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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利一种基于压缩感知的稀疏恢复方法、设备及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：CN119315996B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202411387220.4，技术领域涉及：H03M7/30；该发明授权一种基于压缩感知的稀疏恢复方法、设备及存储介质是由周新;文峰;赵志远;李青松;张娜设计研发完成，并于2024-09-30向国家知识产权局提交的专利申请。

本一种基于压缩感知的稀疏恢复方法、设备及存储介质在说明书摘要公布了：本申请公开了一种基于压缩感知的稀疏恢复方法，该方法包括：S1获取观测信号和测量矩阵、目标信号的稀疏度，获取迭代误差阈值；S2对相关数据进行分析，标记目标信号的关键特征；S3构建信号评估模型，获取第一估计信号和测量矩阵的转置与观测信号的向量积位置序列的支撑集，获取迭代步长；S4将迭代步长带入迭代公式，获取第二估计信号；S5若第二估计信号与第一估计信号之间的误差不大于迭代误差阈值，则终止迭代，目标估计信号即为第二估计信号；否则将第二估计信号作为第一估计信号，回到步骤S3。本发明还公开了一种基于压缩感知的稀疏恢复相应的设备及存储介质。本发明提供的一种基于压缩感知的稀疏恢复方法能够提高收敛速度和估计精度。

本发明授权一种基于压缩感知的稀疏恢复方法、设备及存储介质在权利要求书中公布了：1.一种基于压缩感知的稀疏恢复方法，其特征在于，包括： S1获取观测信号和测量矩阵，基于目标信号的特征确定目标信号的稀疏度，获取迭代误差阈值； S2基于信号处理算法，对步骤S1中获取的观测信号和测量矩阵进行分析，计算测量矩阵的转置与观测信号的向量积，并提取向量积中绝对值最大的k个元素的位置序列，标记为目标信号的关键特征，其中，所述信号处理算法包括计算向量积和支撑集； S3基于所述目标信号的关键特征，构建信号评估模型，所述信号评估模型用于计算梯度向量和迭代步长，基于所述信号评估模型，获取第一估计信号和测量矩阵的转置与观测信号的向量积位置序列的支撑集，基于梯度向量计算迭代步长； S4将迭代步长带入迭代公式，获取第二估计信号，所述迭代公式为基于对数代价函数的自适应邻近梯度迭代； S5若第二估计信号与第一估计信号之间的误差不大于迭代误差阈值，则终止迭代，目标估计信号即为第二估计信号；若第二估计信号与第一估计信号之间的误差大于迭代误差阈值，则将第二估计信号作为第一估计信号，返回步骤S3。

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人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。