公开(公告)号：CN115629355A

公开(公告)日：2023-01-20

申请号：CN202210576464.1

申请日：2022-05-25

Applicant: 南京邮电大学

Inventor： 陈凯 ,  吴晓欢 ,  杨旭

IPC: G01S3/14 ,  G06F18/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/082 ,  G06F123/00

Abstract: 本发明属于物联网及信号处理技术领域，具体地说，是一种基于卷积神经网络的角度估计方法，根据SLA和ULA阵列流形矩阵对应关系的公式推导得到的理论协方差矩阵作为输入的标签，训练一个能够重构理论协方差矩阵的神经网络，该神经网络为带有8层的卷积神经网络。该方法是无网格估计方法，因此不具有网格效应带来的缺陷。并通过TensorFlow‑CPU 1.14.0的实验环境进行仿真分析，所提供的基于卷积神经网络的角度估计方法具有时间复杂度低的优点，并且在低快拍，低信噪比，小信源角度差值和多信源情况下均具有更好的估计性能且相比于有网格方法不存在网格效应。

公开(公告)号：CN114462454B

公开(公告)日：2024-07-05

申请号：CN202210132510.9

申请日：2022-02-11

Applicant: 南京邮电大学

Inventor： 杨旭 ,  吴晓欢 ,  颜俊 ,  康彬

IPC: G06F18/10 ,  G06N3/08 ,  G06F18/214 ,  G06F17/16 ,  G06N3/0464 ,  G01S3/14 ,  G06F18/2136

Abstract: 本发明提供一种基于深度学习的无网格信号源DOA估计方法，通过接收端使用阵元数为M的稀疏阵列进行架构；利用所架构的稀疏阵列接收入射信号并建模；计算稀疏阵列接收信号的采样协方差矩阵#imgabs0#计算生成接收信号所对应的协方差矩阵张量#imgabs1#构造基于卷积神经网络的信号源个数估计网络，得到估计信号源个数#imgabs2#构造基于卷积神经网络的信号降噪重构网络CRN，得到重构的无噪协方差矩阵的首行向量的估计值#imgabs3#恢复无噪协方差矩阵#imgabs4#并搜索信号源方向DOA；该方法，能够去除噪声干扰的同时，可以估计更多的信号；并且通过采用无网格的估计方法，由无噪协方差矩阵估计得到DOA，避免了网格失配问题。

公开(公告)号：CN115575941A

公开(公告)日：2023-01-06

申请号：CN202211220221.0

申请日：2022-09-30

Applicant: 南京邮电大学

Inventor： 吴晓欢 ,  柳亚鑫 ,  杨旭 ,  贾晓媛

IPC: G01S13/42 ,  G06F17/16

Abstract: 本发明提供一种面向稀疏阵列的频控阵MIMO雷达目标参数估计方法，通过发射端使用阵元数为M的均匀线性阵列、接收端使用阵元数为N的稀疏阵列进行架构，得到单基地FDA‑MIMO雷达系统；建立FDA‑MIMO雷达角度和距离的解耦模型；计算接收阵列的接收信号X的协方差矩阵R；建立低秩矩阵重构的优化问题；利用交替投影求解建立的优化问题得到无噪协方差矩阵T(u)；对无噪协方差矩阵T(u)进行求解，获得角度和距离信息；该方法能够在相同阵元数情况下能够估计更多的信号源个数，能够利用无网格估计方法求解由该模型建立的低秩矩阵重构的优化问题，不受网格失配效应影响，能够在保证估计精度的情况下降低计算复杂度。

公开(公告)号：CN116774140A

公开(公告)日：2023-09-19

申请号：CN202310760528.8

申请日：2023-06-26

Applicant: 南京邮电大学

Inventor： 吴晓欢 ,  杨旭

IPC: G01S3/14 ,  G06F17/16

Abstract: 本发明提供一种基于残差注意力网络的无网格信号源DOA估计方法，通过在接收端架构稀疏阵列，利用架构的稀疏阵列接收入射信号并建模；计算稀疏阵列接收信号的采样协方差矩阵，计算生成接收信号所对应的协方差矩阵张量；构造基于残差注意力网络的信号降噪重构网络CRN，将所得协方差矩阵张量输入到训练后的信号协方差降噪重构网络CRN，重构与稀疏阵列对应的均匀线性阵列的无噪协方差矩阵的首行向量的估计值；恢复无噪协方差矩阵并搜索信号源方向DOA；该方法与基于CNN的CRN相比，能够有效提高在高信噪比区域的DOA估计性能，能够使得CRN更加关注输入中的有效特征，由此，能够提升信号降噪重构网络CRN的回归性能，进一步地提高DOA估计性能。

