基于GPU的北斗B1C/B1I双频并行多通道协同捕获方法

    公开(公告)号:CN108519611B

    公开(公告)日:2022-06-21

    申请号:CN201810172639.6

    申请日:2018-03-01

    Abstract: 本发明提出了一种基于GPU的北斗B1C/B1I双频并行多通道协同捕获方法。其首先对B1C导频信号进行捕获,包括本地载波发生、载波剥离、本地折叠码发生、码相关、码相位模糊度消除等;根据B1C导频信号的捕获结果,对B1I信号进行位同步,利用B1C扩频码与B1I信号NH码之间的相位关系,最终实现对B1I信号的快速位同步。本发明首先对B1C导频信号进行捕获是为了克服数据跳变的影响;采用GPU对捕获进行加速,可以有效解决计算量集中的难题;采用B1C导频信号协助B1I信号位同步,是为了解决低载噪比环境下B1I信号因相干积分时间太短而无法捕获的问题,保证有足够多的卫星信号可以参与到最终的定位导航结算模块中。

    多信道多主用户认知网络中次用户协助主用户中继的方法

    公开(公告)号:CN102833761A

    公开(公告)日:2012-12-19

    申请号:CN201210290993.1

    申请日:2012-08-15

    Abstract: 本发明公开一种多信道多主用户认知网络中次用户协助主用户中继的方法,包括步骤:将时间时隙化;在主用户时隙,同时考虑所有需要传输数据的主用户的速率和,使主用户的速率和最大,并以此建立最优化问题,分配各次用户作为中继节点;在次用户时隙:如果某个次用户想传输数据,当且仅当该次用户的贡献值足够大时才能接入,同时降低当前时隙接入了信道的次用户的贡献值;在主用户时隙,根据优化问题分配次用协助主用户的算法为基于蚁群算法的分配算法。本发明中主用户通过次用户作为中继节点的协助,获得了传输速率的提升,同时,次用户接入主用户预留的次用户时隙,获得了接入频谱传输数据的权利,提升了整个认知网络的吞吐量,实用性和可行性强。

    基于变频的双稳态最优随机共振单频微弱信号检测方法

    公开(公告)号:CN101848177B

    公开(公告)日:2012-11-28

    申请号:CN201010154338.4

    申请日:2010-04-24

    Inventor: 何迪 何晨 蒋铃鸽

    Abstract: 一种信号处理技术领域的基于变频的双稳态最优随机共振单频微弱信号检测方法,包括以下步骤:将单频接收信号r(t)与本地信号cos(ωst+2πΔf·t)相乘进行变频;将变频后的接收信号r(t)cos(ωst+2πΔf·t)和本地产生的零均值单位功率共振高斯白噪声nSR(t)进行加权求和;将加权和信号[k1r(t)cos(ωst+2πΔf·t)+k2nSR(t)]输入至一个双稳态随机共振系统中,得到该双稳态随机共振系统在频率Δf处的输出信噪比SNRo;对加权系数进行最大似然优化,得到最优加权系数;将最优加权系数带入双稳态随机共振系统中,得到系统的状态变量输出序列,再将该输出序列输入能量检测器中,得到输出信号的能量;当输出信号的能量大于设定的能量阈值时,判定待检测信号存在。本发明运算复杂度低,鲁棒性好,且检测的准确率高,可行性和实用性强。

    提高频谱感知的检测概率方法

    公开(公告)号:CN101848046B

    公开(公告)日:2012-11-28

    申请号:CN201010204781.8

    申请日:2010-06-22

    Abstract: 一种无线通信技术领域的提高频谱感知的检测概率方法,对接收信号进行采样、通过平方律器件、累加后,得到检测频带内的信号能量Tx;当Tx小于或者等于门限γ1时,则该用户向融合中心发送主用户信号不存在的信息;当大于或者等于门限γ2时,则该用户向融合中心发送主用户信号存在的信息;否则,进行随机共振处理,并采用前述方法对随机共振系统的状态变量输出序列进行处理,直至该参与合作频谱感知的认知用户向融合中心发送主用户信息不存在或者存在的检测结果信息;融合中心进行融合处理,得到主用户信号的最终检测结果信息。本发明有效提高检测概率,计算复杂度低,鲁棒性好,不易受环境影响,具有较好的可行性和实用性,且克服了噪声墙问题。

