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！

龙图腾网获悉南京理工大学申请的专利基于低秩稀疏矩阵约束优化的叶簇杂波抑制方法及系统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：CN114675252B 。

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：202210350664.5，技术领域涉及：G01S7/41；该发明授权基于低秩稀疏矩阵约束优化的叶簇杂波抑制方法及系统是由芮义斌;邢晗薇;谢仁宏;李鹏;范王恺;郝玉婷;孔立群;孟昊设计研发完成，并于2022-04-04向国家知识产权局提交的专利申请。

本基于低秩稀疏矩阵约束优化的叶簇杂波抑制方法及系统在说明书摘要公布了：本发明公开了一种基于低秩稀疏矩阵约束优化的叶簇杂波抑制方法及系统，该方法首先对雷达回波进行分数阶傅里叶变换并根据二维分布找出平面内能量最大点，确定最佳变换阶数ρ，再对雷达回波进行ρ阶FRFT变换，使得雷达接收信号在FRFT域中目标和杂波的能量差取到最大；接着在FRFT域构造低秩稀疏约束模型并优化目标函数，通过基于模拟退火优化改进增广拉格朗日乘子法迭代求解，最后将重构的信号逆FFT变换到时域，得到抑制杂波后的数据。本发明针对叶簇杂波环境中地面侦察雷达检测低速运动目标的难题，在频域进行低秩稀疏约束重构，从而实现叶簇杂波抑制，提高低速目标回波信号的信杂比，有效提升了树林环境中低速目标的检测性能。

本发明授权基于低秩稀疏矩阵约束优化的叶簇杂波抑制方法及系统在权利要求书中公布了：1.一种基于低秩稀疏矩阵约束优化的叶簇杂波抑制方法，其特征在于，包括如下步骤： 步骤1、对雷达回波信号进行不同阶数的FRFT变换，根据二维分布在平面中找出能量最大点； 步骤2、由步骤1求出的能量最大点确定出最优变换阶次ρu，同时对雷达回波进行ρu阶FRFT变换； 步骤3、在FRFT域将雷达回波矩阵进行稀疏分解建立优化模型，并对优化模型进行凸松弛；对雷达回波矩阵进行稀疏分解建立优化模型得到： 式中，Zt为目标子空间；Zf为杂波和噪声子空间；rank·为矩阵的秩；||·||0为矩阵的0阶范数；λ为正则化参数； 对上式进行凸松弛，将l0范数松弛为l1范数，同时以核范数替换rank·进行低秩约束： 式中，||·||*为矩阵的核范数；||·||1为矩阵的1阶范数，λ为正则化参数； 步骤4、基于改进增广拉格朗日乘子法求解目标函数，初始化相关值后不停迭代直至收敛得到目标函数矩阵；所述的改进增广拉格朗日乘子法低秩优化求解得到： 式中，LZf,Zt,Y为增广拉格朗日函数；μ＞0为迭代系数，用来平衡迭代次数和终止条件；Y为拉格朗日乘子；||·||F为矩阵的Frobenius范数； 引入SA算法，以此在每轮的迭代中都能获取最优的μ，表示为μSA，因此可得到： 式中，μSA为采用SA算法求出的每轮最优参数，在矩阵每次迭代时自适应更新； 并定义迭代算子Sτx＝sgnxmax|x|-τ,0，以及奇异值迭代算子DτZf＝USτ∑V*代入上式可得： 式中：x为复数；τ为实数；Zf＝UΛV*为矩阵Zf的奇异值分解；U,V分别为矩阵Zf奇异值分解得到的两个正交矩阵；Sτ为对角矩阵，对角线元素为矩阵Zf的奇异值，初始化相关值后不停迭代直至收敛得到目标函数矩阵； 步骤5、将步骤4中重构的信号逆FFT变换到时域，得到抑制杂波后的数据。

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理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200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”。