-
公开(公告)号：CN117373425A
公开(公告)日：2024-01-09
申请号：CN202311517254.6
申请日：2023-11-15
Applicant: 电子科技大学
IPC: G10K11/178
Abstract: 本发明提供了一种低参数量多通道有源噪声控制方法，属于有源噪声控制技术领域。该方法根据绝对值最大的误差信号通道索引所对应的次级通路模型和参考信号进行计算得到滤波参考信号向量，误差信号向量则由绝对值最大的误差信号构成，基于滤波参考信号向量和误差信号向量对噪声控制滤波器进行更新，在降低多通道有源噪声控制系统计算复杂度和参数量的同时，保证了降噪性能。
-
公开(公告)号：CN116915287A
公开(公告)日：2023-10-20
申请号：CN202310875357.3
申请日：2023-07-17
Applicant: 电子科技大学长三角研究院(衢州)
IPC: H04B7/0413 , H04B7/0456 , H04B7/06 , H04B7/08 , H04L25/02 , G01S7/36
Abstract: 本发明公开了一种降低距离旁瓣的雷达通信双功能波形设计方法，包括以下步骤：步骤1、设置问题所需参数；步骤2、生成通信信道矩阵、信号矩阵；步骤3、生成时延移位矩阵；步骤4、采用交替迭代算法求得问题的最优解；步骤5、求解发射信号矩阵、接收信号矩阵、拉格朗日乘子矩阵；步骤6、利用CVX求解器求解最优解；步骤7、更新拉格朗日乘子矩阵；步骤8、统计各种残差、目标函数信息；步骤9、通过步骤4至步骤8的迭代计算，输出最优发射矩阵，统计各种残差、目标函数等信息。本发明采用交替迭代算法和黎曼共轭梯度算法来求得问题的最优解，以最大限度地抑制距离旁瓣，同时保证多用户干扰较低。
-
公开(公告)号：CN116736283A
公开(公告)日：2023-09-12
申请号：CN202310533574.4
申请日：2023-05-11
Applicant: 电子科技大学
Abstract: 本发明针对现有的同时多波束比幅测角法的不足，提供一种广域超稀疏MIMO雷达系统近场角度测量方法，用于实现近场情况下对目标形成距离方位‑俯仰二维比幅法测角，在近场条件下，对各雷达节点间信号进行空间‑距离三维合成得到合成后的输出信号；以幅度最大值所在通道中心位置为目标所在空间位置，距离单元数对应距离为目标距离，固定目标距离求出波束中心的联合波束方向图；采用二维高斯函数来逼近归一化的联合波束的方向图；将二维高斯函数拟合的归一化方向图映射到正弦空间求出方位、俯仰维相邻波束通道回波幅度差，从而计算出目标在正弦空间的位置坐标，最后将其映射至方位‑俯仰二维即可得到更精确的近场角度测量的目标真实坐标。
-
公开(公告)号：CN113567913B
公开(公告)日：2023-07-21
申请号：CN202110684905.5
申请日：2021-06-21
Applicant: 电子科技大学
IPC: G01S3/14
Abstract: 本发明涉及阵列信号处理领域，公开了一种基于迭代重加权可降维的二维平面DOA估计方法，本发明利用kronecker积的性质，对阵列接收数据模型进行变形，通过降维思想将二维联合角度估计分为两个一维DOA估计问题，目的是为了降低计算复杂度，然后引入对数和函数作为促稀疏的目标函数，分别建立关于俯仰角和方位角的稀疏信号重构优化问题，使用基于线性谱估计的超分辨迭代重加权算法求解该最优化问题得到俯仰角和方位角的估计。本发明方法降维处理后相对地降低了计算量，解决了格点失配问题，实现了角度自动配对的二维平面阵列的DOA估计，同时该方法还可以解相干，在较低信噪比下也能得到很好的估计效果，以及该方法具备较高分辨力和较高估计精度的优点。
-
公开(公告)号：CN116315736A
公开(公告)日：2023-06-23
申请号：CN202310261792.7
申请日：2023-03-17
Applicant: 电子科技大学
Abstract: 本发明涉及雷达通信技术，公开了一种基于二重粒子群算法的共形阵列同时发射多波束动态组阵方法，基于波束指向去除遮挡阵元并基于主波束增益最大化的遍历法则对阵元进行筛选。通过多目标粒子群算法实现各个指向的最优动态组阵，然后基于多元粒子群算法，对交叉阵元有效划分所属波束指向，最终实现同时发射多波束动态组阵。本发明能够在保证同时发射多波束且阵元不复用的基础上，实现各个波束发射方向图的综合优化。
-
Patent Agency Ranking
公开(公告)号：CN116127276A
公开(公告)日：2023-05-16
申请号：CN202310273442.2
申请日：2023-03-21
