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！

龙图腾网恭喜南京航天工业科技有限公司申请的专利用于接收系统的自适应功率匹配方法和装置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：CN119172012B 。

龙图腾网通过国家知识产权局官网在2025-05-20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：202411624338.4，技术领域涉及：H04B17/21；该发明授权用于接收系统的自适应功率匹配方法和装置是由王玉红;苏航;陶琨;张小凡;王平;刘傲杰设计研发完成，并于2024-11-14向国家知识产权局提交的专利申请。

本用于接收系统的自适应功率匹配方法和装置在说明书摘要公布了：本发明公开了一种用于接收系统的自适应功率匹配方法和装置，该方法包括采集功率信号，构建测地线方程进行分解，生成几何特征向量，计算稳定性指标；构建标准化特征矩阵，获得展开系数序列，计算得到融合熵特征和信息完备度指标；进行递归分解，获得频谱特征向量和模态参数集；构建混合预测模型，得到预测置信度和预测值序列；进行多目标约束优化，获得优化解和约束满足度；进行反馈修正和稳定性分析，输出修正控制量；进行自优化反馈调节，输出优化参数集；计算功率调整控制信号并执行功率调整，得到调整后的实际功率值；进行闭环校正，实现自适应功率匹配控制。本发明实现了自动、高效、精确的功率匹配，提高了系统的稳定性和可靠性。

