-
公开(公告)号：CN117872270A
公开(公告)日：2024-04-12
申请号：CN202311561097.9
申请日：2023-11-21
Applicant: 南京邮电大学
Abstract: 大多数现有的近场源定位方法都是基于均匀/稀疏对称线性阵列的。但平面阵列在未来将更加普遍。在本发明中，我们提出了一种平面矩形阵列的近场源定位方法，该方法针对的阵列结构可以是均匀矩形阵列，也可以是中心对称稀疏矩形阵列。我们首先使用四阶累积量来构建用于角度估计的低秩矩阵重构问题，然后，我们用一维多重信号分类算法来求解近场源与平面阵列参考阵元的距离。本发明所提算法表现出与最大似然算法近似的估计精度，同时具有更少的计算量。
-
公开(公告)号：CN116819481A
公开(公告)日：2023-09-29
申请号：CN202310965244.2
申请日：2023-08-02
Applicant: 南京邮电大学
IPC: G01S7/41
Abstract: 本发明提供了一种基于单基地面阵的FDA‑MIMO雷达无网格目标参数估计方法，涉及阵列信号处理技术领域，构建单基地面阵FDA‑MIMO雷达系统，雷达系统的发射端和接收端由均匀平面阵列构成；基于雷达系统建立接收信号模型，对其矢量化，再引入选择矩阵来构建角度‑距离去耦合的接收信号模型；根据所述接收信号模型计算其协方差矩阵；按照协方差匹配准则建立适用于所述模型的低秩矩阵重构优化问题；利用所述协方差矩阵的性质通过交替投影的思想求解所述优化问题；根据所述协方差矩阵通过多重信号分类方法估计得到角度θ、#imgabs0#和距离r的信息；能够解决现有技术中存在的FDA‑MIMO雷达角度‑距离去耦合模型仅适用于线性阵列，且目标参数估计方法估计精度较低、计算复杂度较高的问题。
-
公开(公告)号：CN119598421A
公开(公告)日：2025-03-11
申请号：CN202411734143.5
申请日：2024-11-29
Applicant: 南京邮电大学
IPC: G06F18/27 , H04W64/00 , G06F18/20 , G06F18/25 , G06F18/214 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/098 , G06F9/50
Abstract: 本发明提出了一种基于分布式深度学习的节省内存的信源定位方法，该方法降低了在大规模天线场景中设备计算的内存需求。采用重叠子阵选取策略，将完整阵列划分为多个子阵，允许部分阵元在相邻子阵之间重叠。该策略有效地补偿了子阵之间互相关信息的丢失，从而提高了波达方向估计的精度。每个子阵都与一个独立的子处理器配对，负责压缩接收到的数据并将结果传输到融合中心。融合中心利用图神经网络从复杂数据集中有效提取波达方向估计信息。将波达方向估计视为回归任务，利用Toeplitz先验通过后处理实现高精度无网格估计。仿真结果表明，提出的分布式深度学习方法实现了与集中式深度学习方法相当的估计精度，同时具有较低的设备内存需求。
-
公开(公告)号：CN119030829A
公开(公告)日：2024-11-26
申请号：CN202410975708.2
申请日：2024-07-19
Applicant: 南京邮电大学
Abstract: 在多输入多输出通信系统中，可重构智能表面被认为是提高系统性能的关键技术之一。当系统在极高的频率(如太赫兹)下工作时，信道参数的稀疏性成为一个显著特征。为了有效地恢复这些信道参数，我们引入了一种基于原子范数的优化方法，利用角域中的稀疏特性来精确估计信道状态信息。在混合可重构智能表面场景下，随机激活元素的选择旨在降低可重构智能表面部署的成本，同时保持信道估计和定位的性能。仿真实验表明，该方法能够实现超分辨率信道估计，性能优于现有的正交匹配追踪方法。对各种性能指标的比较表明，所提出的方法具有明显的优势。这一优势对于在复杂环境中实现精确的定位服务至关重要。
-
-
-
Search Results
4
records
(took 0.014 seconds)
