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空军工程大学申请的专利基于神经网络和大电磁矢量传感器的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：CN119881783B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202411875359.3，技术领域涉及：G01S3/14；该发明授权基于神经网络和大电磁矢量传感器的DOA估计方法是由郑桂妹;宋玉伟;徐彤;付孝龙;周豪;郑合;肖莉媛;王安乐;刘厚彬;陈晨设计研发完成，并于2024-12-19向国家知识产权局提交的专利申请。

本基于神经网络和大电磁矢量传感器的DOA估计方法在说明书摘要公布了：本发明公开了一种基于神经网络和大电磁矢量传感器的DOA估计方法，属于信号处理技术领域，包括建立6分量分离式大电磁矢量传感器，接收得到信号源接收数据，利用ESPRIT估计信号参数方法，计算得到信号的导向矢量估计值，预处理后，得到信号数据集，利用信号数据集对DOA估计计算模型进行训练，并利用训练好的DOA估计计算模型，完成大电磁矢量传感器的DOA估计。本发明将神经网络深度学习引入到极化敏感阵列的DOA估计中，建立DOA估计计算模型，并结合数据驱动，能够对大电磁矢量传感器进行DOA估计，解决了空间相位因子和大电磁矢量传感器自身响应复杂、高度非线性的问题。

本发明授权基于神经网络和大电磁矢量传感器的DOA估计方法在权利要求书中公布了：1.一种基于神经网络和大电磁矢量传感器的DOA估计方法，其特征在于，包括以下步骤： S1：建立6分量分离式大电磁矢量传感器； S2：根据6分量分离式大电磁矢量传感器，接收得到信号源接收数据； S3：根据信号源接收数据，利用ESPRIT估计信号参数方法，计算得到信号的导向矢量估计值； S4：对信号的导向矢量估计值进行预处理，得到信号数据集； S5：构建DOA估计计算模型，并利用信号数据集进行训练，得到训练好的DOA估计计算模型； 所述DOA估计计算模型包括依次连接的输入层、第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层、第六卷积层、第一全连接层、第二全连接层以及输出层； 所述第一卷积层和第二卷积层均包括256个卷积核且卷积核大小为； 所述第三卷积层、第四卷积层、第五卷积层和第六卷积层均包括256个卷积核且卷积核大小为； 所述第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层和第六卷积层均连接有批量规范化层和ReLU激活函数； 所述第一全连接层连接有ReLU激活函数和dropout层；所述第二全连接层连接有sigmoid激活函数； S6：利用训练好的DOA估计计算模型，对大电磁矢量传感器的信号源信号进行处理，得到DOA估计值，完成大电磁矢量传感器的DOA估计； 所述DOA估计值的表达式如下： 其中，为DOA估计值，为第二全连接层权值矩阵的维度，为第二全连接层的偏执向量，为第一全连接层的输出，为第一全连接层权值矩阵的维度，为第一全连接层的偏执向量，为第六卷积层的输出，为第六卷积层的维度，为第六卷积层的偏置向量，为第五卷积层的输出，为第五卷积层的维度，为第五卷积层的偏置向量，为第四卷积层的输出，为第四卷积层的维度，为第四卷积层的偏置向量，为第三卷积层的输出，为第三卷积层的维度，为第三卷积层的偏置向量，为第二卷积层的输出，为第二卷积层的维度，为第二卷积层的偏置向量，为第一卷积层的输出，为第一卷积层的维度，为第一卷积层的偏置向量，为三维矩阵数据，为卷积运算。

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空军工程大学，其通讯地址为：710038 陕西省西安市灞桥区长乐东路甲字一号；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。