一种WiFi热点和终端精细化阻断方法及系统

    公开(公告)号:CN111432412A

    公开(公告)日:2020-07-17

    申请号:CN202010229284.7

    申请日:2020-03-27

    Abstract: 本发明提供一种WiFi热点和终端精细化阻断方法及系统。该方法包括:根据安全保密需求,选择阻断模式;解析获取阻断区域内所有热点和终端的特征参数;若阻断模式为全部阻断模式,则根据所有热点和终端的特征参数以及去认证消息帧格式按照预设重构方式重构去认证消息;若阻断模式为黑名单阻断模式或白名单阻断模式,则根据黑名单列表或白名单列表中设置的目标热点和目标终端的特征参数以及去认证消息帧格式按照预设重构方式重构去认证消息;周期性地向热点和/或终端发送去认证消息,使目标热点和/或目标终端一直处于去认证过程中,实现通信阻断。本发明支持802.11 a/b/g/n/ac/ax目前所有协议版本,具有三种阻断模式,能够满不同场景的差异性安全保密需求。

    抑制传感器位置速度先验误差的加权多维标度TOA和FOA多源协同定位方法

    公开(公告)号:CN111551896A

    公开(公告)日:2020-08-18

    申请号:CN202010335968.5

    申请日:2020-04-25

    Abstract: 本发明公开一种抑制传感器位置速度先验误差的加权多维标度TOA和FOA多源协同定位方法,首先利用多个运动传感器获得多个不相关运动辐射源信号的TOA观测量和FOA观测量;接着针对每个辐射源,利用距离观测量和距离变化率观测量构造两个标量积矩阵,由此形成多维标度伪线性方程,并将各个辐射源的伪线性方程合并成1个高维度的伪线性方程;随后定量分析TOA/FOA观测误差以及传感器位置和速度先验观测误差对高维伪线性方程的影响,以确定最优加权矩阵,并进而形成用于协同定位的线性最小二乘估计优化模型;最后利用优化理论获得该模型的最优闭式解,由此得到各个辐射源的位置向量和速度向量的估计值。本发明能够提高对每个辐射源的定位精度。

    抑制传感器位置速度先验误差的加权多维标度TOA和FOA多源协同定位方法

    公开(公告)号:CN111551896B

    公开(公告)日:2021-01-26

    申请号:CN202010335968.5

    申请日:2020-04-25

    Abstract: 本发明公开一种抑制传感器位置速度先验误差的加权多维标度TOA和FOA多源协同定位方法,首先利用多个运动传感器获得多个不相关运动辐射源信号的TOA观测量和FOA观测量;接着针对每个辐射源,利用距离观测量和距离变化率观测量构造两个标量积矩阵,由此形成多维标度伪线性方程,并将各个辐射源的伪线性方程合并成1个高维度的伪线性方程;随后定量分析TOA/FOA观测误差以及传感器位置和速度先验观测误差对高维伪线性方程的影响,以确定最优加权矩阵,并进而形成用于协同定位的线性最小二乘估计优化模型;最后利用优化理论获得该模型的最优闭式解,由此得到各个辐射源的位置向量和速度向量的估计值。本发明能够提高对每个辐射源的定位精度。

    基于加权多维标度和拉格朗日乘子的运动源TDOA和FDOA定位方法

    公开(公告)号:CN111551895B

    公开(公告)日:2021-01-26

    申请号:CN202010335953.9

    申请日:2020-04-25

    Abstract: 本发明公开了一种基于加权多维标度和拉格朗日乘子技术的运动辐射源TDOA和FDOA定位方法,首先利用多个运动传感器同时获得运动辐射源信号的TDOA观测量和FDOA观测量,并利用距离差观测量和距离差变化率观测量构造两个标量积矩阵,由此形成多维标度伪线性方程;然后定量分析TDOA/FDOA观测误差对伪线性方程的影响,从而确定最优加权矩阵;接着利用增广未知向量的代数特征构造两个二次等式约束,并结合伪线性方程构建双二次等式约束加权最小二乘优化模型;最后利用拉格朗日乘子技术对此模型进行数值优化,其中利用牛顿迭代获得拉格朗日乘子的最优解,并进而得到辐射源位置向量和速度向量的估计值。本发明能够进一步提升对运动辐射源的定位精度。

