基于收缩估计协方差矩阵重构稳健自适应波束形成方法

    公开(公告)号:CN111651719B

    公开(公告)日:2023-04-25

    申请号:CN202010502561.7

    申请日:2020-06-04

    Abstract: 本发明公开了基于收缩估计协方差矩阵重构稳健自适应波束形成方法,包括:对采样协方差矩阵进行线性收缩估计;对线性收缩估计得到的采样协方差矩阵进行特征分解,得到噪声子空间;再依据MUSIC谱计算出期望小角度区间内的平均噪声功率,在重构精确期望信号协方差矩阵过程中剔除平均噪声功率;对重构的期望信号协方差矩阵进行特征分解,取最大特征值对应的特征向量作为初步估计的期望信号导向矢量,将它的模约束和噪声功率约束联立为拉普拉斯约束,得到修正的期望信号导向矢量;利用线性收缩得到的采样协方差矩阵和期望信号导向矢量,形成稳健自适应波束。本发明所形成波束的主瓣波束和输出信干噪比均更接近理想值,且具有更高的抗干扰能力。

    基于车载毫米波雷达的稳定多目标跟踪方法及系统

    公开(公告)号:CN115808682A

    公开(公告)日:2023-03-17

    申请号:CN202310059397.0

    申请日:2023-01-17

    Abstract: 本发明提供了一种基于车载毫米波雷达的稳定多目标跟踪方法及系统,其方法包括:基于车载毫米波雷达获得目标数据集;目标数据集中包括多个目标点和各目标点的量测信息;获取轨迹列表,轨迹列表中包括多条轨迹和轨迹的上一时刻状态信息;获取轨迹的运动方向,并基于轨迹的运动方向确定运动模型,并获得轨迹的当前时刻预测状态信息;基于轨迹的运动方向确定关联波门的形状和关联波门的门限条件;基于关联波门和门限条件对目标数据集和轨迹进行目标关联,判断关联是否成功;当关联成功时,对轨迹进行交互式多模型滤波估计,获得轨迹当前时刻状态信息,并更新轨迹的运动方向。本发明实现了在复杂环境下准确和稳定的多目标跟踪。

    基于中心点回归的深度学习目标检测方法

    公开(公告)号:CN113688830A

    公开(公告)日:2021-11-23

    申请号:CN202110930245.4

    申请日:2021-08-13

    Abstract: 本发明提供一种基于中心点回归的深度学习目标检测方法,包括以下具体步骤:在原CenterNet网络结构上引入水平连接模块将不同层之间的特征进行关联,融合了深层特征和浅层特征,以提高小目标检测性能;在水平连接模块中引入通道注意力模块,对不同通道间的特征响应进行自适应校准,改善了网络的特征提取能力;最后在UCAS‑AOD和RSOD公共遥感数据集上进行对比实验。本发明在遥感图像飞机目标检测中不仅有较高的检测精度,同时保持了单阶段检测模型的速度优势,具有一定的实用价值。

    一种基于毫米波雷达的改进模糊聚类方法

    公开(公告)号:CN113537411A

    公开(公告)日:2021-10-22

    申请号:CN202111076996.0

    申请日:2021-09-15

    Abstract: 本发明提供一种基于毫米波雷达的改进模糊聚类方法,包括以下步骤:根据雷达接收的回波数据,得到样本点的距离、角度和速度信息;计算样本点的自适应椭圆距离和局部密度;画二维决策图,确定初始簇中心;代入FCM算法做一次模糊聚类处理,更新隶属度和簇中心坐标;重复步骤直至满足一次模糊聚类迭代终止条件,输出一次模糊聚类结果;得到各簇样本点的速度信息;根据FCM算法进行二次模糊聚类,更新隶属度矩阵和速度中位数;二次模糊聚类结果是否满足二次聚类迭代终止条件;得到最终模糊聚类结果。本发明精度高、鲁棒性好、能正确聚类相邻车辆目标,为道路中车辆的跟踪、交通状态预估等处理提供可靠、准确的目标信息,大大减少后续工程的计算量。

    一种基于图卷积的多尺度点云分类实现方法

    公开(公告)号:CN112633350B

    公开(公告)日:2021-10-01

    申请号:CN202011503553.0

    申请日:2020-12-18

    Abstract: 本发明属于三维点云分类技术领域,公开了一种基于图卷积的多尺度三维点云分类实现方法。其目的是通过提取点云集合不同尺度的边缘特征,获取更加丰富的邻域信息,以此提高点云分类的准确率。具体步骤如下:步骤1,通过改进的KNN邻近算法,获取不同尺度范围内的等间隔采样的k个点,从而构建点云集合不同尺度的M‑KNN图;步骤2,使用M‑KNN图搭建EdgeConv(边缘卷积层)模块,实现点云边缘特征的提取。步骤3,利用边缘卷积层构建多尺度点云分类网络模型,使用ModelNet40数据集对网络进行训练,获取最终的点云分类网络。

