-
公开(公告)号：CN120009845A
公开(公告)日：2025-05-16
申请号：CN202510098071.8
申请日：2025-01-22
Applicant: 海南大学
Abstract: 本发明提供一种基于虚拟域张量完备的互质双基地MIMO雷达系统的参数估计方法，其特征在于，所述方法包括如下步骤:步骤S1:将互质双基地MIMO雷达系统的接收数据排列成三阶张量的形式；步骤S2:利用两个不同时域下的接收张量信号获得基于时域互相关张量，并基于互相关张量降维推导得到二维增广非连续虚拟阵列；步骤S3:基于互相关二阶统计量的非Hermitian特性构造具有元素缺失的虚拟域张量；步骤S4:对具有元素缺失的虚拟域张量进行维度扩展和降维重构，获得离散程度高并且缺失元素占比低的虚拟域张量；步骤S5:通过求解张量核范数最小化问题进行虚拟域张量完备；步骤S6:对完备过后的虚拟域张量执行PARAFAC分解并估计DOA参数和DOD参数。
-
公开(公告)号：CN112327264A
公开(公告)日：2021-02-05
申请号：CN202011094747.X
申请日：2020-10-14
Applicant: 海南大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于双基地FDA‑MIMO雷达的多维参数联合估计方法，该方法是一种基于划分子阵的实值ESPRIT方法。传统的技术，如ESPRIT算法和MUSIC算法在对双基地FDA‑MIMO雷达参数估计时存在精度低、以及复杂度高等问题。为了提高估计精度和降低运算复杂度，本发明首先对发射阵列进行了设计，使其不同的子阵具有不同的频率增量；然后根据接收阵列接收到的回波信号进行处理得到扩展的子阵接收数据，从而采用酉变换得到了实值的扩展数据；对数据的协方差矩阵进行分解处理得到参数的相位矩阵，根据最小二乘法(LS)求得DOA估计；此外，根据设计的配对方法，将多个包含目标参数信息的相位矩阵匹配。另外，根据划分子阵的特点，完成了DOD和距离信息的解耦合，从而实现双基地FDA‑MIMO雷达的多维参数联合估计。仿真结果表明，本发明获得了较好的估计性能。
-
公开(公告)号：CN110007283A
公开(公告)日：2019-07-12
申请号：CN201910214702.2
申请日：2019-03-20
Applicant: 海南大学
Abstract: 本发明适用于雷达信号处理领域，提供了雷达波达方向估计方法、装置、计算机设备及存储介质，该方法包括：对接收到的K个目标的回波信号组成的矩阵X进行降维处理，得到降维数据矩阵Y；基于降维数据矩阵Y，构造稀疏信号模型；根据该模型得到用于估计K个目标的回波功率的目标函数；初始化和更新该目标函数中的回波信号功率和非均匀噪声协方差矩阵；通过多项求根对稀疏信号模型中需要更新位置的网格点进行更新；当算法迭代次数达到预设的上限值或者算法收敛时，对更新后的空域离散网格进行一维空间谱搜索，得到多输入多输出雷达离格波达方向估计值。本发明具有同时对非均匀噪声和离格误差鲁棒的优点，在粗糙的网格仍具有很好的性能，准确性高。
-
公开(公告)号：CN116699602A
公开(公告)日：2023-09-05
申请号：CN202310619119.6
申请日：2023-05-29
Applicant: 海南大学
IPC: G01S13/86 , G06V20/58 , G06V20/40 , G06V10/80 , G06V10/82 , G06F18/2321 , G01S13/931 , G01S7/41
Abstract: 本发明提供一种基于毫米波雷达和相机融合的目标检测系统及方法，该方法使用毫米波雷达和相机分别对目标进行检测，通过时间匹配对准后，对毫米波雷达采集的毫米波雷达原始数据进行距离FFT、多普勒FFT、CFAR恒虚警检测和DOA估计等算法处理，初步得到检测场景毫米波雷达感兴趣目标的3D点云数据，再通过真实的道路情况制定的规则对毫米波雷达感兴趣目标的3D点云数据进行初步筛选、聚类融合、有效目标提取等算法处理后，和来自同一时间经过YOLOv4算法目标检测后的相机数据在空间坐标系的统一转换下进行信息融合，实现了两个传感器检测性能的优势互补，有效解决自动驾驶系统和智能监控系统中单传感器目标检测信息不全面、错检和漏检的情况。
-
公开(公告)号：CN115808680A
公开(公告)日：2023-03-17
申请号：CN202211410631.1
申请日：2022-11-11
Applicant: 海南大学
IPC: G01S13/58 , G06F18/2415 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/08 , G01S13/06 , G01S13/32 , G01S7/41 , G01S7/42 , G01S3/72
Abstract: 本发明提供了一种非理想条件下FMCW‑MIMO雷达的目标定位方法，基于深度学习技术，将接收信号求其信号的协方差矩阵和信号的转置协方差矩阵，将协方差矩阵的实部虚部和相位组成三维张量，按照相同方法处理信号的转置协方差矩阵将协方差矩阵构成的三维张量输入到DOA估计网络中，经过粗估计和细估计，获得DOA估计值，将信号的转置协方差矩阵构成的张量输入到距离估计网络中，获得距离的估计值，最后通过比较F范数的方式匹配DOA值和距离值，实现联合估计达到定位效果，为了消除较少阵元、少快拍和低信噪比的影响，本发明针对相应数据进行特定训练，增加了低信噪比强化网络减少上述情况导致的误差，利用深度学习的拟合能力，实现了非理想情况下FMCW‑MIMO雷达的定位。
