-
公开(公告)号：CN103837861B
公开(公告)日：2016-08-17
申请号：CN201410102804.2
申请日：2014-03-19
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于特征子空间的子阵级线性约束自适应波束形成方法，属于阵列信号处理技术领域。该方法对采样协方差矩阵进行特征值分解，以此来估计所需的干扰子空间，然后在干扰子空间约束波束响应为零来自适应的抑制干扰信号，并且引入罚函数对自适应方向图进行约束以使主瓣保形、旁瓣降低。本方法在自适应抑制干扰的同时，使得在子阵级得到的自适应方向图主瓣保形且旁瓣降低，并且能够获得较好的输出信干噪比性能。本发明适用于子阵级线性约束自适应波束的形成。
-
公开(公告)号：CN103837861A
公开(公告)日：2014-06-04
申请号：CN201410102804.2
申请日：2014-03-19
Applicant: 北京理工大学
CPC classification number: G01S7/02 , G01S7/2813 , G01S7/36
Abstract: 本发明公开了一种基于特征子空间的子阵级线性约束自适应波束形成方法，属于阵列信号处理技术领域。该方法对采样协方差矩阵进行特征值分解，以此来估计所需的干扰子空间，然后在干扰子空间约束波束响应为零来自适应的抑制干扰信号，并且引入罚函数对自适应方向图进行约束以使主瓣保形、旁瓣降低。本方法在自适应抑制干扰的同时，使得在子阵级得到的自适应方向图主瓣保形且旁瓣降低，并且能够获得较好的输出信干噪比性能。本发明适用于子阵级线性约束自适应波束的形成。
-
公开(公告)号：CN102928828A
公开(公告)日：2013-02-13
申请号：CN201210423112.9
申请日：2012-10-30
Applicant: 北京理工大学
IPC: G01S7/41
Abstract: 本发明的目的是针对分布式全相参雷达这一新体制雷达中的相位差估计这个关键问题，提出基于正交波形的分布式雷达的相位差估计方法。步骤一、利用修正代价函数设计正交波形；首先根据搜索雷达提供的目标与两雷达的距离差的先验信息确定修正代价函数；然后利用模拟退火算法和传统迭代算法的混合优化算法，对相位空间进行搜索以使得代价函数最小，从而得到子脉冲的相位矩阵；步骤二、发射正交波形，对相位差进行估计；首先利用步骤一所设计的正交波形对其进行上变频得到两雷达的发射信号，发射信号经过目标反射后，在两雷达处接收到的目标回波，经过匹配滤波器组分离出四路回波信号，然后对四路回波信号进行相位提取以估计相位差；最后，对两估计值平均加权得最终的相位差估计值。
-
公开(公告)号：CN102928827A
公开(公告)日：2013-02-13
申请号：CN201210412823.6
申请日：2012-10-26
Applicant: 北京理工大学
IPC: G01S7/41
Abstract: 本发明提供一种基于PAST的快速降维空时自适应方法，其基本实施过程如下：步骤一、接收数据xl，对所述xl进行降维处理，得到降维处理后的接收数据步骤二、利用PAST技术获得杂波子空间步骤三、对待检测距离单元l的数据进行自适应处理；步骤四、第l个距离单元输出为；本发明利用PAST方法避免了特征值分解的大计算量，通过递推获得杂波子空间，减少了计算权矢量所需的计算量，提高了其计算速度，有利于工程上实时实现。
-
公开(公告)号：CN120044488A
公开(公告)日：2025-05-27
申请号：CN202510082650.3
申请日：2025-01-20
Applicant: 北京理工大学
Abstract: 本发明属于探地雷达技术领域，具体涉及一种基于双曲线拟合的分层介质参数估计方法。该方法的具体过程为：一种基于双曲线拟合的分层介质参数估计方法，具体过程为：步骤一，建立多层介质双曲线约束方程，并基于所述约束方程获取探地雷达理论测量时间约束方程；步骤二，针对雷达回波信号进行预处理并提取特征点，基于所提取的特征点计算在分层界面处的产生的折射点；步骤三：将步骤二计算的折射点代入步骤一获得的探地雷达理论测量时间约束方程中，建立电磁波传输时间误差模型，利用非线性最小二乘优化的参数估计方法实现分层介质的参数估计。
-
Patent Agency Ranking
公开(公告)号：CN119229534A
公开(公告)日：2024-12-31
申请号：CN202411343307.1
申请日：2024-09-25
Applicant: 北京理工大学
