買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜南京航天工業科技有限公司申請的專利用于接收系統的自適應功率匹配方法和裝置獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119172012B 。

龍圖騰網通過國家知識產權局官網在2025-05-20發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411624338.4，技術領域涉及：H04B17/21；該發明授權用于接收系統的自適應功率匹配方法和裝置是由王玉紅;蘇航;陶琨;張小凡;王平;劉傲杰設計研發完成，并于2024-11-14向國家知識產權局提交的專利申請。

本用于接收系統的自適應功率匹配方法和裝置在說明書摘要公布了：本發明公開了一種用于接收系統的自適應功率匹配方法和裝置，該方法包括采集功率信號，構建測地線方程進行分解，生成幾何特征向量，計算穩定性指標；構建標準化特征矩陣，獲得展開系數序列，計算得到融合熵特征和信息完備度指標；進行遞歸分解，獲得頻譜特征向量和模態參數集；構建混合預測模型，得到預測置信度和預測值序列；進行多目標約束優化，獲得優化解和約束滿足度；進行反饋修正和穩定性分析，輸出修正控制量；進行自優化反饋調節，輸出優化參數集；計算功率調整控制信號并執行功率調整，得到調整后的實際功率值；進行閉環校正，實現自適應功率匹配控制。本發明實現了自動、高效、精確的功率匹配，提高了系統的穩定性和可靠性。

本發明授權用于接收系統的自適應功率匹配方法和裝置在權利要求書中公布了：1.用于接收系統的自適應功率匹配方法，其特征在于，包括如下步驟：S1、采集接收系統的功率信號并將其轉換為功率序列；將功率序列投影到黎曼流形上，構建測地線方程進行分解，得到本征模態函數集；基于本征模態函數集，計算黎曼度量張量，生成幾何特征向量；基于幾何特征向量，對功率序列進行動態奇異值分解，獲得動態特征矩陣和主奇異值序列；基于動態特征矩陣和主奇異值序列，計算拓撲熵；基于拓撲熵和主奇異值序列，計算穩定性指標；S2、基于穩定性指標、動態特征矩陣和幾何特征向量，計算動態均值和動態標準差并進行標準化處理，得到標準化特征矩陣；對標準化特征矩陣進行廣義Gegenbauer多項式展開，獲得展開系數序列；利用變分模式分解方法對標準化特征矩陣進行處理，得到模態集合；基于模態集合和展開系數序列，構建廣義Lasso問題并求解，獲得稀疏特征表示和特征重要度指標；基于稀疏特征表示和特征重要度指標，計算得到融合熵特征和信息完備度指標；S3、基于融合熵特征和信息完備度指標，采用廣義Christoffel函數進行處理，得到最優核函數；基于最優核函數，構建多層級Hankel矩陣并進行遞歸分解，獲得特征序列和動態特征矩陣；基于特征序列和動態特征矩陣，構建概率流方程并求解，得到概率分布和狀態轉移矩陣；基于概率分布，構建廣義Prony模型并進行參數估計，獲得頻譜特征向量和模態參數集；基于頻譜特征向量、模態參數集和狀態轉移矩陣，構建混合預測模型，得到預測置信度和預測值序列；S4、基于混合預測模型、預測置信度和預測值序列，使用Hamilton-Jacobi框架，構建性能指標優化問題并求解，輸出最優控制策略和性能評估指標；基于最優控制策略和性能評估指標，構建廣義Chebyshev控制器，得到控制器參數集和魯棒性指標；基于控制器參數集和魯棒性指標，構建多層級補償策略，生成補償信號和補償效果評估；基于補償信號和補償效果評估，進行多目標約束優化，獲得優化解和約束滿足度；基于優化解和約束滿足度，進行反饋修正和穩定性分析，輸出修正控制量；S5、基于修正控制量、最優控制策略和補償信號，采用動態權重融合方法，生成最終控制量和融合權重集；基于最終控制量和融合權重集，構建Bernstein預測補償器，輸