本发明授权用于接收系统的自适应功率匹配方法和装置在权利要求书中公布了：1.用于接收系统的自适应功率匹配方法，其特征在于，包括如下步骤：S1、采集接收系统的功率信号并将其转换为功率序列；将功率序列投影到黎曼流形上，构建测地线方程进行分解，得到本征模态函数集；基于本征模态函数集，计算黎曼度量张量，生成几何特征向量；基于几何特征向量，对功率序列进行动态奇异值分解，获得动态特征矩阵和主奇异值序列；基于动态特征矩阵和主奇异值序列，计算拓扑熵；基于拓扑熵和主奇异值序列，计算稳定性指标；S2、基于稳定性指标、动态特征矩阵和几何特征向量，计算动态均值和动态标准差并进行标准化处理，得到标准化特征矩阵；对标准化特征矩阵进行广义Gegenbauer多项式展开，获得展开系数序列；利用变分模式分解方法对标准化特征矩阵进行处理，得到模态集合；基于模态集合和展开系数序列，构建广义Lasso问题并求解，获得稀疏特征表示和特征重要度指标；基于稀疏特征表示和特征重要度指标，计算得到融合熵特征和信息完备度指标；S3、基于融合熵特征和信息完备度指标，采用广义Christoffel函数进行处理，得到最优核函数；基于最优核函数，构建多层级Hankel矩阵并进行递归分解，获得特征序列和动态特征矩阵；基于特征序列和动态特征矩阵，构建概率流方程并求解，得到概率分布和状态转移矩阵；基于概率分布，构建广义Prony模型并进行参数估计，获得频谱特征向量和模态参数集；基于频谱特征向量、模态参数集和状态转移矩阵，构建混合预测模型，得到预测置信度和预测值序列；S4、基于混合预测模型、预测置信度和预测值序列，使用Hamilton-Jacobi框架，构建性能指标优化问题并求解，输出最优控制策略和性能评估指标；基于最优控制策略和性能评估指标，构建广义Chebyshev控制器，得到控制器参数集和鲁棒性指标；基于控制器参数集和鲁棒性指标，构建多层级补偿策略，生成补偿信号和补偿效果评估；基于补偿信号和补偿效果评估，进行多目标约束优化，获得优化解和约束满足度；基于优化解和约束满足度，进行反馈修正和稳定性分析，输出修正控制量；S5、基于修正控制量、最优控制策略和补偿信号，采用动态权重融合方法，生成最终控制量和融合权重集；基于最终控制量和融合权重集，构建Bernstein预测补偿器，输出预测补偿量；基于最终控制量和预测补偿量，进行自适应滤波与平滑处理，得到平滑控制量；基于平滑控制量和预存储的系统响应数据，进行实时性能评估，获得性能评估结果；基于性能评估结果和预存储的系统运行状态，进行自优化反馈调节，输出优化参数集；S6、基于优化参数集、平滑控制量和预测补偿量，计算功率调整控制信号并执行功率调整，得到调整后的实际功率值；基于调整后的实际功率值，进行闭环校正，实现自适应功率匹配控制，输出功率匹配评估值；步骤S1进一步为：S11、采集接收系统的功率信号，采用预定采样频率的模数转换器对功率信号进行同步采样，输出功率序列；S12、基于功率序列，构建黎曼流形上的测地线方程；利用投影算子将功率序列从欧氏空间投影到黎曼流形上，得到投影后的信号；基于测地线方程，对投影后的信号进行分解，得到本征模态函数集；S13、基于本征模态函数集，计算切空间基底，构建黎曼度量张量；基于黎曼度量张量，计算黎曼曲率；基于黎曼曲率，获取曲线参数化和单位法向量，计算得到测地曲率和形状算子；将黎曼曲率、测地曲率和形状算子组合形成几何特征向量；S14、基于功率序列和几何特征向量，构建时间延迟和嵌入维数的动态嵌入矩阵；基于几何特征向量的二范数和功率序列的标准差，计算动态窗口大小；基于动态窗口大小，对动态嵌入矩阵进行奇异值分解，得到动态特征矩阵和主奇异值序列；S15、基于动态特征矩阵和主奇异值序列，计算归一化奇异值；基于归一化奇异值，计算拓扑熵；基于拓扑熵、预设参考熵值、主奇异值序列的方差和最大奇异值，计算稳定性指标；基于稳定性指标，确定系统的状态标识；步骤S2进一步为：S21、基于稳定性指标、动态特征矩阵和几何特征向量，计算动态均值和动态标准差；基于动态均值和动态标准差，进行标准化处理，得到标准化特征矩阵；S22、基于标准化特征矩阵，构建n阶广义Gegenbauer多项式基函数；基于标准化特征矩阵和n阶广义Gegenbauer多项式基函数，构建第一目标函数；通过最小化第一目标函数，得到最优形状参数和展开系数序列；S23、基于标准化特征矩阵，构建优化问题；采用增广拉格朗日法对优化问题进行求解，得到模态集合；S24、基于模态集合和展开系数序列，构建广义Lasso问题min12||Ax-b||²+γ||Wx||1，其中A为观测矩阵，W为加权矩阵，γ为正则化参数，x为待求解的稀疏表示，b表示表示观测数据向量；采用迭代算法求解广义Lasso问题，得到稀疏特征表示和特征重要度指标；其中加权矩阵W的更新规则为Wii=1|xi|+η，η为小正数，xi表示稀疏表示x的第i个元素；S25、基于稀疏特征表示和特征重要度指标，计算预定个尺度的Tsallis熵；基于预定个尺度的Tsallis熵，采用自适应权重进行融合，得到融合熵特征和信息完