基于变分稀疏贝叶斯学习的矢量共形阵列DOA-极化参数联合...
实质审查的生效
摘要
本发明公开了一种基于变分稀疏贝叶斯学习的矢量共形阵列DOA‑极化参数联合估计方法，将矢量共形阵列的输出信号通过主成分分析法进行降维处理后，又利用变分贝叶斯方法，计算获得降维信号Y每个角度的均值μ和方差Σ，提高了子空间的估计精度，在低信噪比和小快拍数目基础上，实现高精度的极化‑DOA联合估计；该估计方法，具有方法简单、易行、精度高等优点。
基本信息
专利标题 ：
基于变分稀疏贝叶斯学习的矢量共形阵列DOA-极化参数联合估计方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114355279A
申请号 ：
CN202210035287.6
公开（公告）日 ：
2022-04-15
申请日 ：
2022-01-13
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
蓝晓宇姜来王宇鹏杨帆王坤明
申请人 ：
沈阳航空航天大学
申请人地址 ：
辽宁省沈阳市道义经济开发区道义南大街37号
代理机构 ：
沈阳维特专利商标事务所(普通合伙)
代理人 ：
王翠
优先权 ：
CN202210035287.6
主分类号 ：
G01S3/14
IPC分类号 ：
G01S3/14
IPC结构图谱
G
G部——物理
G01
测量；测试
G01S
无线电定向；无线电导航；采用无线电波测距或测速；采用无线电波的反射或再辐射的定位或存在检测；采用其他波的类似装置
G01S3/00
由方向上无重要性的次声波、声波、超声波或电磁波或者粒子发射来测定方向的定向器
G01S3/02
利用无线电波的
G01S3/14
测定方向或测定对预定方向的偏离的系统
法律状态
2022-05-03 ：
实质审查的生效
IPC(主分类) : G01S 3/14
申请日 : 20220113
申请日 : 20220113
2022-04-15 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
