-
公开(公告)号：CN117054962A
公开(公告)日：2023-11-14
申请号：CN202310951677.2
申请日：2023-07-31
Applicant: 海南大学
IPC: G01S3/14
Abstract: 本发明公开了一种基于异构混合MIMO的最小距离相位模糊消除测向方法，该方法包括以下步骤：初始化大规模MIMO接收机结构的基本参数；将天线阵列分为多个小组，每个小组采用相异的混合模数结构；通过对每个小组的虚拟天线阵列进行DOA估计产生多个候选角度集合，每个候选角度集合中包含唯一真解及多个伪解；对多个候选角度集合采用交叉距离最小的方法挑选出每个小组对应的真解，最后通过对多个真解进行加权合并获取最终的DOA。本发明实现了快速的相位模糊消除，并且还能通过异构的混合结构，实现低成本、优异的测向性能。
-
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。
-
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：CN115664488A
公开(公告)日：2023-01-31
申请号：CN202211116191.9
申请日：2022-09-14
Applicant: 海南大学
Abstract: 本发明提供一种面向确定城市的多无人机中继通信精确覆盖优化方法，1、包括步骤：针对选定城市区域进行建模，构建无人机的任务场景，按照预设分辨率进行地图离散化，得到任务单元；对指定城市区域进行路径损耗计算，获得路径损耗；在任务场景中设置任务热点，对无人机进行初始化设置；利用路径损耗、无人机发射功率、任务区域任务热点构建无人机覆盖效用函数；设置无人机动作集，根据无人机动作集对无人机移动进行预测、选择及判断，规避不合理的无人机运动方向，防止无人机移动到任务区域外；通过预设算法对无人机覆盖进行迭代与精确定位，基于无人机覆盖效用函数对无人机群的覆盖效果进行评估、预测以及对无人机下一步的行动进行决策。
-
公开(公告)号：CN112630766B
公开(公告)日：2022-04-19
申请号：CN202011500253.7
申请日：2020-12-18
Applicant: 海南大学
Abstract: 本发明提供一种基于张量高阶奇异值分解的雷达角度和距离估计方法，包括下列步骤：构建包含k个子阵的MIMO雷达接收阵列，通过所述MIMO雷达接收阵列获取目标回波的接收数据，并构造三阶张量信号模型；采用高阶奇异值分解三阶张量信号模型，获得基于张量的信号子空间；提取所述信号子空间的接收矩阵，实现MIMO雷达目标DOA参数估计；提取每个子阵对应的信号子空间和发射矩阵，并消除因目标DOD参数和距离耦合造成的相位模糊问题，同时实现目标DOD和距离与DOA参数自动配对，最终实现对MIMO雷达目标DOD参数和距离参数的估计。
-
Patent Agency Ranking
公开(公告)号：CN112363110B
公开(公告)日：2021-12-21
申请号：CN202011377660.3
申请日：2020-11-30
Applicant: 海南大学
IPC: G01S3/14
Abstract: 本发明提供一种基于嵌套交叉偶极子阵列的无网格单比特DOA估计方法，包括下列步骤：构建嵌套交叉偶极子阵列模型，将所述嵌套交叉偶极子阵列模型接收到的数据进行单比特量化，并计算单比特量化结果的协方差矩阵；把协方差矩阵矢量化并获得对应于差分共阵的向量，将对应于差分共阵的向量构造成测量值矩阵；引入原子范数最小化，确定优化目标的函数形式；利用ADMM求解原子范数最小化，同时获得拉格朗日增广函数表达式；对拉格朗日增广函数表达式进行迭代求解，获得测量值矩阵的去噪估计值；对所述测量值矩阵的去噪估计值进行求解，获得最终DOA估计。
-
公开(公告)号：CN112782663A
公开(公告)日：2021-05-11
申请号：CN202110146314.2
申请日：2021-02-03
Applicant: 海南大学
IPC: G01S7/41
Abstract: 本发明提供一种幅相误差条件下FDA‑MIMO雷达的目标参数估计方法，包括下列步骤：构建包含匹配滤波器的MIMO雷达接收阵元，通过所述MIMO雷达接收阵元对所接收到的信号进行匹配滤波，获取接收到的多维数据；对接收到的多维数据进行平行因子分解，得到含有目标信息的方向矩阵；根据辅助阵元的导向矢量以及第一估计算子，计算出目标的角度估计；根据所述角度估计以及发射阵元的导向矢量估计出目标的距离；根据不同目标之间的导向矢量，计算幅度误差估计；通过第二估计算子以及导向矢量获得相位误差估计。
-
公开(公告)号：CN119959863A
公开(公告)日：2025-05-09
申请号：CN202510017397.3
申请日：2025-01-06
Applicant: 海南大学
IPC: G01S3/14 , G06F18/23 , G06F18/25 , G06F17/16 , G06N3/0464
Abstract: 本发明公开了一种基于多模态深度学习的双重混合结构的DOA估计方法及系统，具体为：构造全数字FD子阵列与异构混合H2AD结构相结合的双重MIMO接收机H2AD‑FD系统模型；通过对H2AD结构中的每个小组进行DOA估计产生多个候选角度集合；针对FD子阵列，采用多层深度学习算法或Root‑MUSIC方法计算辐射源方向粗略估计值；采用层次聚类方法从H2AD的候选角度集合中推断出每个小组对应的真解；基于最小均方误差原理设计最优加权融合算法，合成两部分真解，获得最终的DOA估计值。本发明能够快速消除相位模糊，并且具备高能效、低成本及低复杂度的测向性能。
-
公开(公告)号：CN115664488B
公开(公告)日：2025-03-28
申请号：CN202211116191.9
申请日：2022-09-14
Applicant: 海南大学
Abstract: 本发明提供一种面向确定城市的多无人机中继通信精确覆盖优化方法，1、包括步骤：针对选定城市区域进行建模，构建无人机的任务场景，按照预设分辨率进行地图离散化，得到任务单元；对指定城市区域进行路径损耗计算，获得路径损耗；在任务场景中设置任务热点，对无人机进行初始化设置；利用路径损耗、无人机发射功率、任务区域任务热点构建无人机覆盖效用函数；设置无人机动作集，根据无人机动作集对无人机移动进行预测、选择及判断，规避不合理的无人机运动方向，防止无人机移动到任务区域外；通过预设算法对无人机覆盖进行迭代与精确定位，基于无人机覆盖效用函数对无人机群的覆盖效果进行评估、预测以及对无人机下一步的行动进行决策。
-
公开(公告)号：CN118093909A
公开(公告)日：2024-05-28
申请号：CN202410100686.5
申请日：2024-01-24
Applicant: 海南大学
IPC: G06F16/51 , G06F16/55 , G06V10/40 , G06V10/80 , G06N3/0464 , G06N3/0455 , G06N3/0985
Abstract: 本发明涉及一种基于ViT的无人机深度哈希图像检索方法、设备、介质，利用预先训练好且微调后的基于ViT网络的网络模型，基于输入的无人机图像的图像特征进行检索，方法包括如下步骤：针对输入的图像特征，通过卷积提取浅层特征；基于所述浅层特征，通过分块和线性嵌入处理，利用多个多头注意力模块提取深层特征；基于所述浅层特征和所述深层特征，通过残差连接得到融合特征；基于所述融合特征，通过哈希层生成哈希编码；基于所述哈希编码和所述融合特征，从图像库中进行由粗到细的分级搜索，得到检索结果。与现有技术相比，本发明提高了无人机图像检索的准确率。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.022 seconds)
