-
公开(公告)号：CN110516198B
公开(公告)日：2023-04-07
申请号：CN201910645592.5
申请日：2019-07-17
Applicant: 电子科技大学
Abstract: 本发明本发明属于信号处理领域，具体为一种分布式非线性卡尔曼滤波方法，用后验分布函数来描述目标的真实状态，并用一个指数族分布的函数来近似该后验分布函数；首先，本发明通过优化每个节点中间后验分布近似函数与真实后验分布函数之间的后向KL散度以获取中间状态估计；然后，通过优化每个节点的最终后验分布近似函数与其邻居节点的中间后验分布近似函数之间前向KL散度的凸组合来计算每个节点的最终状态估计结果。本发明收敛速度快，并且采用多个节点同时工作的方式，能有效节约计算成本，大大提高计算效率，被广泛应用于涉及分布式无限传感器和非线性动力系统的定位，目标跟踪等领域中。
-
公开(公告)号：CN111224704B
公开(公告)日：2022-10-11
申请号：CN201911099146.5
申请日：2019-11-12
Applicant: 电子科技大学
Abstract: 本发明属于分布式自适应技术领域，主要涉及分布式自适应策略和空域降秩波束形成方法，具体为一种分布式自适应降秩波束形成方法；旨在解决阵元数较大时，分布式阵列抗干扰自适应算法复杂度变大、收敛速度变慢问题。本发明将分布式自适应策略、降秩技术以及波束形成方法有效地结合起来，并采用ATC的思想，使得节点在自适应以及结合的过程中，都能够有效地和其他节点进行交流，并且能够在阵元数较多的情况下，利用降秩联合迭代优化的思想来降低算法的复杂度，避免不必要的计算成本。
-
公开(公告)号：CN110336600B
公开(公告)日：2021-10-26
申请号：CN201910562209.X
申请日：2019-06-26
Applicant: 电子科技大学
IPC: H04B7/08
Abstract: 本发明属于分布式参数估计领域，具体为一种针对多线性系统的分布式自适应系统辨识方法，用以解决传统分布式系统辨识算法处理参数较多的多线性系统时，算法复杂度变大、收敛速度变慢、节点间通信效率较低的问题。本发明将高维的全局多线性问题转化为若干个低维线性问题，使本发明方法在子系统水平上并行处理，在自适应过程达到平稳后，选取任一节点的稳态权向量作为待估系统的最终权向量。相比传统的分布式系统辨识算法，本发明方法具有更快的收敛速度，更低的计算复杂度。此外节点间共享的数据是所有子系统的回归矢量，而非原始的张量回归矢量，因此减少了共享的数据总量，提高了节点通信效率。
-
公开(公告)号：CN111224704A
公开(公告)日：2020-06-02
申请号：CN201911099146.5
申请日：2019-11-12
Applicant: 电子科技大学
Abstract: 本发明属于分布式自适应技术领域，主要涉及分布式自适应策略和空域降秩波束形成方法，具体为一种分布式自适应降秩波束形成方法；旨在解决阵元数较大时，分布式阵列抗干扰自适应算法复杂度变大、收敛速度变慢问题。本发明将分布式自适应策略、降秩技术以及波束形成方法有效地结合起来，并采用ATC的思想，使得节点在自适应以及结合的过程中，都能够有效地和其他节点进行交流，并且能够在阵元数较多的情况下，利用降秩联合迭代优化的思想来降低算法的复杂度，避免不必要的计算成本。
-
公开(公告)号：CN110121184A
公开(公告)日：2019-08-13
申请号：CN201910342121.7
申请日：2019-04-26
Applicant: 电子科技大学
Abstract: 本发明方法属于信号处理领域，具体为一种非负约束条件下的分布式在线自适应扩散组合系数优化方法。本发明通过构造全局代价函数，应用KKT条件和定点迭代方案，将非负组合系数的在线优化问题转化为最小方差无偏估计问题，进而分别得到组合系数的闭式解和自适应解。与静态组合系数方案(Uniform)相比，本发明能够提高各种分布式算法对网络环境的空间变化的鲁棒性和稳健性；与现有的分布式自适应组合系数在线优化方法(Stochastic g radient)相比，嵌入本发明方法的分布式跟踪算法的暂态和稳态性能均有所提升；同时，本发明方法具有计算复杂度低的优点，且能够满足更多非负性约束条件下的实际信号处理系统的要求。
-
Patent Agency Ranking
公开(公告)号：CN109710978A
公开(公告)日：2019-05-03
申请号：CN201811453194.5
申请日：2018-11-30
Applicant: 电子科技大学
