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！

龙图腾网获悉重庆邮电大学申请的专利一种基于自适应参数DBSCAN聚类的直射径分辨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：CN119270195B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202411281542.0，技术领域涉及：G01S5/02；该发明授权一种基于自适应参数DBSCAN聚类的直射径分辨方法是由杨小龙;童睿轩;张亭亭;周牧;谢良波;王勇;聂伟设计研发完成，并于2024-09-13向国家知识产权局提交的专利申请。

本一种基于自适应参数DBSCAN聚类的直射径分辨方法在说明书摘要公布了：本发明提出一种基于自适应参数DBSCAN聚类的直射径分辨方法。首先，计算距离分布矩阵通过排序和平均操作获得平均最近邻距离矩阵。在此基础上，利用Savitzky‑Golay滤波器对根据距离矩阵得到的归一化分布概率直方图进行滤波。其次，采用寻峰算法搜索得到最优邻域半径的区间，同时利用数学期望法计算最优邻域半径的区间所对应的最少点数。再次，根据邻域半径和最少点数进行DBSCAN聚类并计算轮廓系数，选取其最大值对应的聚类结果。最后，根据簇的点数、平均值、方差和ToF特征计算最大似然函数，进而辨别直射径。本发明在不需要确定簇的个数、邻域半径及邻域半径内的最小点数的情况下，依据数据本身的特点进行聚类，提高系统分辨直射径的能力。

本发明授权一种基于自适应参数DBSCAN聚类的直射径分辨方法在权利要求书中公布了：1.一种基于自适应参数DBSCAN聚类的直射径分辨方法，包括以下步骤： 步骤一：对于采用商用WiFi设备的主机在阵列天线上采集的CSI数据，利用子空间算法估计发射机的AoA和ToF参数，所得的原始估计结果的集合表示为： Est＝{θi,τi|i∈{1,2,...,I}} 其中，θi和τi分别表示数据点i的AoA和ToF参数，其中，1≤i≤I且I为数据点的总数；由于AoA和ToF的规模不同，在聚类前需要对其进行归一化： 其中，X为AoA估计值{θi}或ToF估计值{τi}，Xi表示集合X中第i个元素，其中，1≤i≤I，将归一化后的参数集合记为： 步骤二：平均最近邻距离代表数据点的距离分布特征；首先，计算距离分布矩阵： D＝{Distanceu,v|u,v∈{1,2,...,I}} 然后，对距离矩阵D的每一行元素进行升序排序获得Dsort；其次，对D中第v列求平均值并得到所有数据点的平均最近邻距离其中，1≤v≤I； 步骤三：确定候选邻域半径区间和候选邻域半径对应的最少点数；首先，对画分布概率直方图；其次，将直方图通过Savitzky-Golay滤波器平滑得到拟合曲线，以减少直方图的假峰数量；再次，通过寻峰算法获得拟合曲线第一个峰值点的位置，其所在的区间视为最优邻域半径区间；最后，以最小间隔Δeps划分区间得到由E个候选邻域半径组成的集合eps＝{eps1,eps2,...,epsE}，随后利用数学期望法求得eps中每个邻域半径对应的最少点数： 其中，pepse,i表示在邻域半径epse的条件下第i个数据点的邻域点数； 步骤四：依据eps和minpts进行DBSCAN聚类并根据下式计算轮廓系数{su}： 其中，u和v表示簇中的数据点的索引，q和w表示簇的序号，Jq和Jw分别表示簇序号q和v中数据点索引的集合，nq和nw分别表示簇序号q和v中数据点的总数；xu表示数据点u到所在簇Jq中其他数据点v的平均欧式距离，其中u≠v，yu表示数据点u到其他簇Jw内数据点v的平均欧式距离中的最小值，其中w≠q；为了选取最优的邻域半径和邻域半径中的最小点数，计算平均轮廓系数： 由不同的邻域半径集合eps和不同的邻域半径中的最小点数集合minpts得到的DBSCAN聚类结果的平均轮廓系数为选取集合s中最大值对应的聚类结果 步骤五：根据下式和步骤四中得到的聚类结果中第k个簇计算最大似然函数lk，其中1≤k≤K： lk＝expωNNk-ωAσA,k-ωTσT,k-ωmmT,k 其中，Nk表示第k个簇中数据点的总数，σA,k表示第k个簇中数据点AoA维度的方差，σT,k表示第k个簇中数据点ToF维度的方差，mT,k表示第k个簇中数据点ToF维度的平均值；ωN、ωA、ωT和ωm均为常数且表示对应的权重； 最后，通过计算得到簇序号k*，即聚类结果中第k*个簇的AoA和ToF参数代表分辨出的直射径，再利用下式计算直射径数据点的质心 其中，u表示簇中的数据点的索引，表示簇序号k*中数据点索引的集合，表示簇序号k*中数据点的总数。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区崇文路2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”。