公开(公告)号：CN114462454A

公开(公告)日：2022-05-10

申请号：CN202210132510.9

申请日：2022-02-11

Applicant: 南京邮电大学

Inventor： 杨旭 ,  吴晓欢 ,  颜俊 ,  康彬

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/08 ,  G06F17/16 ,  G01S3/14

Abstract: 本发明提供一种基于深度学习的无网格信号源DOA估计方法，通过接收端使用阵元数为M的稀疏阵列进行架构；利用所架构的稀疏阵列接收入射信号并建模；计算稀疏阵列接收信号的采样协方差矩阵计算生成接收信号所对应的协方差矩阵张量构造基于卷积神经网络的信号源个数估计网络，得到估计信号源个数构造基于卷积神经网络的信号降噪重构网络CRN，得到重构的无噪协方差矩阵的首行向量的估计值恢复无噪协方差矩阵并搜索信号源方向DOA；该方法，能够去除噪声干扰的同时，可以估计更多的信号；并且通过采用无网格的估计方法，由无噪协方差矩阵估计得到DOA，避免了网格失配问题。

公开(公告)号：CN117609688A

公开(公告)日：2024-02-27

申请号：CN202311011416.9

申请日：2023-08-10

Applicant: 南京邮电大学

Inventor： 吴晓欢 ,  杨旭

IPC: G06F18/10 ,  G01S3/14 ,  G06N3/0464 ,  G06N3/096 ,  G06F17/16 ,  G06N3/048

Abstract: 本发明提供一种基于迁移学习的无网格信号源DOA估计方法及系统，通过接收端使用稀疏阵列进行架构，接收入射信号并建模；计算稀疏阵列接收信号的采样协方差矩阵，计算生成接收信号所对应的协方差矩阵张量；得到估计信号源个数；构造基于残差注意力网络的信号降噪重构网络CRN；使用迁移学习方法对不同信源数量条件下的CRN进行训练，并将训练好的网络参数存储在数据库中，得到训练后的基于残差注意力网络的信号降噪重构网络CRN；得到重构的无噪协方差矩阵的首行向量的估计值，进而恢复无噪协方差矩阵并搜索信号源方向DOA；本发明通过引入了迁移学习的思想，能够保证网络估计性能的同时，能够简化网络训练过程，能够有效降低训练成本。

公开(公告)号：CN112467398A

公开(公告)日：2021-03-09

申请号：CN202011187742.1

申请日：2020-10-30

Applicant: 南京邮电大学

Inventor： 陈董 ,  陆禹薇 ,  杨旭 ,  袁锴 ,  张洪林

IPC: H01Q21/06

Abstract: 本发明公开了一种毫米波柔性圆形天线阵，包括柔性介质基板，柔性介质基板上设置有天线阵列，天线阵列包括若干个天线单元，天线单元之间通过微带线连接，天线阵列沿柔性介质基板轴线对称设置，天线阵列中心设置有金属圆孔。该毫米波柔性圆形天线阵结构重量轻、体积小，在保证天线阵性能的前提下，提高了天线的可弯折性，天线与设备间共形性好。

公开(公告)号：CN213340712U

公开(公告)日：2021-06-01

申请号：CN202022207818.4

申请日：2020-09-30

Applicant: 南京邮电大学

Inventor： 张徐 ,  张洪林 ,  杨旭

IPC: H01Q1/38 ,  H01Q1/50

Abstract: 本实用新型公开了一种紧凑双频柔性印刷单极子天线，包括柔性介质基板，柔性基板上印刷有单极子天线，单极子天线一端连接有微带传输线，微带传输线和单极子天线的连接处设置有蜿蜒线，柔性介质基板端部设置有与微带传输线连接的SMA接头。该天线重量轻、体积小、柔性好，能够在保证天线阵性能的前提下提高天线的可弯折性，使得天线与设备间共形效果好。