-
公开(公告)号：CN113589223B
公开(公告)日：2023-05-05
申请号：CN202110658021.2
申请日：2021-06-11
Applicant: 南京邮电大学
IPC: G01S3/14
Abstract: 本发明提供一种基于互耦情况下嵌套阵列的测向方法，通过采用二级嵌套阵列接收入射信号，对二级嵌套阵列的稀疏部分进行初DOA估计，不考虑互耦情况，获得二级嵌套阵列的稀疏部分具有角度模糊的集合Θa；对整个二级嵌套阵列进行DOA估计，获得二级嵌套阵列进行粗估计的集合Θt；由得到两个角度集合，从集合Θa中，找出K个与集合Θt最接近的角度集合Θini；估计出互耦矩阵，在获取互耦矩阵的基础上，采用波达方向估计算法，再次进行DOA估计，得到最终的角度集合。该方法充分利用嵌套阵列的结构，根据互耦误差的性质，能够有效估计出互耦系数，充分利用协方差拟合标准的性质，能够有效提升算法的分辨率，角度估计精确，误差较小。
-
公开(公告)号：CN115629355A
公开(公告)日：2023-01-20
申请号：CN202210576464.1
申请日：2022-05-25
Applicant: 南京邮电大学
IPC: G01S3/14 , G06F18/00 , G06N3/0464 , G06N3/048 , G06N3/082 , G06F123/00
Abstract: 本发明属于物联网及信号处理技术领域，具体地说，是一种基于卷积神经网络的角度估计方法，根据SLA和ULA阵列流形矩阵对应关系的公式推导得到的理论协方差矩阵作为输入的标签，训练一个能够重构理论协方差矩阵的神经网络，该神经网络为带有8层的卷积神经网络。该方法是无网格估计方法，因此不具有网格效应带来的缺陷。并通过TensorFlow‑CPU 1.14.0的实验环境进行仿真分析，所提供的基于卷积神经网络的角度估计方法具有时间复杂度低的优点，并且在低快拍，低信噪比，小信源角度差值和多信源情况下均具有更好的估计性能且相比于有网格方法不存在网格效应。
-
公开(公告)号：CN109490819B
公开(公告)日：2022-09-27
申请号：CN201811365309.5
申请日：2018-11-16
Applicant: 南京邮电大学
IPC: G01S3/12
Abstract: 本发明公开的基于稀疏贝叶斯学习的离格波达方向估计方法，包括步骤：在接收端构建由M个阵元组成的稀疏阵列并建立阵列接收信号模型；根据压缩感知理论建立基于阵列导向矢量的超完备字典，将阵列接收信号模型扩展为稀疏信号重构模型X；由稀疏信号重构模型X构建虚拟信号对应的稀疏信号重构模型Y；初始化指定参数的值，并确定空域信号在传递过程中的噪声功率；计算虚拟阵列输出信号；验算虚拟信号输出后的概率密度函数的均值和方差；利用贝叶斯学习迭代计算虚拟信号输出信号功率谱和噪声功率和量化误差；设定终止准则；画出功率谱的波形，寻找功率谱上的峰值，基于峰值得到估计波达方向的估计结果；本发明可估计出多于阵元数的信号个数，提升了估算精度。
-
公开(公告)号：CN112418203A
公开(公告)日：2021-02-26
申请号：CN202011251625.7
申请日：2020-11-11
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于双线性汇合的图卷积网络的RGB‑T目标跟踪方法，包括以下步骤：步骤S1：将特征分为模板嵌入对和候选嵌入对，模板嵌入对由可见光和红外图像的第一帧区域组成；步骤S2：在候选嵌入对中截取和模板嵌入对相同大小的图像，经过卷积神经网络提取特征，形成四个多通道的特征图；步骤S3：将特征图利用图卷积神经网络进行训练，得到最终特征图；步骤S4：将最终特征图进行双线性汇合的操作，得到一个相识度的得分值；步骤S5：重复S2‑S4的步骤，将每次得到的得分值拼接成矩阵，根据最大的得分值所在的位置定位出目标所在的位置；实现整个的跟踪效果；本发明使得特征图之间的内在元素交互作用不能得到充分挖掘的缺陷。
-
公开(公告)号：CN111447631A
公开(公告)日：2020-07-24
申请号：CN202010147087.0
申请日：2020-03-05
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于非正交多址技术（NOMA）的星地联合波束形成和功率分配方法，在该网络中，卫星通信子网络服务多个地面站，地面蜂窝子网络服务多个蜂窝用户，两个子网络实现频谱共享。首先，地面蜂窝子网络中采用NOMA技术，基于蜂窝用户之间信道的相关性和信道增益的差异性，提出了多用户分簇方法；其次，在用户服务质量得到保证，以及卫星和基站发射功率受限的条件下，建立整个系统的和速率最大化的优化问题；接着，采用S-Procedure和泰勒展开法，将该非凸问题转换成凸优化问题，并进一步利用迭代罚函数法得到卫星和基站的最优波束形成权矢量和功率分配因子。本发明将波束形成和非正交多址技术相结合，为提升星地融合网络信息传输的有效性提供技术方案。
-
Patent Agency Ranking
公开(公告)号：CN109490819A
