-
公开(公告)号：CN117388790A
公开(公告)日：2024-01-12
申请号：CN202311160384.9
申请日：2023-09-08
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于Vandermonde约束张量CP分解的MIMO阵列角度估计方法，包括以下步骤：(1)对双基地MIMO阵列雷达回波信号进行匹配滤波获得虛拟阵列输出Y；(2)根据不同脉冲周期对应的匹配滤波输出噪声不相关的特性，计算时域平滑互相关矩阵R；(3)利用MIMO雷达数据的内在多维结构，将去噪后的时域平滑互相关矩阵R表示为四阶张量 并构建带有范德蒙约束分解模型；(4)采用约束交替最小二乘方法求解该范德蒙约束的CP分解模型；(5)迭代退出时，根据和(p＝1,2,...P)值获得第p个目标DOD和DOA估计值；本发明有效降低有限脉冲数对色噪声抑制的影响，同时充分利用因子矩阵先验结构信息提高张量分解的准确性，从而获得更为精确的目标角度估计值。
-
公开(公告)号：CN113391260A
公开(公告)日：2021-09-14
申请号：CN202110684107.2
申请日：2021-06-21
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种阵元失效下基于低秩和稀疏先验的MIMO雷达DOA估计方法，具体提出一种联合利用低秩和稀疏先验信息的完整协方差矩阵重构方法，对待恢复的协方差矩阵建立低秩和稀疏双先验联合约束模型，充分利用协方差矩阵行间和列间元素的相关性以及行内和列内元素的相关性，有效恢复阵元失效下MIMO雷达协方差矩阵中整行整列的缺失元素，提高DOA估计性能；采用SCAD惩罚函数作为稀疏促进函数，通过等正弦空间稀疏化方式划分粗网格空间构建字典，在确保在粗网格划分下字典中相邻行之间产生的模型误差对矩阵中缺失数据恢复精度不灵敏的基础上降低算法运算复杂度。本发明方法能有效提高阵元失效下的MIMO雷达目标DOA估计性能并具有较高的实时性及广泛的应用前景。
-
公开(公告)号：CN113064126A
公开(公告)日：2021-07-02
申请号：CN202110339194.8
申请日：2021-03-30
Applicant: 南京信息工程大学
IPC: G01S7/40
Abstract: 本发明公开了一种冲击噪声下基于张量分解和K‑means聚类的MIMO雷达阵列诊断方法，根据MIMO雷达接收阵列在第k个脉冲周期的输出信号矩阵获得匹配滤波器系数矢量Wm,n,k；计算出虚拟阵列协方差矩阵R；由虚拟阵列协方差矩阵R构建三阶PARAFAC张量快速分解三阶协方差张量得到发射阵列和接收阵列流形矩阵的估计值采用K‑means聚类方法计算收发阵列流形矩阵估计值的聚类中心；计算用于诊断发射阵列和接收阵列中故障阵元的门限阈值Tt和Tr；由和获得矢量ωt和ωr，对ωt和ωr中每个元素分别关于阈值Tt和Tr进行门限检测，获得发射阵列和接收阵列故障阵元的位置。本发明在冲击噪声下具有较高的阵列诊断成功率，且无需额外的测量探头，在低信噪比或故障阵元较多时仍能有效检测MIMO雷达故障阵元的位置。
-
公开(公告)号：CN113655444B
公开(公告)日：2023-07-25
申请号：CN202110989797.2
申请日：2021-08-26
Applicant: 南京信息工程大学
IPC: G01S7/02
Abstract: 本发明涉及MIMO雷达DOA估计领域，公开了一种阵元失效下基于重加权先验的MIMO雷达DOA估计方法，利用SVD分解技术对虚拟阵列输出数据矩阵进行降维预处理，增强对噪声的鲁棒性；针对降维后存在整行缺失元素的输出数据矩阵，建立联合重加权低秩和稀疏先验信息的矩阵填充模型；在交替方向乘子法(Alternating Direction Method of Multipliers，ADMM)框架下利用增广拉格朗日乘子法(Augmented Lagrange Method，ALM)迭代得到最优解，在每次迭代中对权值进行更新调整以增强解的低秩性和稀疏性，并对过完备字典进行收缩处理以进一步降低计算复杂度，当算法收敛时即可由稀疏解估计出目标DOA。
-
公开(公告)号：CN108957388A
公开(公告)日：2018-12-07
申请号：CN201810490220.5
申请日：2018-05-21
Applicant: 南京信息工程大学
CPC classification number: G01S3/143 , G01S13/003
Abstract: 本发明公开了一种基于协方差匹配SL0算法的MIMO雷达相干信源DOA估计方法，属于多输入多输出(MIMO)雷达目标参数估计领域，具体地说是一种MIMO雷达相干信源的DOA估计方法，利用加权SL0算法估计MIMO雷达目标DOA时，需要把协方差矩阵进行矢量化来获得相应的稀疏重构模型，并利用信号和噪声子空间的正交性来构造加权向量，然而当存在相干信源时，MIMO雷达协方差矩阵的秩将退化，利用协方差匹配准则重构出一个满秩的协方差矩阵，恢复了MIMO雷达协方差矩阵的Toeplitz特性，并利用协方差逆矩阵的高阶幂来近似噪声子空间从而来计算加权向量。本发明算法能够在无需预知信源数目的情况下有效地完成对相干信源的DOA估计。