Abstract: 本发明属于信号处理领域，提供一种基于时延和多普勒的分布式异构网络粒子滤波直接跟踪定位方法，将传统同构网络下的基于时延和多普勒的分布式粒子滤波跟踪算法扩展到了异构网络，充分利用了粒子数对粒子滤波器性能的影响，在每个接收机实现粒子数的自适应调整，提高了粒子滤波器的效率，相对于同构网络的分布式粒子滤波直接目标跟踪算法，可以实现更好的跟踪效果，提升了分布式异构粒子滤波目标跟踪方法的有效性；本发明为异构网络开发了一种组合系数自适应变化的方案，可应用于信噪比恶劣的情况，一定程度提升了分布式异构粒子滤波目标跟踪方法的稳健性和鲁棒性。
-
公开(公告)号：CN105137392B
公开(公告)日：2018-06-19
申请号：CN201510443554.3
申请日：2015-07-27
Applicant: 电子科技大学
IPC: G01S5/10
Abstract: 本发明属于信号处理领域，涉及信号处理中的无源定位方法，针对现有定位方法在色接收信号条件下定位性能差的缺陷提供一种色接收信号下的分布式自适应直接定位方法，用以提高定位性能；依次通过采集数据、第一次数据交换、自适应运算、第二次数据交换、结合，结束迭代得到发射机位置估计值。本发明提供新的代价函数，在白信号接收条件下也同样适用，且两者的性能相当；同时，本发明中不需要增益控制因子，每次位置迭代的过程中不需要进行额外的增益控制因子迭代，有效减小了定位计算量；而在色信号接收条件下，本发明提供定位方法定位性能大大提高。
-
公开(公告)号：CN107609521A
公开(公告)日：2018-01-19
申请号：CN201710842256.0
申请日：2017-09-18
Applicant: 电子科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种改进的简化最小均方误差方法、装置、存储介质和处理器。其中，该方法包括：分别简化待处理信号得到第一简化信号和第二简化信号；根据第一简化信号和历史误差信号得到第一权值系数，根据第二简化信号和历史误差信号得到第二权值系数，其中，历史误差信号为根据上一待处理信号得到的误差信号；根据第一权值系数对第一简化信号进行滤波得到第一滤波信号，根据第二权值系数对第二简化信号进行滤波得到第二滤波信号；根据第一滤波信号、第二滤波信号和期望信号计算出误差信号，其中，期望信号为延时的待处理信号。本发明解决了现有的最小均方误差算法导致信号处理性能低的技术问题。
-
公开(公告)号：CN105071890B
公开(公告)日：2017-08-11
申请号：CN201510444485.8
申请日：2015-07-27
Applicant: 电子科技大学
IPC: H04J3/06
Abstract: 本发明属于信号处理领域，针对现有卡尔曼估计时钟同步方法存在的缺陷提供一种具有高度鲁棒性的自适应时钟同步方法。本发明首先建立无线传感器网络的拓扑模型，将网络节点分作多个层级，后续的时钟同步方法只在相邻层级间进行，通过逐级同步从而最终达到全局时钟同步；然后，建立网络节点的时钟模型以及节点间的传输模型；最后，采用H∞估计滤波器对相邻层级的节点对进行相对时钟参数的估计，达到相邻层级的时钟同步，进而达到全局时钟同步。本发明H∞估计具有很强的鲁棒性；同时H∞时钟同步方法中，不需要时钟模型的噪声以及传输延时自相关矩阵等先验信息。
-
公开(公告)号：CN106982099A
公开(公告)日：2017-07-25
申请号：CN201710181329.6
申请日：2017-03-24
Applicant: 电子科技大学
IPC: H04B17/309 , H04L25/03
CPC classification number: H04B17/309 , H04L25/03019
Abstract: 本发明属于信号处理领域，提供一种基于链路噪声的变步长分布式自适应参数估计方法，该方法首先初始化每个权重局部估计值为winit、各节点与各自邻域内邻居节点进行权重局部估计值交换；然后各节点计算中间估计值ψk,i，再然后各节点根据变步长μk,i自适应更新权重局部估计值wk,i+1，最后迭代至收敛，得到权重局部估计值即为滤波器系数的估计值。本发明采用链路噪声约束的变步长在各节点上以分布式自适应的方式求解，充分利用了链路噪声相关信息，使得参数估计效果得到了显著的提升，尤其是在链路噪声较大的情况下，此带噪声约束的变步长的分布式自适应算法在一定程度上克服算法收敛速度和稳态性能的矛盾。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.024 seconds)