-
Patent Agency Ranking
公开(公告)号：CN116679280A
公开(公告)日：2023-09-01
申请号：CN202310595553.5
申请日：2023-05-25
Applicant: 海南大学
IPC: G01S7/48 , G06F18/24 , G06F18/214 , G06N3/0464 , G06N3/08 , G01S7/4913 , G01S7/493 , G01S17/50 , G01S17/88
Abstract: 本发明提供一种基于FMCW雷达的人体姿态识别方法，所述方法通过FMCW雷达分别采集人体姿态数据和环境的原始数据，经过数据预处理算法分别对人体姿态数据和环境数据进行处理，初步消除部分干扰，再将经过数据预处理之后的人体姿态数据与均衡后的环境数据进行对消处理，进一步消除由环境带来的干扰，以适应不同环境下的人体姿态识别任务，然后将对消处理之后的数据及其对应标签送入神经网络进行训练学习，最终完成对无标签人体姿态的识别，具有识别准确率高、适用多种应用场景的优点。
-
公开(公告)号：CN110873866A
公开(公告)日：2020-03-10
申请号：CN201911216822.2
申请日：2019-12-03
Applicant: 海南大学
IPC: G01S7/41
Abstract: 一种基于加权块稀疏恢复的单基地多输入多输出（Multiple-input Multiple-output,MIMO）雷达目标角度估计方法，包括:建立互耦条件下MIMO雷达接收阵列的数据输出模型；构造块结构表示的接收数据模型；降维处理所述块结构表示的接收数据模型；构建过完备字典，将所述降维的接收数据模型在所述过完备字典中进行稀疏化表示；构建加权矩阵；根据所述稀疏化表示的接收数据模型和所述加权矩阵，确定所述目标角度。通过上述方法能够实现高分辨率，高精度的目标方向估计，进行目标侦察测向和定位。
-
公开(公告)号：CN118539951A
公开(公告)日：2024-08-23
申请号：CN202311803627.6
申请日：2023-12-26
Applicant: 海南大学
IPC: H04B7/0413 , H04B7/06
Abstract: 本发明公开了一种基于毫米波极化大规模MIMO系统的2D‑DOA和极化参数估计方法，所述方法包括下列步骤：将来自毫米波极化大规模MIMO系统的高维接收数据通过同步压缩网络压缩成低维接收数据；根据压缩后的低维接收数据，构建传播算子代替高维矩阵分解，获得信号子空间；基于信号子空间，利用旋转不变性，结合矢量叉乘技术，计算出2D‑DOA粗估计；基于已获得的2D‑DOA粗估计，结合降维MUSIC策略，进行2D局部搜索，计算出2D‑DOA精估计；基于已获得的2D‑DOA精估计，计算出极化参数精估计。
-
公开(公告)号：CN117237519A
公开(公告)日：2023-12-15
申请号：CN202310608041.8
申请日：2023-05-26
Applicant: 海南大学
Abstract: 本发明提供一种光源跟随处理的手写立体字生成方法，该方法首先将字库材料量化为像素矩阵并按灰度值划分汉字集、阴影集和背景集；其次将主光源正交分解到像素矩阵所组成的坐标空间中并对领域像素点进行判断，得到边缘集；根据不同光源分量上像素点的统计特征迭代边缘集，得到扫描材料集；对汉字集和扫描材料集的映射关系进行判断，扫描处理得到手写立体字主体；选择沿着光源分解正方向边缘集邻域上的阴影集作为汉字阴影；最后还原多次迭代的预处理，合并汉字主体、背景和渲染，得到手写立体字，本发明对手写立体字规则中笔划取舍进行分析研究，解除手写立体字中相对位置对笔划取舍的限制，可构建手写立体字模型并展示手写立体字的视觉立体效果。
-
公开(公告)号：CN112327264B
公开(公告)日：2023-10-13
申请号：CN202011094747.X
申请日：2020-10-14
Applicant: 海南大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于双基地FDA‑MIMO雷达的多维参数联合估计方法，该方法是一种基于划分子阵的实值ESPRIT方法。传统的技术，如ESPRIT算法和MUSIC算法在对双基地FDA‑MIMO雷达参数估计时存在精度低、以及复杂度高等问题。为了提高估计精度和降低运算复杂度，本发明首先对发射阵列进行了设计，使其不同的子阵具有不同的频率增量；然后根据接收阵列接收到的回波信号进行处理得到扩展的子阵接收数据，从而采用酉变换得到了实值的扩展数据；对数据的协方差矩阵进行分解处理得到参数的相位矩阵，根据最小二乘法(LS)求得DOA估计；此外，根据设计的配对方法，将多个包含目标参数信息的相位矩阵匹配。另外，根据划分子阵的特点，完成了DOD和距离信息的解耦合，从而实现双基地FDA‑MIMO雷达的多维参数联合估计。仿真结果表明，本发明获得了较好的估计性能。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.065 seconds)
