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;北京理工大学重庆创新中心申请的专利基于聚类算法的非高斯天气雷达信号自适应谱矩估计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：CN115407339B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202210381368.1，技术领域涉及：G01S13/95；该发明授权基于聚类算法的非高斯天气雷达信号自适应谱矩估计方法是由董锡超;胡佳琪;陈志扬;田卫明;胡程;曾涛设计研发完成，并于2022-04-12向国家知识产权局提交的专利申请。

本基于聚类算法的非高斯天气雷达信号自适应谱矩估计方法在说明书摘要公布了：本发明公开了一种基于聚类算法的非高斯天气雷达信号自适应谱矩估计方法，首先利用高斯混合模型对非高斯功率谱进行建模，并采用肘部法则计算非高斯信号中包含的高斯功率谱个数K；然后利用K‑means聚类算法对非高斯信号的功率谱的采样点进行聚类，将聚类的均值和方差作为谱矩的初值；最后采用期望最大算法进一步估计谱矩；本发明能够在天气信号功率谱为非高斯分布且传统谱矩估计方法失效时有效估计谱矩参数。

本发明授权基于聚类算法的非高斯天气雷达信号自适应谱矩估计方法在权利要求书中公布了：1.一种基于聚类算法的非高斯天气雷达信号自适应谱矩估计方法，其特征在于，首先利用高斯混合模型对非高斯功率谱进行建模，并采用肘部法则计算非高斯信号中包含的高斯功率谱个数K；然后利用K‑means聚类算法对非高斯信号的功率谱的采样点进行聚类，将聚类的均值和方差作为谱矩的初值；最后采用期望最大算法进一步估计谱矩； 所述利用K‑means聚类算法对非高斯信号的功率谱的采样点进行聚类，将聚类的均值和方差作为谱矩的初值，具体为： 步骤21，利用肘部法则获取的K值代表这组数据集有K个不同的类别，对每一个类别随机取值猜测其中心点μ1,μ2,…,μK； 步骤22，计算某个样本到μ1,μ2,…,μK的距离，如果该样本与μk的距离最小，μk∈μ1,μ2,…,μK，那么有rik＝1，即： 步骤23，针对每个类别重新计算它的聚类中心，令损失函数JK关于μk的导数为零，即求得类别k中使损失函数最小的初始均值、谱宽和权值； 步骤24，重复步骤22和步骤23，不断迭代直到收敛，即其中ε为收敛阈值，P为迭代次数，当满足收敛条件或达到设定的迭代次数，即得到最佳的初始参数和fi为数据集中的第i个样本，i＝1,…,M，M为脉冲积累个数，rik表示选择系数，Sfi为信号功率谱密度，μk表示第k个高斯谱分量的均值； 步骤31，利用获取的初始参数和计算每个样本fi来自模型k的可能性其中，为第k个高斯谱分量，wk、μk表示第k个高斯谱分量的权重、均值，σfk表示第k个高斯谱分量的标准差； 步骤32，计算功率谱的对数似然函数： 极大化7式并计算新一轮迭代的模型参数： 步骤33，重复步骤31和步骤32，不断迭代直至收敛，即且其中ε1和ε2为收敛阈值，P为迭代次数，当满足收敛条件或达到设定的迭代次数，即可估计出最佳的模型参数和

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;北京理工大学重庆创新中心，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。