-
Patent Agency Ranking
公开(公告)号：CN103499375A
公开(公告)日：2014-01-08
申请号：CN201310471425.6
申请日：2013-10-11
Applicant: 南京信息工程大学
IPC: G01F23/296
Abstract: 本发明公开了一种基于时延法测距的高精度超声波液位计，包括单片机控制器、键盘模块、存储模块、报警模块、显示模块、超声波收发模块、串口通信模块，所述的键盘模块、存储模块、报警模块、显示模块、超声波收发模块、串口通信模块分别与所述的单片机控制器相连接，串口通信模块还连接有PC机，所述的超声波收发模块设置有两个，所述的两个超声波收发模块设置在液面的上方，且两个超声波收发模块距液面的高度不相同。本发明设计的超声液位计利用两个布置在不同高度上的超声探头的测量结果来修正声速并消除单片机内部的硬件延时误差，并采用算术平均滤波的方法降低由于外部环境原因造成液面不够平稳而产生的误差，从而实现超声波液位的精确测量。
-
公开(公告)号：CN113569773B
公开(公告)日：2023-09-15
申请号：CN202110878602.7
申请日：2021-08-02
Applicant: 南京信息工程大学
Abstract: 本发明具体涉及一种基于知识图谱和Softmax回归的干扰信号识别方法，通过构建包含与干扰信号识别相关的知识图谱，将各种干扰类型的知识图谱嵌入到低维向量空间中，既保留了知识图谱中所蕴含的知识又将知识图谱中的实体和关系转换成了向量，并将此知识图谱作为先验知识为Softmax回归方法提供辅助信息，使模型训练速度更快，所需样本数量更少，并进一步提高了低干信比下干扰信号的识别性能。
-
公开(公告)号：CN113391260B
公开(公告)日：2022-07-12
申请号：CN202110684107.2
申请日：2021-06-21
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种阵元失效下基于低秩和稀疏先验的MIMO雷达DOA估计方法，具体提出一种联合利用低秩和稀疏先验信息的完整协方差矩阵重构方法，对待恢复的协方差矩阵建立低秩和稀疏双先验联合约束模型，充分利用协方差矩阵行间和列间元素的相关性以及行内和列内元素的相关性，有效恢复阵元失效下MIMO雷达协方差矩阵中整行整列的缺失元素，提高DOA估计性能；采用SCAD惩罚函数作为稀疏促进函数，通过等正弦空间稀疏化方式划分粗网格空间构建字典，在确保在粗网格划分下字典中相邻行之间产生的模型误差对矩阵中缺失数据恢复精度不灵敏的基础上降低算法运算复杂度。本发明方法能有效提高阵元失效下的MIMO雷达目标DOA估计性能并具有较高的实时性及广泛的应用前景。
-
公开(公告)号：CN109782239A
公开(公告)日：2019-05-21
申请号：CN201811598742.3
申请日：2018-12-26
Applicant: 南京信息工程大学
IPC: G01S7/40
Abstract: 本发明公开了一种基于波形相似度的双基地MIMO雷达故障阵元诊断方法，双基地MIMO雷达接收阵列信号经过匹配滤波后会形成由多个虚拟阵元组成的虚拟阵列，发射或接收阵列中故障阵元所对应的虚拟阵元输出信号不包含目标信息，仅为噪声，由于噪声与信号具有独立不相关的特点，因此故障阵元所对应的虚拟阵元输出信号波形与其余虚拟阵元输出信号波形高度不相似，即故障阵元与其余阵元的输出信号互相关值接近于零，从而通过比较各虚拟阵元输出信号之间的波形相似性，能诊断出双基地MIMO雷达发射和接收阵列中故障阵元的位置。本发明方法无需使用辅助阵元和测量设备，在低信噪比情况下能对任意位置出现故障阵元进行准确和快速的自诊断。
-
公开(公告)号：CN113064126B
公开(公告)日：2022-05-17
申请号：CN202110339194.8
申请日：2021-03-30
Applicant: 南京信息工程大学
IPC: G01S7/40
Abstract: 本发明公开了一种冲击噪声下基于张量分解和K‑means聚类的MIMO雷达阵列诊断方法，根据MIMO雷达接收阵列在第k个脉冲周期的输出信号矩阵获得匹配滤波器系数矢量Wm,n,k；计算出虚拟阵列协方差矩阵R；由虚拟阵列协方差矩阵R构建三阶PARAFAC张量快速分解三阶协方差张量得到发射阵列和接收阵列流形矩阵的估计值采用K‑means聚类方法计算收发阵列流形矩阵估计值的聚类中心；计算用于诊断发射阵列和接收阵列中故障阵元的门限阈值Tt和Tr；由和获得矢量ωt和ωr，对ωt和ωr中每个元素分别关于阈值Tt和Tr进行门限检测，获得发射阵列和接收阵列故障阵元的位置。本发明在冲击噪声下具有较高的阵列诊断成功率，且无需额外的测量探头，在低信噪比或故障阵元较多时仍能有效检测MIMO雷达故障阵元的位置。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.01 seconds)
