-
公开(公告)号：CN104865556A
公开(公告)日：2015-08-26
申请号：CN201510253261.9
申请日：2015-05-18
Applicant: 哈尔滨工程大学
IPC: G01S7/02
CPC classification number: G01S7/02
Abstract: 本发明涉及MIMO雷达系统技术领域，特别涉及MIMO雷达系统DOA估计的应用，具体说是一种基于实域加权最小化l1范数方法的MIMO雷达系统DOA估计方法。本发明包括：利用降维矩阵对接收数据进行降维处理；进行奇异值分解并获得稀疏表示框架下的相应模型；利用实域导向矢量和它相应噪声子空间的正交性，设计一个对角线元素与实域MUSIC谱相对应的权值矩阵以解决MMV问题；实现对MIMO雷达系统中目标DOA的估计。本发明通过降维转换SNR增益得到加强，同时所设计的加权l1范数更好地接近了l0范数并且强化了稀疏解，比l1-SVD和RV l1-SVD算法有更高的分辨率。
-
公开(公告)号：CN103968843A
公开(公告)日：2014-08-06
申请号：CN201410216276.3
申请日：2014-05-21
Applicant: 哈尔滨工程大学
CPC classification number: G01C21/20 , G01C21/165 , G01S19/49
Abstract: 本发明涉及一种GPS/SINS超紧组合导航系统自适应混合滤波方法，其特征在于:步骤1：建立GPS/SINS超紧组合导航系统误差模型；步骤2：采用卡尔曼滤波方法进行数据融合，得到系统状态的最优估计值和估计误差方程阵P；步骤3：利用步骤2中获得的系统状态的最优估计值对SINS输出的导航定位信息进行输出校正；步骤4：采用误差方差阵的特征值和特征向量的可观测性分析方法，利用步骤2中获得的估计误差方程阵P求取系统各个状态的可观测度信息；步骤5：将步骤4中获得的系统状态可观测度信息作为反馈因子，将其与步骤2中获得的系统状态的最优估计值的乘积作为反馈量，对GPS和SINS的参数进行反馈校正。
-
公开(公告)号：CN110501686A
公开(公告)日：2019-11-26
申请号：CN201910884600.1
申请日：2019-09-19
Applicant: 哈尔滨工程大学
IPC: G01S7/41
Abstract: 本发明公开基于一种新型自适应高阶无迹卡尔曼滤波的状态估计方法，属于被动雷达跟踪中对高速运载体的状态估计领域。本发明包括：建立目标跟踪系统的非线性离散的状态模型和量测模型；根据目标跟踪系统状态维数选择最优自由参数κ；确立高阶UT获取状态采用点及权重；将采样点经非线性函数传递；将最优自适应因子带入到状态一步预测协方差矩阵；确立高阶UT获取量测采用点及权重；将采样点经非线性函数传递；增益矩阵的计算；后验状态估计输出和协方差矩阵的输出。本发明有效地抑制了强非线性机动目标和大突变对滤波器的影响，对不同采样间隔和不同转角率有很好的影响，减小了动态模型误差的影响。
-
公开(公告)号：CN104865556B
公开(公告)日：2018-07-24
申请号：CN201510253261.9
申请日：2015-05-18
Applicant: 哈尔滨工程大学
IPC: G01S7/02
Abstract: 本发明涉及MIMO雷达系统技术领域，特别涉及MIMO雷达系统DOA估计的应用，具体说是一种基于实域加权最小化l1范数方法的MIMO雷达系统DOA估计方法。本发明包括：利用降维矩阵对接收数据进行降维处理；进行奇异值分解并获得稀疏表示框架下的相应模型；利用实域导向矢量和它相应噪声子空间的正交性，设计一个对角线元素与实域MUSIC谱相对应的权值矩阵以解决MMV问题；实现对MIMO雷达系统中目标DOA的估计。本发明通过降维转换SNR增益得到加强，同时所设计的加权l1范数更好地接近了l0范数并且强化了稀疏解，比l1‑SVD和RV l1‑SVD算法有更高的分辨率。
-
公开(公告)号：CN105093185B
公开(公告)日：2017-10-03
申请号：CN201510519920.9
申请日：2015-08-23
Applicant: 哈尔滨工程大学
IPC: G01S7/02
Abstract: 本发明提供一种基于稀疏表示的单基地多输入多输出雷达目标波达方向估计方法，首先建立单基地MIMO雷达系统的接收信号模型，构造降维转换矩阵进行降维处理；然后利用酉变换矩阵将降维后的接收数据矩阵变为实域的，设计实值扩展数据矩阵并获得其协方差矩阵；根据Khatri‑Rao积，将实值协方差矩阵向量化以解决多测量矢量(MMV)问题，并得到稀疏表示框架下的相应模型；最后设计权值矩阵获得估计参数并构造实值l1范数最小化框架，得到恢复矩阵，寻找恢复矩阵中的非零行，实现对MIMO雷达系统中目标DOA的估计。本发明计算复杂度明显降低，具有更高的角度分辨率和更好的角度估计性能，并且具有最低的SNR临界值。
-
Patent Agency Ranking
公开(公告)号：CN103941271B
公开(公告)日：2016-12-07
