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！

龙图腾网获悉中铁四局集团有限公司;安徽数智建造研究院有限公司申请的专利一种基于物理约束的抗多径毫米波雷达DOA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：CN121633975B 。

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：202610140194.8，技术领域涉及：G01S3/02；该发明授权一种基于物理约束的抗多径毫米波雷达DOA估计方法是由胡楠;赵邦国;程维国;胡景翔;周红伟;任敬东;申浩然设计研发完成，并于2026-02-02向国家知识产权局提交的专利申请。

本一种基于物理约束的抗多径毫米波雷达DOA估计方法在说明书摘要公布了：本发明属于雷达信号处理技术领域，涉及到一种基于物理约束的抗多径毫米波雷达DOA估计方法，其首先通过获取毫米波雷达阵列接收信号的采样协方差矩阵，依据实部与虚部重构为二维数据矩阵，接着设计层次化的训练流程，对深度神经网络模型先进行无监督训练，后进行迁移学习微调，然后将二维数据矩阵输入至已训练完成的深度神经网络模型内，由模型输出对应于角度域的空间谱估计图，最后通过对空间谱估计图进行峰值搜索，确定目标的波达方向DOA估计值。解决现有深度学习方法对有标签数据集的严重依赖问题，同时利用深度学习网络模型，实现从通用仿真环境到具体实际场景的高效、低成本适配，提升抗多径毫米波雷达DOA估计的可实施性能。

本发明授权一种基于物理约束的抗多径毫米波雷达DOA估计方法在权利要求书中公布了：1.一种基于物理约束的抗多径毫米波雷达DOA估计方法，其特征在于，包括： 获取毫米波雷达阵列接收信号的采样协方差矩阵，并将采样协方差矩阵的实部与虚部重构为二维数据矩阵； 使用射线追踪生成的仿真多径场景数据集，通过包含多重物理约束的无监督方式对深度神经网络模型进行预训练,包括：针对仿真多径场景数据集，计算采样协方差矩阵并重构为二维数据矩阵，作为无标签的预训练样本； 构建融合多重物理约束的无监督损失函数，所述无监督损失函数由数据保真度约束项、稀疏性约束项和结构约束项线性加权得到； 将预训练样本输入深度神经网络模型，获得输出的空间谱估计向量并以此计算无监督损失值； 基于无监督损失值，利用梯度反向传播算法更新深度神经网络模型的参数，重复训练直至无监督损失值收敛至预设范围或达到预定迭代次数，完成深度神经网络模型的预训练; 并利用毫米波雷达阵列针对当前探测场景所采集的现场校准数据，以迁移学习方式对预训练后的深度神经网络模型进行微调，得到训练完成的深度神经网络模型； 所述深度神经网络模型包括依次连接的编码器、瓶颈层、解码器与输出层，模型处理流程如下： 编码器：对输入的二维数据矩阵进行多层级卷积与下采样处理，提取并输出不同层级的空间特征图； 瓶颈层：接收编码器最终层级输出的空间特征图，并在最终层级尺度上利用空洞卷积执行特征整合操作，以输出整合后的空间特征图； 解码器：对瓶颈层输出的空间特征图进行上采样处理，逐步恢复空间维度，并将上采样结果与编码器中对应层级输出的空间特征图进行通道拼接融合； 输出层：应用激活函数处理解码器输出的空间特征图，生成在预定义探测角度范围内、与离散角度样本一一对应的空间谱估计向量，以标记为预定义角度域的空间谱估计图; 将所述二维数据矩阵输入至训练完成的深度神经网络模型，由模型输出对应于角度域的空间谱估计图； 根据空间谱估计图进行峰值搜索，确定目标的波达方向DOA估计值。

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铁四局集团有限公司;安徽数智建造研究院有限公司，其通讯地址为：230023 安徽省合肥市包河区望江东路96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。