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！

龙图腾网获悉广东工业大学申请的专利基于经验贝叶斯方法处理未知信息分布的信号重构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：CN119402912B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202411441961.6，技术领域涉及：H04W28/06；该发明授权基于经验贝叶斯方法处理未知信息分布的信号重构是由许小龙;张浩川设计研发完成，并于2024-10-16向国家知识产权局提交的专利申请。

本基于经验贝叶斯方法处理未知信息分布的信号重构在说明书摘要公布了：本发明公开一种基于经验贝叶斯方法处理转移概率未知或者信号先验和转移概率均未知的信号重构。对于广义线性模型当中转移概率未知的问题，建立基于经验贝叶斯估计转移概率模型，从而获得广义线性模型的转移概率。根据估计出的转移概率以及状态更新方程，得到一个标量模型，可以建立一个基于经验贝叶斯估计先验的概率模型，从而获得未知信号的先验分布。对基于经验贝叶斯估计转移概率模型和基于经验贝叶斯估计先验的概率模型加入到算法当中，进行信号恢复。算法通过迭代计算，不断更新信号估计值，直至达到收敛条件，实现对原始信号的准确恢复。本发明通过经验贝叶斯估计解决转移概率未知或者信号先验和转移概率均未知下也能对信号进行重构。

本发明授权基于经验贝叶斯方法处理未知信息分布的信号重构在权利要求书中公布了：1.基于经验贝叶斯方法处理未知信息分布的信号重构方法，其特征在于，所述方法包括以下步骤： 对于广义线性模型y＝Hx+w当中转移概率未知的问题，令z＝Hx，其中为m维的观测向量，为观测矩阵，H是独立同分布的信道矩阵服从独立同步分布的为n维待估计的目标信号，w的概率分布主要是刻画了中间变量z与观测向量y的统计特性pY|Zya|za，Z代表向量z整体的变量，Y代表观测向量y整体的变量，基于经验贝叶斯估计转移概率模型EB_GAMP{pY|Zya|za；y,z}如下： y＝z+w 其中w为待估计的转移概率，ya表示观测向量y的第a个值，za表示观测向量z的第a个值，通过在发送端对信号进行处理使其z均值为0，方差为1，使得z的分布为已知的高斯分布根据以上模型结合经验贝叶斯估计，可以估计出转移概率； 在广义近似消息传递或广义期望一致信号重构算法当中，会出现类似如下的概率分布 其中pXx为信号的先验分布，为高斯分布，其期望x-和方差为v-为算法上一阶段获取的信息； 均值误差meansquareerror,MSE可表示为 其中期望是对概率为px|x-取，最小均方误差minimummeansquareerror,MMSE估计信号表示为 在大规模系统当中，根据等效的标量模型来代替一些变量之后可得到 其中X～pXx，得到一个标量模型为基于经验贝叶斯估计先验的概率模型N服从均值为0、方差为v-的高斯分布 和为上一阶段算法迭代获取的信息，从而获得未知信号的先验分布； 对基于经验贝叶斯估计转移概率模型EB_GAMP{pY|Zya|za；y,z}和基于经验贝叶斯估计先验的概率模型加入到广义近似消息传递算法和广义期望一致信号重构算法中，进行信号恢复，算法通过迭代计算，不断更新信号估计值，直至达到收敛条件，实现对原始信号的准确恢复； 对于基于经验贝叶斯估计的广义近似消息传递算法的表达式为 其中a＝1…m，i＝1…n，当t＝1初始化： 其中pxi表示信号x的第i个xi的概率分布；pY|Zya|za＝EB_GAMP{pY|Zya|za；y,z}表示第a个ya和za之间的基于经验贝叶斯估计广义近似消息传递算法转移概率模型，为m维的观测向量，z＝Hx，其中为观测矩阵，为n维的目标信号，ya表示观测向量y的第a个值，za表示观测向量z的第a个值，Y代表观测向量y整体的变量，Hai表示矩阵H第a行第i列的值；通过经验贝叶斯估计出未知的转移概率；表示对第a个的概率分布取均值，表示对第a个的概率分布取方差，是第t次迭代第a个信号中间参数的均值，是第t次迭代第a个信号中间参数的方差；是第i个信号xi基于经验贝叶斯估计广义近似消息传递算法先验的概率模型，是第t次迭代第i个信号中间参数的均值，是第t次迭代第i个信号中间参数的方差，通过经验贝叶斯估计出未知信号的先验； 对于基于经验贝叶斯估计的广义期望一致信号重构算法表达式为 pY|Zy|z＝EB_GAMP{pY|Zy|z；y,z} 以上变量均为向量形式表示，当t＝1进行初始化： 其中pY|Zy|z＝EB_GAMP{pY|Zy|z；y,z}为基于经验贝叶斯估计广义期望一致信号重构算法转移概率模型，为m维的观测向量，z＝Hx，其中为观测矩阵，为n维的目标信号，HH表示对矩阵H取共轭转置；通过经验贝叶斯估计出未知的转移概率通过经验贝叶斯估计出广义期望一致信号重构算法未知的转移概率；表示对概率分布为取均值，表示对概率分布为取方差；diag·是对矩阵求对角线，形成列向量；Diag·是将向量里的元素作为对角线元素，形成矩阵，非对角线元素为0；表示向量点除，⊙表示向量点乘；表示对概率分布为px|y取均值，示对概率分布为px|y取方差；·H表示取共轭转置； 为基于经验贝叶斯估计广义期望一致信号重构算法先验概率模型，通过经验贝叶斯估计出未知信号的先验。

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广东工业大学，其通讯地址为：510006 广东省广州市番禺区小谷围街道广东工业大学；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”。

以上内容由龙图腾AI智能生成。