    一种基于频控阵MIMO雷达的低截获系统的设计方法

    公开(公告)号:CN111352079B

    公开(公告)日:2021-04-16

    申请号:CN202010404529.5

    申请日:2020-05-13

    Abstract: 本发明公开了一种基于频控阵MIMO雷达的低截获系统的设计方法,采用如下方法设计波形:S0:初始化迭代次数,随机初始化发射波束矩阵;S1:固定当前的发射波束矩阵,计算第k次迭代下的接收滤波器;S2:固定本次迭代下的接收滤波器,利用类功率迭代法更新发射波束向量;S3:重复步骤S1~S2,至迭代结束;S4:基于最终的发射波束矩阵和接收滤波器设计低截获的频控阵MIMO雷达系统。本发明以最小化频控阵MIMO雷达的发射能量辐射和最大化输出信干噪比为目标,在考虑干扰和噪声环境以及天线上发射能量约束下,将优化准则构造成单个分式规划的最小化问题,本发明在目标区域上形成零陷,降低了雷达被截获概率,同时实现了最大化输出SINR。

    多视觉任务协同的深度估计模型的构建方法

    公开(公告)号:CN112634341A

    公开(公告)日:2021-04-09

    申请号:CN202011556047.8

    申请日:2020-12-24

    Abstract: 本发明提供一种多视觉任务协同的深度估计模型的构建方法,包括以下具体步骤:立体视觉约束下的快速场景深度估计模型构建;视差几何和知识先验协同的模型优化;联合语义特征的目标深度精细化:构造一个从粗糙到精细的逐阶段优化的类似深度估计的模块语义分割模块,形成特征层共享的对称结构,再利用相同阶段不同网络特征,经过视差获取网络得到融入了语义几何信息的视差图;进一步达到障碍物目标精细化的目的。本发明将多尺度、知识先验与视觉语义嵌入到深度估计模型中,通过多任务协同共享的学习模式,深层次逼近人类感知的本质,提高障碍物的深度估计精度。

    一种应用于回声抵消系统的双端通话检测方法

    公开(公告)号:CN109348072A

    公开(公告)日:2019-02-15

    申请号:CN201811000857.8

    申请日:2018-08-30

    CPC classification number: H04M3/2236 G10L21/0208 G10L2021/02082

    Abstract: 本发明涉及一种应用于回声抵消系统的双端通话检测方法,该方法包括:步骤1,计算远端信号和麦克风信号的信号包络,得出判定函数ξenv(n),再与设定的阈值T进行比较判断双端通话是否发生;步骤2,根据步骤1的判断结果,如果判断发生双端通话,则滤波器停止更新,否则,利用远端信号和麦克风信号进行NCC计算;步骤3,利用步骤2得到的NCC判定式得到最终的判定函数η(n),将NCC计算结果与设定的阈值K进行比较,最终确定双端通话是否发生,如果判断发生双端通话,则滤波器停止更新,否则,滤波器继续更新。本方法与传统的双端通话检测算法相比,可以准确地判断双端通话的开始与结束,避免了滤波器的发散,提高了回声抵消系统性能。

    一种基于函数模型的光伏发电系统最大功率点跟踪方法

    公开(公告)号:CN106094972B

    公开(公告)日:2017-08-01

    申请号:CN201610768407.8

    申请日:2016-08-30

    CPC classification number: Y02E10/58

    Abstract: 本发明公开一种基于函数模型的光伏发电系统最大功率点跟踪方法,该方法主要解决在光伏发电系统中的最大功率点跟踪问题。本发明以Boost电路为光伏发电系统主电路,首先检测光伏发电系统的输出电压和电流,然后根据误差和误差变化率来确定占空比扰动步长函数,进而确定下一时刻的扰动步长值,扰动步长函数由二维高斯函数和反正切函数构成。算法每运行一次后延时T ms,直到确定最大功率点处的占空比值。该方法引入了二维高斯函数和反正切函数,确定了一种较为通用的占空比扰动方法,能够更加精确地进行最大功率点跟踪,也为其他基于扰动模型的最大功率点跟踪方法提供了一种计算参考方法。

Patent Agency Ranking