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！

龙图腾网获悉北京理工大学申请的专利一种基于低秩稀疏分解及全变分的探地雷达杂波抑制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：CN115184889B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202210638168.X，技术领域涉及：G01S7/41；该发明授权一种基于低秩稀疏分解及全变分的探地雷达杂波抑制方法是由杨小鹏;渠晓东;赵毅;曹彦杰设计研发完成，并于2022-06-07向国家知识产权局提交的专利申请。

本一种基于低秩稀疏分解及全变分的探地雷达杂波抑制方法在说明书摘要公布了：本发明提供一种基于低秩稀疏分解及全变分的探地雷达杂波抑制方法，将低秩稀疏分解优化问题转化为基于最小化低秩矩阵秩函数、稀疏矩阵稀疏度以及稀疏矩阵全变分正则化项之和的联合优化问题，其中，稀疏矩阵全变分正则化项能够进一步滤除杂波成分，且本发明不需要低秩背景矩阵的秩先验值，在非均匀杂波、噪声存在和目标稀疏性下降的情况下，既能有效抑制探地雷达数据中的杂波和噪声，又能一定程度上保留目标区域，此外，仿真实验和实测实验表明，本发明能够提高探地雷达数据的信杂比，是一种有效的探地雷达杂波抑制方法。

本发明授权一种基于低秩稀疏分解及全变分的探地雷达杂波抑制方法在权利要求书中公布了：1.一种基于低秩稀疏分解及全变分的探地雷达杂波抑制方法，其特征在于，包括以下步骤： S1：将探地雷达数据矩阵D建模为低秩数据矩阵L与稀疏数据矩阵S之和，其中，低秩数据矩阵L代表杂波数据，稀疏数据矩阵S代表目标数据； S2：将基于低秩数据矩阵L与稀疏数据矩阵S之和的低秩稀疏分解优化问题转化为基于最小化低秩矩阵秩函数、稀疏矩阵稀疏度以及稀疏矩阵全变分正则化项之和的联合优化问题； S3：采用交替方向乘子法对所述联合优化问题进行求解，且求解得到的稀疏数据矩阵S即为杂波抑制之后的目标数据矩阵； 所述联合优化问题为： min||L||*+λ||S||1+β||S||TVa s.t.D＝L+S, 其中，||·||*表示低秩数据矩阵L的核范数，||·||1表示稀疏数据矩阵S的l1范数，||·||TVa表示稀疏数据矩阵S的各向异性全变分，λ为设定的稀疏正则化权重，β为设定的全变分正则化权重； 采用交替方向乘子法对所述联合优化问题进行求解具体为： S31：根据交替方向乘子法构建交替更新步骤如下： Yk＝Yk-1+μk-1D-Lk-Sk 其中，Lk表示第k次迭代的低秩数据矩阵，U、Σ以及V分别表示矩阵的左奇异向量矩阵、奇异值对角矩阵以及右奇异向量矩阵，[]H代表矩阵的共轭转置操作，Sk和Sk-1分别表示第k次迭代和第k-1次迭代的稀疏数据矩阵，Yk和Yk-1分别表示第k次迭代和第k-1次迭代的拉格朗日乘子矩阵，μk和μk-1分别表示第k次迭代和第k-1次迭代的拉格朗日乘子矩阵更新参数，B表示辅助矩阵，且有ρ设定常数，且ρ＞1，ε2表示第一收敛残差，Ψτ·为元素软阈值算子，定义如下： 其中，u和τ为元素软阈值算子的输入变量；τ为1μk或λμk-1，u为Σ或 S32：将拉格朗日乘子矩阵、低秩数据矩阵以及稀疏数据矩阵分别初始化为Y0＝L0＝S0＝0后，按照所述交替更新步骤进行迭代，每次迭代完成后，判断迭代结果是否满足设定收敛条件或迭代次数是否达到设定上限，若满足其一，则得到最终的稀疏数据矩阵； 所述设定收敛条件为： ||D-Lk-Sk||F||D||F＜ε1andμk-1||Sk-Sk-1||||D||＜ε2 其中，||·||F表示矩阵的F范数，ε1表示第二收敛残差。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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”。

以上内容由龙图腾AI智能生成。