公开(公告)日：2019-03-19
申请号：CN201811365309.5
申请日：2018-11-16
Applicant: 南京邮电大学
IPC: G01S3/12
Abstract: 本发明公开的基于稀疏贝叶斯学习的离格波达方向估计方法，包括步骤：在接收端构建由M个阵元组成的稀疏阵列并建立阵列接收信号模型；根据压缩感知理论建立基于阵列导向矢量的超完备字典，将阵列接收信号模型扩展为稀疏信号重构模型X；由稀疏信号重构模型X构建虚拟信号对应的稀疏信号重构模型Y；初始化指定参数的值，并确定空域信号在传递过程中的噪声功率；计算虚拟阵列输出信号；验算虚拟信号输出后的概率密度函数的均值和方差；利用贝叶斯学习迭代计算虚拟信号输出信号功率谱和噪声功率和量化误差；设定终止准则；画出功率谱的波形，寻找功率谱上的峰值，基于峰值得到估计波达方向的估计结果；本发明可估计出多于阵元数的信号个数，提升了估算精度。
-
公开(公告)号：CN109450500A
公开(公告)日：2019-03-08
申请号：CN201811365137.1
申请日：2018-11-16
Applicant: 南京邮电大学
IPC: H04B7/0413 , H04B7/0456 , H04L25/02
Abstract: 本发明公开了基于嵌套阵列的毫米波联合多普勒和信道估计方法：首先在基站的模拟预编码端采用M个开关器件连接N个天线形成天线阵列，控制开关器件的通断使得连通的天线阵列满足嵌套阵列结构，其中，嵌套阵列结构由一稠密均匀矩阵和一稀疏均匀矩阵按照设定规则排列组成；然后判断用户和天线的类型并建立用户与基站之间通信的模型；随后对基站接收的信号向量化，并构建优化问题重建天线阵列上接收到的虚拟域信号的协方差矩阵；并基于重建的协方差矩阵求解基站接收信号的入射角和多普勒频率，根据获得的入射角求解获取信道增益；最后根据求解得到的信道增益和入射角值恢复用户和基站通信的信道信息；本发明提升了用户和基站通信的信道信息估计精确率。
-
公开(公告)号：CN119519767A
公开(公告)日：2025-02-25
申请号：CN202411704742.2
申请日：2024-11-26
Applicant: 南京邮电大学
IPC: H04B7/04 , H04B17/391 , H04L25/02
Abstract: 本发明提供了一种RIS辅助下基于位置感知的通感一体化方法，利用基站和可重构智能表面之间的先验知识来进一步提高原子范数的计算效率，并提高参数估计的准确性。通过将先验知识纳入方案设计，可以显著降低计算复杂度，同时确保信道估计和定位的准确性。本发明的有益效果在于：能够实现超分辨率信道估计，性能优于现有的正交匹配追踪方法。对各种性能指标的比较表明，所提出的方法具有明显的优势。这一优势对于在复杂环境中实现精确的定位服务至关重要。
-
公开(公告)号：CN114462454B
公开(公告)日：2024-07-05
申请号：CN202210132510.9
申请日：2022-02-11
Applicant: 南京邮电大学
IPC: G06F18/10 , G06N3/08 , G06F18/214 , G06F17/16 , G06N3/0464 , G01S3/14 , G06F18/2136
Abstract: 本发明提供一种基于深度学习的无网格信号源DOA估计方法，通过接收端使用阵元数为M的稀疏阵列进行架构；利用所架构的稀疏阵列接收入射信号并建模；计算稀疏阵列接收信号的采样协方差矩阵#imgabs0#计算生成接收信号所对应的协方差矩阵张量#imgabs1#构造基于卷积神经网络的信号源个数估计网络，得到估计信号源个数#imgabs2#构造基于卷积神经网络的信号降噪重构网络CRN，得到重构的无噪协方差矩阵的首行向量的估计值#imgabs3#恢复无噪协方差矩阵#imgabs4#并搜索信号源方向DOA；该方法，能够去除噪声干扰的同时，可以估计更多的信号；并且通过采用无网格的估计方法，由无噪协方差矩阵估计得到DOA，避免了网格失配问题。
-
公开(公告)号：CN115575941A
公开(公告)日：2023-01-06
申请号：CN202211220221.0
申请日：2022-09-30
Applicant: 南京邮电大学
Abstract: 本发明提供一种面向稀疏阵列的频控阵MIMO雷达目标参数估计方法，通过发射端使用阵元数为M的均匀线性阵列、接收端使用阵元数为N的稀疏阵列进行架构，得到单基地FDA‑MIMO雷达系统；建立FDA‑MIMO雷达角度和距离的解耦模型；计算接收阵列的接收信号X的协方差矩阵R；建立低秩矩阵重构的优化问题；利用交替投影求解建立的优化问题得到无噪协方差矩阵T(u)；对无噪协方差矩阵T(u)进行求解，获得角度和距离信息；该方法能够在相同阵元数情况下能够估计更多的信号源个数，能够利用无网格估计方法求解由该模型建立的低秩矩阵重构的优化问题，不受网格失配效应影响，能够在保证估计精度的情况下降低计算复杂度。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.024 seconds)
