-
公开(公告)号：CN112418203B
公开(公告)日：2022-08-30
申请号：CN202011251625.7
申请日：2020-11-11
Applicant: 南京邮电大学
IPC: G06V10/143 , G06V10/774 , G06K9/62 , G06N3/04 , G06T3/40 , G06T7/246 , G06T7/90 , G06F17/16
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：CN114509729A
公开(公告)日：2022-05-17
申请号：CN202210148788.5
申请日：2022-02-17
Applicant: 南京邮电大学
Abstract: 本发明提供一种平面阵列下双基地MIMO雷达的高效无网格角度估计方法，通过建立双基地MIMO雷达平面阵列结构；利用步骤S1所建立的双基地MIMO雷达平面阵列结构接收信号，并对接收机采集到的接收信号x(t)建模；构造匹配滤波器，并将其作用于一个脉冲重复间隔内接收信号X，进而建立滤波后的阵列输出数据Y；构造原子集建立原子范数最小化优化问题并求解，重构二级Toeplitz矩阵；根据重构的二级Toeplitz矩阵进行无网格波达方向估计，获得接收角DOA和发射角DOD；该方法不需要角度的预估计，有效避免阵列受到影响，能够突破网格划分的局限性，获得较高的精度，同时具有较低的计算复杂度，实时定位的计算效率高，可用于目标定位和目标探测。
-
公开(公告)号：CN113709855A
公开(公告)日：2021-11-26
申请号：CN202110991626.3
申请日：2021-08-26
Applicant: 南京邮电大学
IPC: H04W52/24 , H04W52/34 , H04B17/10 , H04B17/309 , H04W84/18
Abstract: 本发明提供一种基于物联网的无线通信与无线充电的双向智能反射单元选择方法，应用于物联网系统，物联网系统包括基站、用户和多个智能反射单元，基站、智能反射单元和用户以全双工模式在同一频段工作，双向选择控制器将考虑能量吸收情况下能量效率最大的智能反射单元作为选定的智能反射单元，基站与用户通过选定的智能反射单元协作通信；基站和用户同时向选定的智能反射单元发射信号，在信号到达智能反射单元上时进行相应的反射，反射后的信号到达对方节点，进而解码出所需要的信息，用户接收后将其中一部分能量分离存储用于下一次传输，另一部分能量用于译码；本发明能够显著提升物联网的无线通信性能，并提高物联网系统的无线充电性能。
-
公开(公告)号：CN113644948A
公开(公告)日：2021-11-12
申请号：CN202110879174.X
申请日：2021-07-30
Applicant: 南京邮电大学
IPC: H04B7/145 , H04B17/309 , H04B17/40 , G16Y10/75
Abstract: 本发明提供一种双向智能反射单元选择方法，用户一和用户二工作在同一频段，用户一和用户二收发均同时进行，用户一通过多个智能反射单元中选定的智能反射单元协作完成与用户二通信，其中，将双向传输中断概率最小的智能反射单元作为选定的智能反射单元；用户一和用户二均作为发送端发送信息，同时作为信宿，通过选定的智能反射单元接收对方发送的信息。该方法通过选择双向传输中断概率最小的智能反射单元进行辅助通信，显著提升了物联网的无线通信性能，也增强了无线通信质量。
-
公开(公告)号：CN109917328A
公开(公告)日：2019-06-21
申请号：CN201910297320.0
申请日：2019-04-15
Applicant: 南京邮电大学
IPC: G01S3/14
Abstract: 本发明公开了一种基于原子范数最小化的L型阵列波达方向估计方法，所述方法首先利用Nx个指定阵元构成一个阵元间距为入射窄带信号波长一半的第一阵列x，以及利用Ny个阵元构成一个阵元间距为入射窄带信号波长一半的第二阵列y，并在接收端构建由第一阵列x和第二阵列y组成的L型阵列；计算得到第一阵列x和第二阵列y的互相关矩阵，同时建立原子集合；然后，根据原子范数的定义，建立原子范数最小化问题，并根据最小化问题的最优解得到协方差矩阵；最后重构协方差矩阵，并基于重构后的协方差矩阵通过多重信号分类方法得到入射信号的仰角和方位角大小，完成波达方向的估计操作；本发明能够降低波达方向估计过程中噪声的影响，提升分辨率和估计精度。
-
Patent Agency Ranking
公开(公告)号：CN109507636A
公开(公告)日：2019-03-22
申请号：CN201811365110.2
申请日：2018-11-16
