-
公开(公告)号：CN116318287B
公开(公告)日：2025-04-01
申请号：CN202310181620.9
申请日：2023-02-28
Applicant: 哈尔滨工业大学
IPC: H04B7/0426 , H04B17/382 , H04B17/345
Abstract: 一种基于四维天线阵列的干扰抑制方法、存储介质及设备，它属于无线通信及阵列信号处理领域。本发明解决了当干扰靠近主瓣方向时，采用传统自适应波束赋形技术会使主瓣发生畸变、位置偏移，导致对期望信号的接收性能差的问题。本发明采取的主要技术方案为：步骤一、设定期望信号来波方向，估计干扰信号数量以及干扰信号来波方向；步骤二、配置四维天线阵列波束指向，即利用四维天线阵列的基波分量指向期望信号来波方向，利用四维天线阵列的谐波分量指向干扰信号来波方向；步骤三、根据基波分量的接收信号以及各个谐波分量的接收信号从干扰信号中分离出期望信号。本发明可以用于对干扰信号进行抑制。
-
公开(公告)号：CN115170523A
公开(公告)日：2022-10-11
申请号：CN202210833296.X
申请日：2022-07-14
Applicant: 哈尔滨工业大学
Abstract: 一种基于局部对比度的低复杂度红外弱小目标检测方法，涉及目标检测技术领域，针对现有技术中复杂背景下的目标检测速度慢的问题，本申请利用红外弱小目标与背景具有较大的差异性，在局部具有较高对比度的特性进行红外弱小目标检测，在实现过程中通过高效滤波模板充分利用数字系统传输带宽，减少图像遍历时间，大大提升了系统处理速度；同时通过降低算法复杂度，减少浮点运算以及非线性运算，减少了系统处理时延，便于设计大规模流水线，减小了硬件实现难度。最终本方法能够实现可靠的高速红外弱小目标检测，实测系统吞吐量达到20Gbps，检测率高于90％，虚警率低于10％，在工程应用中可以实现高速检测。
-
公开(公告)号：CN116170777B
公开(公告)日：2023-09-26
申请号：CN202310181625.1
申请日：2023-02-28
Applicant: 哈尔滨工业大学
IPC: H04W4/40 , G01S13/931 , G01S7/41 , H04W76/10 , H04W28/06
Abstract: 一种通信感知一体化车联网通信链路建立方法，它属于通信感知一体化及智能反射面领域。本发明解决了由于车联网中通信链路建立缓慢导致车辆之间信息共享效率低的问题。本发明采用的技术方案为：步骤一、对车联网中所有合作车辆装备智能反射面；步骤二、探测车辆向感兴趣区域内发射雷达探测信号；步骤三、感兴趣区域内接收到雷达探测信号的合作车辆利用伪随机码对通信数据进行扩频调制，获得组合信号，将组合信号调制到自身的智能反射面上后，再传递给探测车辆；步骤四、探测车辆从回波中分离、解调出来自不同合作车辆的信息；步骤五、根据步骤四得到的信息建立探测车辆与合作车辆之间的通信链路。本发明方法可以应用于车联网中通信链路的建立。
-
公开(公告)号：CN116418382A
公开(公告)日：2023-07-11
申请号：CN202310406863.8
申请日：2023-04-17
Applicant: 哈尔滨工业大学
IPC: H04B7/06 , H04B7/0452 , H04W24/02 , G01S7/282
Abstract: MU‑MIMO雷达通信一体化的波束形成方法，它属于通信雷达一体化的波束形成领域。本发明解决了在高通信性能要求下，传统算法的雷达性能差的问题。本发明的技术方案为：步骤一、基站配备均匀线性天线阵列，基站同时发射雷达和通信信号，发射的雷达和通信信号通过波束成形器处理后得到待发射信号，待发射信号再经由天线发射；待发射信号经由信道传输后得到第i个通信用户的接收信号yi；步骤二、计算第i个通信用户的接收信号yi的信噪比ηi；步骤三、对根据ηi建立的目标函数进行求解，得到雷达信号的协方差矩阵和实际的波束形成矩阵集；步骤四、将步骤三的结果输入到天线阵列中，得到最终的波束方向图。本发明方法可以应用于通信雷达一体化的波束形成。
-
公开(公告)号：CN109451428A
公开(公告)日：2019-03-08
申请号：CN201811600755.X
申请日：2018-12-26
Applicant: 哈尔滨工业大学
CPC classification number: H04W4/02 , G06K9/6223 , G06N3/088 , H04W4/33 , H04W64/00
Abstract: 一种基于WiFi聚类的室内高度定位方法，本发明涉及室内高度定位方法。本发明的目的是为了解决现有GPS高度定位误差大，以及WLAN室内定位无法进行高度定位的问题。过程为：一、根据终端上报的经纬度信息及楼宇图层将终端测量到的WiFi与楼宇匹配；二、以楼宇ID为索引，筛选出一栋楼宇内的WiFi记录建立能量表；能量表更新后重新计算相关矩阵；三、采用聚类算法对WiFi分簇；四、建立WiFi三维指纹库；五、在WiFi三维指纹库中找到主WiFi所在簇的高度标签，结合楼宇高度和WiFi分簇数计算用户高度。本发明用于室内高度定位领域。
