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！

龙图腾网获悉中国科学院声学研究所申请的专利一种多测量矢量线谱估计方法及计算机设备和存储介质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：CN115238233B 。

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：202210906594.7，技术领域涉及：G06F17/15；该发明授权一种多测量矢量线谱估计方法及计算机设备和存储介质是由郝程鹏;黎子皓;吴敏;闫晟设计研发完成，并于2022-07-29向国家知识产权局提交的专利申请。

本一种多测量矢量线谱估计方法及计算机设备和存储介质在说明书摘要公布了：本发明提供了一种多测量矢量线谱估计方法及计算机设备和存储介质，所述方法为：采样多测量矢量模型的离散信号数据，通过快速内点法框架迭代估计秩最小的托普利兹矩阵，然后通过Root‑MUSIC算法估计信号的频率；所述快速内点法框架针对原子范数最小化这个凸优化问题，推导基于非线性规划最佳解的必要条件的迭代优化过程，并在迭代过程中引入BFGS算法优化协方差矩阵进行计算。本发明提出的算法将多测量矢量线谱估计问题表示为一个凸优化模型，从而在频率分辨率方面具有性能优势，且在低信噪比时，估计的频率精度优于MUSIC算法和L1‑SVD算法。与SDPT3‑MMV‑ANM算法相比，本发明提出的算法使用推导的原子变量和对偶变量的快速迭代表达式，在计算效率方面具有显著优势。

本发明授权一种多测量矢量线谱估计方法及计算机设备和存储介质在权利要求书中公布了：1.一种多测量矢量线谱估计方法，该方法采样多测量矢量模型的离散信号数据后，通过快速内点法框架迭代估计秩最小的托普利兹矩阵，然后通过Root-MUSIC算法估计信号的频率； 其中，所述快速内点法框架针对原子范数最小化这个凸优化问题，推导基于非线性规划最佳解的必要条件的迭代优化过程，并在迭代过程中引入BFGS算法优化协方差矩阵进行计算； 所述方法包括： 步骤1：采样获得观测数据Y°；设置各参数的初始值； 步骤2：根据目标函数： minhtu＝gu+t-1Gu； 使用BFGS算法计算更新方向△u； 其中，； t为每一次迭代需要根据原始和对偶的差来更新的变量，在第一次迭代时用的是输入的初始化的t，后续迭代时用的是步骤9算出的结果；为设定的超参数；g为T*I，其中T*·表示伴随Toeplitz算子；I为维度为N×N的单位矩阵；Tr·表示计算矩阵的迹；T·表示Toeplitz映射；ut为当前的t获得的u；H是共轭转置符号，T是实矩阵的转置； u是由的实部和虚部构成的实数变量： ； 其中，Re·表示取实部，Im·表示取虚部；为需要求解的变量，是一开始未知的，是满足这个优化方程的最好的； 步骤3：通过公式ui＝ui-1+αΔu的Armijo线搜索条件计算步长α； 步骤4：更新变量ui＝ui-1+αΔu； 步骤5：根据当前迭代结果ui，计算： ； 其中，ui2:N表示矢量ui的第2到第N个元素，以此类推； 步骤6：更新参数Wi,Yi； ； ； 其中，Wi为第i次迭代时能满足函数minoμ中变量W最优解；Yi为第i次迭代时能满足函数minoμ中变量Y最优解；即Wi，Yi，ui能使函数的值最小；其中，||·||F表示Frobenius范数； 步骤7：更新参数Vi,Si,zi； ； 其中，Vi为第i次迭代时对偶变量V的数值；Si为第i次迭代时对偶变量S的数值；zi为第i次迭代时对偶变量z的数值；其中Si、zi和Vi是能让函数的值最大的变量； 步骤8：判断是否满足； 步骤9：计算原始目标函数并更新参数t： ； 其中，L表示多测量矢量数据矩阵有L个测量矢量； 步骤10：判断是否满足停止条件； 步骤11：通过获得的最优构造对应的Toeplitz矩阵； 步骤12：使用Root-MUSIC算法从中估计频率向量f*。

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中国科学院声学研究所，其通讯地址为：100190 北京市海淀区北四环西路21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。