IPC: G06V40/20 , H04B17/309 , H04W84/12 , G06V10/46 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本公开提供了一种基于Wi‑Fi信道状态信息的人体姿势识别方法，本发明首先构建无线人体姿势估计数据集，构建时在人体不同姿势下，同时采集CSI数据和人体姿势视频，并采用在CSI数据包中将硬件NIC时间戳后32位直接改为系统时间戳的后32位的方式，进行软件时间对齐。本发明进一步构建了金字塔空洞卷积+残差网络的人体姿势关键点预测深度学习模型；需要预测时，获取人任意动作下的待预测的CSI数据，输入模型获得人体姿势动作表示。本发明能够实现基于Wi‑Fi信道状态信息的人体姿势识别，同时解决了数据同步问题。
-
公开(公告)号：CN119199844A
公开(公告)日：2024-12-27
申请号：CN202411229838.8
申请日：2024-09-03
Applicant: 北京理工大学
IPC: G01S13/89 , G01S13/90 , G06V10/84 , H04N13/271
Abstract: 本发明提供一种基于条件扩散模型的穿墙雷达目标高分辨成像方法，通过建立前向扩散与反向采样的马尔可夫过程，设计降噪网络，利用雷达图像信息控制高分辨光学图像的迭代生成，突破穿墙雷达系统传统算法分辨率的限制，有效恢复目标的外形与轮廓信息，增强结果的可辨识性，方便对成像结果的后续操作与使用；也就是说，相比于其他成像方法，本发明能够在遮蔽空间和场景下对目标进行高分辨成像，恢复出目标的外形和轮廓信息，提高并突破传统穿墙雷达成像方法的分辨率，提供直观可辨识的成像结果。
-
公开(公告)号：CN119066295A
公开(公告)日：2024-12-03
申请号：CN202411115531.5
申请日：2024-08-14
Applicant: 北京理工大学
Abstract: 本发明提供一种基于多比特相位量化的穿墙雷达栅瓣抑制方法，首先针对雷达接收信号，利用后向投影算法，计算各个通道的成像结果；随后根据指定的量化位数，对各个通道雷达成像相位进行量化；最后利用量化后的相位生成权图像，对原始图像进行加权，从而抑制栅瓣和旁瓣；本发明对穿墙雷达成像的栅瓣和旁瓣抑制性能优于已有的抑制方法，且本发明可以通过调整量化位数进行抑制效果的调节，不但适用于穿墙雷达成像探测领域，同时海适用于各类雷达成像、微波成像等领域。
-
公开(公告)号：CN118644520A
公开(公告)日：2024-09-13
申请号：CN202410678304.7
申请日：2024-05-29
Applicant: 北京理工大学
IPC: G06T7/246 , G06T7/73 , G06V10/764 , G06V10/774 , G06F30/20 , G01S13/72 , G01S13/89 , G01S7/41
Abstract: 针对现有的方法无法有效解决对发生旋转变化的目标雷达图像跟踪困难问题，本发明公开了一种基于旋转核相关滤波的穿墙雷达运动人体目标跟踪方法。在该方法中，首先在雷达图像上提取候选目标区域，估计内部目标椭圆角度后对区域图像进行旋转。然后，利用分类器与候选区域进行相关运算，从而定位目标。最后，提取新的训练样本来更新分类器。与现有的穿墙雷达图像域跟踪方法相比，所提出的方法有更好的跟踪精度以及很好的实时性。数值仿真和实测结果证明了所提算法的有效性。
-
公开(公告)号：CN117368838A
公开(公告)日：2024-01-09
申请号：CN202311307487.3
申请日：2023-10-10
Applicant: 北京理工大学
IPC: G01S3/14 , G06N3/0464 , G06N3/088
Abstract: 本发明提出了一种基于门限Capon加权惩罚项的无监督学习波达方向估计方法。包括如下步骤：首先利用阵列天线流形矩阵的稀疏表示以及阵列接收信号的协方差矩阵，推导了门限截断的Capon功率谱；然后根据深度展开思想，设计基于无监督学习的波达方向(DOA)估计神经网络结构，替代稀疏恢复的迭代求解过程，提高了网络深度；最后根据优化函数设计了利用门限Capon谱加权惩罚项的损失函数，使得方法在不依赖超参数的前提下，对来波信号估计更加精确。该方法能够降低强功率信号对弱功率信号DOA估计结果的影响，有效解决强干扰弱目标信号同时存在时，弱目标信号的DOA估计性能。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.04 seconds)