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于两步最小二乘的共形阵列角度‑极化参数联合估计方法，属于阵列信号处理技术领域。本发明方法包括：首先，根据共形阵列模型建立接收信号模型；其次，针对若干个未知信号源个数、未知角度和未知极化参数的入射信号，通过第一步最小二乘方法估计所有入射信号的角度参数，并根据峰值个数确定信号源个数；最后，利用共形阵列天然具备对空间信号的极化敏感性，选取部分未遮挡阵元构造观测方程，在已估计角度参数的基础上通过第二步最小二乘方法解得各个入射信号的极化参数。该基于两步最小二乘的共形阵列角度‑极化参数联合估计方法，具备不需提前估计信号源个数、参数估计精度高、方法简单实用等优点。
-
公开(公告)号：CN109143161B
公开(公告)日：2023-01-10
申请号：CN201811155779.9
申请日：2018-09-30
Applicant: 电子科技大学
IPC: G01S5/02 , H04W64/00 , H04B17/318
Abstract: 本发明属于室内定位技术领域，涉及基于混合指纹质量评价模型的高精度室内定位方法。本发明首先在离线阶段构建群指纹，相比于传统指纹定位方法只使用RSS指纹，本方法还引入了信号强度差指纹和双曲线定位指纹，它们由AP间的相对信息提取得到，对RSS波动更加稳健。在线定位阶段，接收到待定位目标信号后，首先构建多支撑集。然后通过引入混合指纹质量对多支撑集进行概率建模，获得混合指纹质量评价模型。最后利用Gibbs‑EM算法求解模型获得位置估计。相比于传统指纹融合方法，本方法提出的混合指纹质量在线上阶段实时估计，无需离线阶段的权值训练，存储和匹配，因此消除了传统融合方法中的匹配误差并减少了系统负担。
-
公开(公告)号：CN113567913A
公开(公告)日：2021-10-29
申请号：CN202110684905.5
申请日：2021-06-21
Applicant: 电子科技大学
IPC: G01S3/14
Abstract: 本发明涉及阵列信号处理领域，公开了一种基于迭代重加权可降维的二维平面DOA估计方法，本发明利用kronecker积的性质，对阵列接收数据模型进行变形，通过降维思想将二维联合角度估计分为两个一维DOA估计问题，目的是为了降低计算复杂度，然后引入对数和函数作为促稀疏的目标函数，分别建立关于俯仰角和方位角的稀疏信号重构优化问题，使用基于线性谱估计的超分辨迭代重加权算法求解该最优化问题得到俯仰角和方位角的估计。本发明方法降维处理后相对地降低了计算量，解决了格点失配问题，实现了角度自动配对的二维平面阵列的DOA估计，同时该方法还可以解相干，在较低信噪比下也能得到很好的估计效果，以及该方法具备较高分辨力和较高估计精度的优点。
-
公开(公告)号：CN112953659A
公开(公告)日：2021-06-11
申请号：CN202110102435.7
申请日：2021-01-26
Applicant: 电子科技大学
IPC: H04B17/309 , H04B17/12 , H04B17/27
Abstract: 本发明属于室内定位技术领域，具体涉及一种信道状态信息CSI幅度指纹优化方法。本发明主要步骤为：从基站中获取一次测量得到的N个子载波的CSI数据；对一次测量的CSI数据做快速傅里叶逆变换(IFFT)，得到时域的信道冲激响应(CIR)；设置噪声门限，识别当前CIR在噪声门限以上的路径；保留主路径，去除其余路径，从而抑制由多径效应带来的CSI幅度误差；以相同变化点数，对处理后的CIR做快速傅里叶变换(FFT)，得到稳定且低维度的CSI幅度。该方法不仅能够解决多径效应导致CSI幅度不稳定使得在多径严重情况下定位精度低的问题，而且还降低了CSI幅度指纹的维度，有效降低了指纹定位算法的时间复杂度，对于室内指纹定位的应用推广具有重要意义。
-
公开(公告)号：CN107360552B
公开(公告)日：2020-02-07
申请号：CN201710648602.1
申请日：2017-08-01
Applicant: 电子科技大学
Abstract: 本发明公开了一种多分类器全局动态融合的室内定位方法，属于利用多分类器的全局融合和线上动态匹配方法对复杂室内信号源目标进行定位的技术领域，解决权值求并没有充分挖掘多分类器之间的内在关联特性，以及RSS波动较大的环境中融合精度降低的问题。本发明对划分好的各格点采集信号强度建立RSS指纹库；在RSS指纹库中，把每个格点的信号强度值分为两部分，一部分用于学习得到多个分类器，另一部分输入到分类器进行结果预测、并根据结果预测计算每个格点的全局融合权重储存在权重矩阵中；把未知源的RSS值输入到各分类器进行位置估计并和位置估计在权重矩阵中索引的最优融合权重确定未知源的坐标位置。本发明用于室内定位。
-
-
-
-
-
-
-
-
-
Search Results
163
records
(took 0.032 seconds)
