-
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：CN115022130A
公开(公告)日：2022-09-06
申请号：CN202210526448.1
申请日：2022-05-16
Applicant: 海南大学
IPC: H04L25/02 , H04B7/0413 , H04B7/0456 , H04B15/00
Abstract: 本发明提供一种基于量子力学去噪的毫米波大规模MIMO信道估计方法，包括步骤：对毫米波大规模MIMO系统进行建模，确定毫米波大规模MIMO系统的噪声接收信号模型；构造哈密顿矩阵并计算其特征向量和特征值，根据哈密顿矩阵特征向量计算对噪声接收信号进行去噪处理所需的自适应基；将噪声接收信号投影到自适应基上计算系数，在转换空间时，对系数进行软阈值处理，重构去噪接收信号；针对去噪接收信号的无约束优化问题确定优化目标函数具体形式，将目标函数等效为迭代替代函数，将毫米波大规模MIMO系统的信道估计问题简化为对角度参数的估计；通过预设算法将角度参数迭代地移动到实际角度值，获得信道估计结果。本发明相较于现有技术具有更好的信道估计性能。
-
公开(公告)号：CN118570756A
公开(公告)日：2024-08-30
申请号：CN202410699519.7
申请日：2024-05-31
Applicant: 海南大学
Abstract: 本发明公开了一种基于车道线辅助雷达与视觉融合的目标检测方法，分别对两种传感器进行数据处理，对视觉采集的数据进行车道线检测并采用基于YOLOv4的目标检测方法进行处理，将来自同一时刻的雷达数据进行距离FFT、多普勒FFT、CFAR恒虚警检测以及DOA估计，然后利用车道线将视觉和雷达检测到的车道外目标滤除并将两种传感器的有效目标按车道分组。最后，将雷达和摄像头检测到的同一条车道上的目标进行空间融合后，采用决策级融合策略进行多传感器信息融合，实现多源异构传感器优势互补，有效解决由空间转换误差引起的目标匹配错误的情况，以及自动驾驶系统中单一传感器信息检测不全面、错检和漏检的情况。
-
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：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。
-
Patent Agency Ranking
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。
-
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：CN115022130B
公开(公告)日：2024-02-06
申请号：CN202210526448.1
申请日：2022-05-16
Applicant: 海南大学
IPC: H04L25/02 , H04B7/0413 , H04B7/0456 , H04B15/00
Abstract: 本发明提供一种基于量子力学去噪的毫米波大规模MIMO信道估计方法，包括步骤：对毫米波大规模MIMO系统进行建模，确定毫米波大规模MIMO系统的噪声接收信号模型；构造哈密顿矩阵并计算其特征向量和特征值，根据哈密顿矩阵特征向量计算对噪声接收信号进行去噪处理所需的自适应基；将噪声接收信号投影到自适应基上计算系数，在转换空间时，对系数进行软阈值处理，重构去噪接收信号；针对去噪接收信号的无约束优化问题确定优化目标函数具体形式，将目标函数等效为迭代替代函数，将毫米波大规模MIMO系统的信道估计问题简化为对角度参数的估计；通过预设算法将角度参数迭代地移动到实际角度值，获得信道估计结果。本发明相较于现有技术具有更好的信道估计性能。
-
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：CN114325563A
公开(公告)日：2022-04-12
申请号：CN202111482011.4
申请日：2021-12-06
Applicant: 海南大学
Abstract: 本发明提供了一种非均匀噪声环境下基于变分SBL的离格DOA估计方法。该方法首先将均匀线性阵列接收数据的协方差进行矢量化，并且将非均匀噪声协方差建模到变分信号矢量之中，构造一个新型变分数据模型；其次基于变分数据模型构建变分离格稀疏数据模型；然后利用稀疏贝叶斯学习(SBL)分别对与变分稀疏信号矢量相关的超参数矢量和离格误差矢量进行迭代估计，并对空域离散网格点进行迭代更新；最后根据SBL迭代收敛或者迭代次数达到1000次之后得到与信号矢量相关的超参数矢量，利用一维空间谱搜索实现波达方向(DOA)估计。相较于其他现有的DOA方法，本发明不需要单独对非均匀噪声协方差进行估计，且能够有效降低离格误差和非均匀噪声对DOA估计的影响，从而实现稳健且准确的DOA估计。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.051 seconds)