-
Patent Agency Ranking
公开(公告)号：CN113655447B
公开(公告)日：2023-12-05
申请号：CN202110961424.4
申请日：2021-08-20
Applicant: 哈尔滨工业大学
IPC: G01S7/36 , G01S7/02 , H04B7/0408
Abstract: 一种用于雷达通信一体化的时间调制阵列边带抑制波束控制方法，它属于雷达通信技术领域。本发明解决了在雷达通信一体化场景下，时间调制阵列由于存在边带辐射而导致的能量效率低的问题。本发明使用均匀线阵收发信号，再采用正负交替周期函数对均匀线阵进行周期性调制，最后对参数进行优化，通过对参数进行优化，使时间调制阵列除了+1次谐波分量和‑1次谐波分量之外的部分尽量小，即保证能量损失尽量小，将时间调制阵列辐射场强参数优化后的+1次谐波分量用于通信、‑1次谐波分量用于雷达探测，在保证雷达探测性能与通信性能的前提下，抑制了时间调制阵列的边带辐射，提高其能量效率。本发明可以应用于雷达通信技术领域。
-
公开(公告)号：CN116580229A
公开(公告)日：2023-08-11
申请号：CN202310469615.8
申请日：2023-04-27
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06V10/44
Abstract: 一种基于深度学习的水稻叶龄检测方法，它属于水稻叶龄期检测技术领域。本发明解决了现阶段人工检测水稻叶龄费时费力、主观性强且检测准确率低的问题。本发明基于电子设备获取水稻各生长时期图像，再通过图像预处理技术分别构建移栽前和移栽后图像数据集，并利用对应的图像数据集对深度学习模型进行训练，将训练好的深度学习模型与尖端轮廓方法结合进行水稻植株的叶龄检测，相比较于现阶段的检测方法，本发明方法具有检测速度快、检测准确率高的优势，而且检测过程不需要人工参与，不受人为主观性的影响。本发明方法可以应用于水稻叶龄期检测。
-
公开(公告)号：CN115529048A
公开(公告)日：2022-12-27
申请号：CN202211165730.8
申请日：2022-09-23
Applicant: 哈尔滨工业大学
Abstract: 一种基于线性逼近与滑动窗口的Turbo码译码方法，涉及差错控制编码技术领域，针对现有技术中译码延迟大的问题，本申请针对现有算法非线性操作多、并行程度低导致译码延迟较大的缺点，提出了一种基于线性逼近与滑动窗口的SISO译码器译码方法，在保证译码性能的前提下很好地解决了吞吐率不足的问题，同时将非线性运算近似为线性，大幅降低了计算复杂度，在高速时钟下也具有优异的稳定性；同时，引入滑窗法使得SISO译码器只需存储一个窗口长度的后向状态度量有效值，而不需如传统算法存储整个交织深度的前向状态度量与后向状态度量，使得存储资源的使用得到了降低，进一步优化了硬件结构。
-
公开(公告)号：CN113655447A
公开(公告)日：2021-11-16
申请号：CN202110961424.4
申请日：2021-08-20
Applicant: 哈尔滨工业大学
IPC: G01S7/36 , G01S7/02 , H04B7/0408
Abstract: 一种用于雷达通信一体化的时间调制阵列边带抑制波束控制方法，它属于雷达通信技术领域。本发明解决了在雷达通信一体化场景下，时间调制阵列由于存在边带辐射而导致的能量效率低的问题。本发明使用均匀线阵收发信号，再采用正负交替周期函数对均匀线阵进行周期性调制，最后对参数进行优化，通过对参数进行优化，使时间调制阵列除了+1次谐波分量和‑1次谐波分量之外的部分尽量小，即保证能量损失尽量小，将时间调制阵列辐射场强参数优化后的+1次谐波分量用于通信、‑1次谐波分量用于雷达探测，在保证雷达探测性能与通信性能的前提下，抑制了时间调制阵列的边带辐射，提高其能量效率。本发明可以应用于雷达通信技术领域。
-
公开(公告)号：CN106230441B
公开(公告)日：2019-08-23
申请号：CN201610555062.8
申请日：2016-07-14
Applicant: 哈尔滨工业大学
IPC: H03M7/30
Abstract: 一种基于m序列的可变维度的压缩感知观测矩阵构造方法，本发明涉及基于m序列的可变维度的压缩感知观测矩阵构造方法。本发明的目的是为了解决现有压缩感知观测矩阵硬件存储空间大、应用范围受限、其信号重构性能和重构概率低以及硬件复杂度高的缺点。具体过程为：根据待采样信号长度N选择子矩阵维数；得到m序列优选对；分别产生第一组m序列和第二组m序列；得到A和B；合并为Φ1；选取Φ1中前N列构成Φ2；根据实际所需要的观测量，随机生成S个子集Γi；计算互相关；得到最优子集；根据最优子集中元素，选取Φ2对应的行序号，构成本发明的观测矩阵。本发明用于信号处理和通信技术领域。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.027 seconds)
