号内矩阵按列进行向量化操作，bφl＝vecaφlaHφl，η＝[η1,η2,...,ηL]T为K稀疏的列向量；步骤3.6：构造稀疏谱并将所述稀疏谱作为输入值代入到深度卷积网络中进行网络训练和DOA估计；所述的深度卷积网络由一个输入层、五个隐藏层以及一个输出层组成；每个所述的隐藏层包括一个一维卷积层、一个批归一化层以及一个激活函数，所述激活函数为fReLUx＝max0,x的非线性激活函数层。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人宁波大学，其通讯地址为：315201 浙江省宁波市江北区风华路818号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。