    传感器位置误差下基于加权多维标度和多项式求根的TDOA定位方法

    公开(公告)号:CN111551897B

    公开(公告)日:2021-01-22

    申请号:CN202010335969.X

    申请日:2020-04-25

    Abstract: 本发明公开传感器位置先验观测误差存在下基于加权多维标度和多项式求根的TDOA定位方法,首先利用多个传感器获得辐射源信号的TDOA观测量,并利用距离差观测量构造标量积矩阵,由此形成了多维标度伪线性方程;然后定量分析TDOA观测误差和传感器位置先验观测误差对于伪线性方程的影响,从而确定最优加权矩阵;接着利用增广未知向量的代数特征构造二次等式约束,并结合多维标度伪线性方程和传感器位置先验观测值构造二次等式约束加权最小二乘优化模型;最后利用拉格朗日乘子技术将该优化问题转化成多项式求根问题,并利用牛顿求根法获得辐射源位置向量和传感器位置向量的联合估计。本发明能够提升对辐射源的定位精度,还能够获得更精确的传感器位置信息。

    传感器位置先验观测误差存在下基于加权多维标度和多项式求根的TDOA定位方法

    公开(公告)号:CN111551897A

    公开(公告)日:2020-08-18

    申请号:CN202010335969.X

    申请日:2020-04-25

    Abstract: 本发明公开传感器位置先验观测误差存在下基于加权多维标度和多项式求根的TDOA定位方法,首先利用多个传感器获得辐射源信号的TDOA观测量,并利用距离差观测量构造标量积矩阵,由此形成了多维标度伪线性方程;然后定量分析TDOA观测误差和传感器位置先验观测误差对于伪线性方程的影响,从而确定最优加权矩阵;接着利用增广未知向量的代数特征构造二次等式约束,并结合多维标度伪线性方程和传感器位置先验观测值构造二次等式约束加权最小二乘优化模型;最后利用拉格朗日乘子技术将该优化问题转化成多项式求根问题,并利用牛顿求根法获得辐射源位置向量和传感器位置向量的联合估计。本发明能够提升对辐射源的定位精度,还能够获得更精确的传感器位置信息。

    基于加权多维标度和拉格朗日乘子技术的运动辐射源TDOA和FDOA定位方法

    公开(公告)号:CN111551895A

    公开(公告)日:2020-08-18

    申请号:CN202010335953.9

    申请日:2020-04-25

    Abstract: 本发明公开了一种基于加权多维标度和拉格朗日乘子技术的运动辐射源TDOA和FDOA定位方法,首先利用多个运动传感器同时获得运动辐射源信号的TDOA观测量和FDOA观测量,并利用距离差观测量和距离差变化率观测量构造两个标量积矩阵,由此形成多维标度伪线性方程;然后定量分析TDOA/FDOA观测误差对伪线性方程的影响,从而确定最优加权矩阵;接着利用增广未知向量的代数特征构造两个二次等式约束,并结合伪线性方程构建双二次等式约束加权最小二乘优化模型;最后利用拉格朗日乘子技术对此模型进行数值优化,其中利用牛顿迭代获得拉格朗日乘子的最优解,并进而得到辐射源位置向量和速度向量的估计值。本发明能够进一步提升对运动辐射源的定位精度。

    一种基于被动合成孔径的多无人机协同直接定位方法

    公开(公告)号:CN114636970A

    公开(公告)日:2022-06-17

    申请号:CN202210157780.5

    申请日:2022-02-21

    Abstract: 本发明公开一种基于被动合成孔径的多无人机协同直接定位方法,包括:基于多个无人机阵列接收模型建立与到达信号复包络、载波相位以及多普勒频偏有关的阵列信号时域模型;每个无人机基于被动合成孔径思想,将阵列信号时域数据按时间顺序排列组成扩展的阵列信号时域模型,再利用基2‑FFT算法转化为频域数据;中心站将频域数据组成多机频域观测矢量,并依据子空间正交准则建立联合估计目标位置矢量和传播系数的数学优化模型,再提取仅包含目标位置的信息矩阵,以最小化信息矩阵最小特征值为目标进行多个区域的网格搜索,实现对多目标的精确定位。本发明可显著提高多目标定位精度与多目标分辨能力,并且能够避免多目标定位过程中的数据关联问题。

Patent Agency Ranking