出預測補償量；基于最終控制量和預測補償量，進行自適應濾波與平滑處理，得到平滑控制量；基于平滑控制量和預存儲的系統響應數據，進行實時性能評估，獲得性能評估結果；基于性能評估結果和預存儲的系統運行狀態，進行自優化反饋調節，輸出優化參數集；S6、基于優化參數集、平滑控制量和預測補償量，計算功率調整控制信號并執行功率調整，得到調整后的實際功率值；基于調整后的實際功率值，進行閉環校正，實現自適應功率匹配控制，輸出功率匹配評估值；步驟S1進一步為：S11、采集接收系統的功率信號，采用預定采樣頻率的模數轉換器對功率信號進行同步采樣，輸出功率序列；S12、基于功率序列，構建黎曼流形上的測地線方程；利用投影算子將功率序列從歐氏空間投影到黎曼流形上，得到投影后的信號；基于測地線方程，對投影后的信號進行分解，得到本征模態函數集；S13、基于本征模態函數集，計算切空間基底，構建黎曼度量張量；基于黎曼度量張量，計算黎曼曲率；基于黎曼曲率，獲取曲線參數化和單位法向量，計算得到測地曲率和形狀算子；將黎曼曲率、測地曲率和形狀算子組合形成幾何特征向量；S14、基于功率序列和幾何特征向量，構建時間延遲和嵌入維數的動態嵌入矩陣；基于幾何特征向量的二范數和功率序列的標準差，計算動態窗口大小；基于動態窗口大小，對動態嵌入矩陣進行奇異值分解，得到動態特征矩陣和主奇異值序列；S15、基于動態特征矩陣和主奇異值序列，計算歸一化奇異值；基于歸一化奇異值，計算拓撲熵；基于拓撲熵、預設參考熵值、主奇異值序列的方差和最大奇異值，計算穩定性指標；基于穩定性指標，確定系統的狀態標識；步驟S2進一步為：S21、基于穩定性指標、動態特征矩陣和幾何特征向量，計算動態均值和動態標準差；基于動態均值和動態標準差，進行標準化處理，得到標準化特征矩陣；S22、基于標準化特征矩陣，構建n階廣義Gegenbauer多項式基函數；基于標準化特征矩陣和n階廣義Gegenbauer多項式基函數，構建第一目標函數；通過最小化第一目標函數，得到最優形狀參數和展開系數序列；S23、基于標準化特征矩陣，構建優化問題；采用增廣拉格朗日法對優化問題進行求解，得到模態集合；S24、基于模態集合和展開系數序列，構建廣義Lasso問題min12||Ax-b||2+γ||Wx||1，其中A為觀測矩陣，W為加權矩陣，γ為正則化參數，x為待求解的稀疏表示，b表示表示觀測數據向量；采用迭代算法求解廣義Lasso問題，得到稀疏特征表示和特征重要度指標；其中加權矩陣W的更新規則為Wii=1|xi|+η，η為小正數，xi表示稀疏表示x的第i個元素；S25、基于稀疏特征表示和特征重要度指標，計算預定個尺度的Tsallis熵；基于預定個尺度的Tsallis熵，采用自適應權重進行融合，得到融合熵特征和信息完備度指標；步驟S3進一步為：S31、基于融合熵特征和信息完備度指標，構建廣義Christoffel函數；基于廣義Christoffel函數和預設目標核函數，構建第二目標函數；通過最小化第二目標函數，得到最優核函數；S32、基于最優核函數，構建多層級Hankel矩陣；對每個層級的Hankel矩陣進行奇異值分解，得到分解結果；基于分解結果和預設閾值參數，計算得到動態秩；基于動態秩，提取對應的特征模式，形成特征序列；將提取的特征模式進行組合，形成動態特征矩陣；S33、基于特征序列和動態特征矩陣，構建概率流方程，包括擴散系數矩陣和漂移向量場；使用自適應系數更新規則更新擴散系數矩陣；基于更新后的擴散系數矩陣和漂移向量場，求解概率流方程，得到概率分布；獲取系統的狀態變化，基于概率分布和狀態變化，構建狀態轉移矩陣；S34、基于概率分布，構建廣義Prony模型；獲取時間序列數據，基于時間序列數據和廣義Prony模型，構建參數估計問題；采用迭代最小二乘法求解參數估計問題，得到頻譜特征向量和模態參數集；S35、基于頻譜特征向量、模態參數集和狀態轉移矩陣，構建混合預測模型；使