-
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。
-
公开(公告)号：CN113093093B
公开(公告)日：2023-08-18
申请号：CN202110375800.1
申请日：2021-04-07
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于线性阵列波达方向估计的车辆定位方法，通过在已知道路宽度为b的道路上，贴近道路两侧对称放置线性阵列；计算各阵列接收车辆信号X的协方差矩阵R；构建协方差匹配模型，并利用非凸算法求解，得到最优解相应的无噪协方差矩阵利用角度估计方法恢复出角度即为车辆来向；结合阵列G、J分别得到的车辆来向及阵列G、J在道路上的位置，并利用三角函数求解车辆坐标。该方法充分利用了非凸算法的快速收敛性及稀疏线性阵列的高自由度，能够有效降低无网格类方法的计算复杂度和定位多于阵元数量的车辆，提高定位方法对高速、高密度行车场景的适应性，能够用于高密度、高速行车场景。
-
公开(公告)号：CN116305854A
公开(公告)日：2023-06-23
申请号：CN202310158641.9
申请日：2023-02-22
Applicant: 南京邮电大学
IPC: G06F30/20 , G06F18/213 , G06F111/10
Abstract: 本发明提供一种具有空间非平稳性的超大规模天线阵列目标参数估计方法，通过接收端使用阵元数为M的均匀线性阵列进行架构；获得加入空间非平稳性后的ELAA的模型，即获得整个阵列的接收信号y(t)；计算整个阵列的接收信号y(t)的协方差矩阵R；利用协方差矩阵R的K个特征向量和导向矢量的共线关系，构建K个新的协方差矩阵；利用多重信号分类算法进行角度和距离的联合估计；该方法一方面建立了加入空间非平稳性后的ELAA的一般球面波模型；另一方面利用接收信号协方差矩阵的特征向量和导向矢量共线的关系，能够直接通过每个特征向量的协方差矩阵对目标参数进行估计，在保证较高估计精度的情况下降低计算复杂度。
-
Patent Agency Ranking
公开(公告)号：CN116224216A
公开(公告)日：2023-06-06
申请号：CN202310206382.2
申请日：2023-03-06
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于混合模拟数字阵列架构设计的DOA估计方法，通过在接收端架构混合模拟数字阵列，混合模拟数字阵列采用低复杂度HAD阵列架构；利用架构的混合模拟数字阵列接收入射信号并建模；设计模拟移相器网络的初始值；计算低复杂度HAD阵列架构的差分虚拟阵列的接收信号根据差分虚拟阵列的接收信号通过经典测向算法得到初始角度估计值利用得到的初始角度估计值重新设计移相器网络权重后，得到差分虚拟阵列输出信号由经典测向算法得到DOA估计结果该方法能够有效避免相位模糊和波束扫描的问题，能够降低成本与复杂度，同时能够有效贴近全数字阵列架构估计性能。
-
公开(公告)号：CN114966530A
公开(公告)日：2022-08-30
申请号：CN202210574949.7
申请日：2022-05-25
Applicant: 南京邮电大学
Abstract: 本发明属于信号处理领域，尤其涉及到电磁信号、声呐信号的波达方向估计，具体是一种基于分布式算法的稀疏表示类波达方向估计方法，可用于无源定位和目标探测，包含以下步骤：S1、在接收端建立分布式稀疏表示模型，S2、建立分布式DOA估计模型，S3、求解分布式模型得DOA值；本发明所提方法实现了算法的分布式求解，从而从本质上避免了集中式算法的缺点；同时，能够保持良好的估计性能，与集中式算法的估计性能保持类似；此外，在低快拍数下的适应性优于子空间类方法。
-
公开(公告)号：CN113541760A
公开(公告)日：2021-10-22
申请号：CN202110823341.9
申请日：2021-07-20
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于能效的智能反射单元选择方法及使用该方法的物联网系统，信源通过在多个智能反射单元中选定的智能反射单元，实现与信宿协作通信，且选择单独工作时能量效率最大的智能反射单元作为选定的智能反射单元；信源向选定的智能反射单元发射信号，在信号到达该智能反射单元上时进行相应的反射，反射后的信号到达信宿，信宿解码出所需要的信息。该方法与随机选择相比，能够明显提高能效性能，进而提高通信质量。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.019 seconds)