备度指标；步骤S3进一步为：S31、基于融合熵特征和信息完备度指标，构建广义Christoffel函数；基于广义Christoffel函数和预设目标核函数，构建第二目标函数；通过最小化第二目标函数，得到最优核函数；S32、基于最优核函数，构建多层级Hankel矩阵；对每个层级的Hankel矩阵进行奇异值分解，得到分解结果；基于分解结果和预设阈值参数，计算得到动态秩；基于动态秩，提取对应的特征模式，形成特征序列；将提取的特征模式进行组合，形成动态特征矩阵；S33、基于特征序列和动态特征矩阵，构建概率流方程，包括扩散系数矩阵和漂移向量场；使用自适应系数更新规则更新扩散系数矩阵；基于更新后的扩散系数矩阵和漂移向量场，求解概率流方程，得到概率分布；获取系统的状态变化，基于概率分布和状态变化，构建状态转移矩阵；S34、基于概率分布，构建广义Prony模型；获取时间序列数据，基于时间序列数据和广义Prony模型，构建参数估计问题；采用迭代最小二乘法求解参数估计问题，得到频谱特征向量和模态参数集；S35、基于频谱特征向量、模态参数集和状态转移矩阵，构建混合预测模型；使用混合预测模型，生成预测值；获取实际观测值，基于实际观测值和预测值，计算个体预测误差；基于个体预测误差，采用自适应权重更新规则，计算自适应权重；基于自适应权重的分布，计算预测置信度；基于自适应权重和预测值，通过加权平均的方法进行集成预测，生成预测值序列；步骤S4进一步为：S41、基于混合预测模型、预测置信度和预测值序列，构建性能指标J=∫[αe²t+βu²t+γe*²t]dt和Hamilton函数Hx，u，λ，t=Lx，u+λTfx，u，其中et为功率匹配误差，ut为控制输入，e*t表示功率匹配误差的时间导数，α、β、γ为权重系数，d表示微分算子，t表示时间变量，Lx，u为瞬时代价，fx，u为系统动态方程，λ为协态变量，x表示系统状态变量；基于性能指标，求解Hamilton函数，得到最优控制策略和性能评估指标；S42、基于最优控制策略和性能评估指标，构建广义Chebyshev多项式；基于广义Chebyshev多项式，构建控制律；基于控制律，引入鲁棒性约束，构建约束优化问题；对约束优化问题进行求解，输出控制器参数集和鲁棒性指标；S43、基于控制器参数集和鲁棒性指标，构建补偿函数Ct=Σwit·giet，其中wit为自适应权重，gi为基本补偿函数，et为功率匹配误差；基于补偿函数，采用动态补偿更新规则，得到补偿信号和补偿效果评估；S44、基于补偿信号和补偿效果评估，构建第三目标函数；基于第三目标函数，采用障碍函数法引入约束，构建增广目标函数；对增广目标函数进行求解，得到优化解；对优化解进行评估，得到约束满足度；S45、基于优化解和约束满足度，构建Lyapunov函数；基于Lyapunov函数，进行稳定性分析，得到稳定性指标；基于稳定性指标，计算修正量，得到修正控制量；基于稳定性指标和修正控制量，进行综合评估，得到控制系统总体评估结果；步骤S5进一步为：S51、基于修正控制量、最优控制策略和补偿信号，构建融合函数；基于融合函数，计算局部性能指标；基于局部性能指标的梯度，采用自适应更新规则，更新融合函数的权重，得到最终控制量和融合权重集；S52、基于最终控制量和融合权重集，构建Bernstein多项式预测器Px=Σbk·Bn，kx，其中Bn，kx为Bernstein基函数，bk为预测系数；基于Bernstein多项式预测器，计算预测补偿量；基于预测补偿量和实际观测值，计算预测误差；基于预测误差，生成预测精度指标；S53、基于最终控制量和预测补偿量，构建广义矩估计；基于广义矩估计，通过加权求和进行自适应滤波，得到滤波输出；基于滤波输出，进行平滑处理，得到平滑控制量；S54、基于平滑控制量和系统实时采集的响应数据，构建性能指标集，并计算性能评估结果；获取系统运行状态数据，基于性能评估结果，对系统运行状态数据进行优化，得到优化参数集；步骤S6进一步为：S61、基于优化参数集、平滑控制量和预测补偿量，计算数字控制衰减器的衰减控制码；将衰减控制码转换为目标衰减值；S62、将衰减控制码通过数字接口发送至数字控制衰减器，采集数字控制衰减器的输入端功率值和输出端功率值，计算实际衰减值；S63、基于目标衰减值和实际衰减值，计算衰减误差；基于衰减误差，构建误差补偿函数；使用误差补偿函数，更新衰减控制码，得到修正后的衰减控制码；基于修正后的衰减控制码，获取调整后的输出端功率值，作为调整后的实际功率值；S64、基于调整后的实际功率值，计算功率匹配误差；基于功率匹配误差，采用动态评估函数，计算功率匹配评估值；当评估值超过预设阈值时，重新回到步骤S1，计算得到最终的功率匹配评估值。

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南京航天工业科技有限公司，其通讯地址为：210016 江苏省南京市秦淮区后标营35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”。