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于虚拟域信号重构的波达方向估计方法，用于解决现有技术中在相干信号场景中低自由度的问题，具体包括步骤：首先构建由M个阵元组成的稀疏阵列并构建由K个窄带入射信号构成的阵列接收信号模型；然后基于建立的网格集合和与所述网格集合对应的拓展阵列流形矩阵构建所述阵列接收信号模型的稀疏信号重构模型；随后基于虚拟阵列构建优化问题，并使用迭代方式交替求解优化问题从而恢复稀疏阵列信号和虚拟阵列的重构信号，并设置终止准则，在迭代过程中，若符合终止准则，则利用恢复出的稀疏阵列信号来估计波达方向，否则，重复使用迭代方式再次交替求解优化问题，直到符合终止准则；本发明提升了波达方向估计的自由度和精确度。
-
公开(公告)号：CN119341658A
公开(公告)日：2025-01-21
申请号：CN202411476943.1
申请日：2024-10-22
Applicant: 南京邮电大学
IPC: H04B13/02 , H04L25/02 , H04L25/49 , G06N3/0464 , G06N3/048 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及水声通信与信号技术领域，公开了一种基于混合神经网络的脉冲噪声参数估计方法，步骤一、构建非高斯参数估计的非线性映射模型；步骤二、建立噪声样本数据库；步骤三、建立基于混合神经网络噪声参数估计器；步骤四、网络训练和线上部署：通过噪声训练样本集分别进行网络训练，网络训练后保存网络参数，进行线上部署应用；步骤五、接收实测噪声样本进行参数离线估计，得到噪声参数，反馈给通信接收机；步骤六：通信接收机利用接收到的噪声参数设计信号检测器，优化脉冲噪声下的信号检测效果；本方案利用混合神经网络实现小样本、快速精确的参数估计，适用于脉冲噪声下通信系统的噪声参数估计模块的有效部署。
-
公开(公告)号：CN117872270A
公开(公告)日：2024-04-12
申请号：CN202311561097.9
申请日：2023-11-21
Applicant: 南京邮电大学
Abstract: 大多数现有的近场源定位方法都是基于均匀/稀疏对称线性阵列的。但平面阵列在未来将更加普遍。在本发明中，我们提出了一种平面矩形阵列的近场源定位方法，该方法针对的阵列结构可以是均匀矩形阵列，也可以是中心对称稀疏矩形阵列。我们首先使用四阶累积量来构建用于角度估计的低秩矩阵重构问题，然后，我们用一维多重信号分类算法来求解近场源与平面阵列参考阵元的距离。本发明所提算法表现出与最大似然算法近似的估计精度，同时具有更少的计算量。
-
公开(公告)号：CN117609688A
公开(公告)日：2024-02-27
申请号：CN202311011416.9
申请日：2023-08-10
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于迁移学习的无网格信号源DOA估计方法及系统，通过接收端使用稀疏阵列进行架构，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，计算生成接收信号所对应的协方差矩阵张量；得到估计信号源个数；构造基于残差注意力网络的信号降噪重构网络CRN；使用迁移学习方法对不同信源数量条件下的CRN进行训练，并将训练好的网络参数存储在数据库中，得到训练后的基于残差注意力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，进而恢复无噪协方差矩阵并搜索信号源方向DOA；本发明通过引入了迁移学习的思想，能够保证网络估计性能的同时，能够简化网络训练过程，能够有效降低训练成本。
-
公开(公告)号：CN116819481A
公开(公告)日：2023-09-29
申请号：CN202310965244.2
申请日：2023-08-02
Applicant: 南京邮电大学
IPC: G01S7/41
Abstract: 本发明提供了一种基于单基地面阵的FDA‑MIMO雷达无网格目标参数估计方法，涉及阵列信号处理技术领域，构建单基地面阵FDA‑MIMO雷达系统，雷达系统的发射端和接收端由均匀平面阵列构成；基于雷达系统建立接收信号模型，对其矢量化，再引入选择矩阵来构建角度‑距离去耦合的接收信号模型；根据所述接收信号模型计算其协方差矩阵；按照协方差匹配准则建立适用于所述模型的低秩矩阵重构优化问题；利用所述协方差矩阵的性质通过交替投影的思想求解所述优化问题；根据所述协方差矩阵通过多重信号分类方法估计得到角度θ、#imgabs0#和距离r的信息；能够解决现有技术中存在的FDA‑MIMO雷达角度‑距离去耦合模型仅适用于线性阵列，且目标参数估计方法估计精度较低、计算复杂度较高的问题。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.022 seconds)