用混合預測模型，生成預測值；獲取實際觀測值，基于實際觀測值和預測值，計算個體預測誤差；基于個體預測誤差，采用自適應權重更新規則，計算自適應權重；基于自適應權重的分布，計算預測置信度；基于自適應權重和預測值，通過加權平均的方法進行集成預測，生成預測值序列；步驟S4進一步為：S41、基于混合預測模型、預測置信度和預測值序列，構建性能指標J=∫[αe2t+βu2t+γe*2t]dt和Hamilton函數Hx，u，λ，t=Lx，u+λTfx，u，其中et為功率匹配誤差，ut為控制輸入，e*t表示功率匹配誤差的時間導數，α、β、γ為權重系數，d表示微分算子，t表示時間變量，Lx，u為瞬時代價，fx，u為系統動態方程，λ為協態變量，x表示系統狀態變量；基于性能指標，求解Hamilton函數，得到最優控制策略和性能評估指標；S42、基于最優控制策略和性能評估指標，構建廣義Chebyshev多項式；基于廣義Chebyshev多項式，構建控制律；基于控制律，引入魯棒性約束，構建約束優化問題；對約束優化問題進行求解，輸出控制器參數集和魯棒性指標；S43、基于控制器參數集和魯棒性指標，構建補償函數Ct=Σwit·giet，其中wit為自適應權重，gi為基本補償函數，et為功率匹配誤差；基于補償函數，采用動態補償更新規則，得到補償信號和補償效果評估；S44、基于補償信號和補償效果評估，構建第三目標函數；基于第三目標函數，采用障礙函數法引入約束，構建增廣目標函數；對增廣目標函數進行求解，得到優化解；對優化解進行評估，得到約束滿足度；S45、基于優化解和約束滿足度，構建Lyapunov函數；基于Lyapunov函數，進行穩定性分析，得到穩定性指標；基于穩定性指標，計算修正量，得到修正控制量；基于穩定性指標和修正控制量，進行綜合評估，得到控制系統總體評估結果；步驟S5進一步為：S51、基于修正控制量、最優控制策略和補償信號，構建融合函數；基于融合函數，計算局部性能指標；基于局部性能指標的梯度，采用自適應更新規則，更新融合函數的權重，得到最終控制量和融合權重集；S52、基于最終控制量和融合權重集，構建Bernstein多項式預測器Px=Σbk·Bn，kx，其中Bn，kx為Bernstein基函數，bk為預測系數；基于Bernstein多項式預測器，計算預測補償量；基于預測補償量和實際觀測值，計算預測誤差；基于預測誤差，生成預測精度指標；S53、基于最終控制量和預測補償量，構建廣義矩估計；基于廣義矩估計，通過加權求和進行自適應濾波，得到濾波輸出；基于濾波輸出，進行平滑處理，得到平滑控制量；S54、基于平滑控制量和系統實時采集的響應數據，構建性能指標集，并計算性能評估結果；獲取系統運行狀態數據，基于性能評估結果，對系統運行狀態數據進行優化，得到優化參數集；步驟S6進一步為：S61、基于優化參數集、平滑控制量和預測補償量，計算數字控制衰減器的衰減控制碼；將衰減控制碼轉換為目標衰減值；S62、將衰減控制碼通過數字接口發送至數字控制衰減器，采集數字控制衰減器的輸入端功率值和輸出端功率值，計算實際衰減值；S63、基于目標衰減值和實際衰減值，計算衰減誤差；基于衰減誤差，構建誤差補償函數；使用誤差補償函數，更新衰減控制碼，得到修正后的衰減控制碼；基于修正后的衰減控制碼，獲取調整后的輸出端功率值，作為調整后的實際功率值；S64、基于調整后的實際功率值，計算功率匹配誤差；基于功率匹配誤差，采用動態評估函數，計算功率匹配評估值；當評估值超過預設閾值時，重新回到步驟S1，計算得到最終的功率匹配評估值。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京航天工業科技有限公司，其通訊地址為：210016 江蘇省南京市秦淮區后標營35號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。