    基于随机共振的能量检测装置及其检测方法

    公开(公告)号:CN101854219A

    公开(公告)日:2010-10-06

    申请号:CN201010203916.9

    申请日:2010-06-18

    Abstract: 一种信号检测技术领域的基于随机共振的能量检测装置及其检测方法,装置包括:采样器、平方律器件、两个累加器、随机共振系统和门限比较器;方法包括以下步骤:对接收信号进行采样;将采样序列信号通过平方律器件,得到检测频带内信号功率的估计序列;将信号功率的估计序列划分成长度为M的序列块;得到接收信号的能量序列;将接收信号的能量序列输入到一个随机共振系统中,得到一个输出序列,并将该输出序列进行累加,得到新的能量统计量;当新的能量统计量大于门限时判定检测信号存在;否则,判定没有信号存在。本发明能将高频的通信信号转化为适用于随机共振系统工作的低频信号,检测准确率高,运算复杂度低,鲁棒性好,实用性和可行性强。

    提高频谱感知的检测概率方法

    公开(公告)号:CN101848046A

    公开(公告)日:2010-09-29

    申请号:CN201010204781.8

    申请日:2010-06-22

    Abstract: 一种无线通信技术领域的提高频谱感知的检测概率方法,对接收信号进行采样、通过平方律器件、累加后,得到检测频带内的信号能量Tx;当Tx小于或者等于门限γ1时,则该用户向融合中心发送主用户信号不存在的信息;当大于或者等于门限γ2时,则该用户向融合中心发送主用户信号存在的信息;否则,进行随机共振处理,并采用前述方法对随机共振系统的状态变量输出序列进行处理,直至该参与合作频谱感知的认知用户向融合中心发送主用户信息不存在或者存在的检测结果信息;融合中心进行融合处理,得到主用户信号的最终检测结果信息。本发明有效提高检测概率,计算复杂度低,鲁棒性好,不易受环境影响,具有较好的可行性和实用性,且克服了噪声墙问题。

    基于深度神经网络学习的高精度定位算法

    公开(公告)号:CN115856963A

    公开(公告)日:2023-03-28

    申请号:CN202211505735.0

    申请日:2022-11-28

    Abstract: 本发明涉及室外卫星定位技术领域,且公开了基于深度神经网络学习的高精度定位算法,将定位流程分位测速和定位两部分同时进行,测速部分使用了多普勒测速算法与LGBM机器学习模型;定位部分使用了加权最小二乘与卡尔曼滤波算法;通过对速度数据和位置数据分别修正,然后将两种数据融合,最后通过LSTM神经网络对定位结果进行修正的策略以实现精确的定位,将定位流程分为测速、定位两部分来处理,有更好的机器学习效果,利用了机器学习抗干扰能力强的优点,且时间成本基本只集中在前期训练过程、而后期分类速度快所以时效性强的特点,实现了一种更精确、更高效、抗干扰性能更强的定位方法。

    一种基于5G/NB-IoT簇节点信息融合的NB终端高精度定位算法

    公开(公告)号:CN111132007B

    公开(公告)日:2022-01-11

    申请号:CN201911295997.7

    申请日:2019-12-16

    Abstract: 本发明公开了一种基于5G和NB‑IoT簇节点信息融合的NB终端高精度定位方法。所述方法采用中继簇节点的融合方案,形成融合网络,同时在NB‑IoT侧使用DOA和RSSI的融合定位算法,在考虑参考点误差的情况下,搜索终端位置的全局最优解;然后在NB‑IoT网络侧建立RSSI指纹信息库,计算所述NB‑IoT网络两个基站的DOA估计值,根据所述DOA估计值,确定指纹信息库中的搜索范围;在搜索范围内寻找匹配点,找到其中误差最小的点作为搜索结果,并对四个参考点的位置进行归一化加权,得到终端位置的估计值。本发明克服了5G网络和NB‑IoT网络之间无法直接测量的问题,同时提高终端的估计精度和解算速度。

Patent Agency Ranking