申请号：CN201410085410.0
申请日：2014-03-11
Applicant: 哈尔滨工程大学
IPC: G01S19/47
Abstract: 本发明属于组合导航的技术领域，涉及一种时间-空间差分的GPS/SINS超紧组合方法。本发明包括利用捷联惯导的输出信息预测载波角速度误差的时间-空间差分观测值和初相位误差的时间-空间差分观测值；利用GPS接收机输出信息计算载波角速度误差的时间-空间差分观测值和初相位误差的时间-空间差分观测值；将步骤一和步骤二中得到的载波角速度误差的时间-空间差分观测值和初相位误差的时间-空间差分观测值作差，作为系统模型的量测；利用卡尔曼滤波器估计系统状态，利用估计结果校正惯性元件误差和捷联惯导解算的导航信息；利用校正后的导航信息计算多普勒频移，并输入接收机对其进行校正。本发明提高了系统的导航精度，降低了系统的计算量和复杂性。
-
公开(公告)号：CN105974366A
公开(公告)日：2016-09-28
申请号：CN201610280200.6
申请日：2016-04-29
Applicant: 哈尔滨工程大学
IPC: G01S7/02
CPC classification number: G01S7/02
Abstract: 本发明属于单基地MIMO雷达系统技术领域，具体涉及互耦条件下基于四阶累积量稀疏表示的MIMO雷达波达方向估计方法。本发明包括：发射阵列发射相互正交的相位编码信号，接收端进行匹配滤波处理后获得接收数据，并利用发射和接收阵列都具有的互耦矩阵带状对称Toeplitz结构特点，通过线性变换消除未知互耦的影响；构造降维转换矩阵，对消除互耦后的数据进行降维处理，进而基于新的数据矩阵构造具有特殊形式的四阶累积量矩阵。本发明由于四阶累积量技术和加权稀疏表示框架的应用，成功地抑制了色噪声，在高斯色噪声情况下，本发明提供精确的波达方向估计，具有更高的角度分辨率和更好的角度估计性能。
-
公开(公告)号：CN105093185A
公开(公告)日：2015-11-25
申请号：CN201510519920.9
申请日：2015-08-23
Applicant: 哈尔滨工程大学
IPC: G01S7/02
CPC classification number: G01S7/02
Abstract: 本发明提供一种基于稀疏表示的单基地多输入多输出雷达目标波达方向估计方法，首先建立单基地MIMO雷达系统的接收信号模型，构造降维转换矩阵进行降维处理；然后利用酉变换矩阵将降维后的接收数据矩阵变为实域的，设计实值扩展数据矩阵并获得其协方差矩阵；根据Khatri-Rao积，将实值协方差矩阵向量化以解决多测量矢量(MMV)问题，并得到稀疏表示框架下的相应模型；最后设计权值矩阵获得估计参数并构造实值l1范数最小化框架，得到恢复矩阵，寻找恢复矩阵中的非零行，实现对MIMO雷达系统中目标DOA的估计。本发明计算复杂度明显降低，具有更高的角度分辨率和更好的角度估计性能，并且具有最低的SNR临界值。
-
公开(公告)号：CN103941271A
公开(公告)日：2014-07-23
申请号：CN201410085410.0
申请日：2014-03-11
Applicant: 哈尔滨工程大学
IPC: G01S19/47
CPC classification number: G01S19/47 , G01C21/165 , G01S19/23
Abstract: 本发明属于组合导航的技术领域，涉及一种时间-空间差分的GPS/SINS超紧组合方法。本发明包括利用捷联惯导的输出信息预测载波角速度误差的时间-空间差分观测值和初相位误差的时间-空间差分观测值；利用GPS接收机输出信息计算载波角速度误差的时间-空间差分观测值和初相位误差的时间-空间差分观测值；将步骤一和步骤二中得到的载波角速度误差的时间-空间差分观测值和初相位误差的时间-空间差分观测值作差，作为系统模型的量测；利用卡尔曼滤波器估计系统状态，利用估计结果校正惯性元件误差和捷联惯导解算的导航信息；利用校正后的导航信息计算多普勒频移，并输入接收机对其进行校正。本发明提高了系统的导航精度，降低了系统的计算量和复杂性。
-
公开(公告)号：CN103902819A
公开(公告)日：2014-07-02
申请号：CN201410105378.8
申请日：2014-03-21
Applicant: 哈尔滨工程大学
IPC: G06F19/00
Abstract: 本发明提供了一种基于变分滤波的粒子优化概率假设密度多目标跟踪方法。将目标状态变量的分布参数视作随机变量，并用变分贝叶斯方法求解它们的后验分布，在确定这些参数的估计值后得到优化了的滤波状态分布，再以该状态分布函数作为逼近真实后验PHD函数的重要性函数进行随机粒子采样，从而能使大部分采样粒子分布在高似然概率处，合理利用观测信息，避免传统粒子概率密度假设方法由于粒子采样于低似然概率处而造成的粒子退化现象，最终提高粒子概率假设密度多目标跟踪算法的性能。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.036 seconds)
