-
公开(公告)号：CN104931931B
公开(公告)日：2017-11-21
申请号：CN201510253200.2
申请日：2015-05-18
Applicant: 哈尔滨工程大学
IPC: G01S7/02
Abstract: 本发明属于双基地MIMO雷达系统技术领域，具体涉及一种互耦条件下基于张量实值子空间的双基地MIMO雷达角度估计方法。本发明包括：发射阵列发射相互正交的相位编码信号；在三阶测量张量中提取一个子张量以消除未知互耦的影响；将子张量转换成为实值的，并利用高阶奇异值分解构造实值信号子空间；利用实值信号子空间实现对未知互耦误差条件下双基地MIMO雷达中目标联合DOD和DOA的估计。本发明考虑了接收数据固有的多维结构，利用HOSVD技术比传统SVD/EVD方法更有效地抑制了噪声，角度估计性能得以提高，本发明比相似MUSIC算法和相似ESPRIT算法都具有更好的角度估计性能。
-
Patent Agency Ranking
公开(公告)号：CN104931931A
公开(公告)日：2015-09-23
申请号：CN201510253200.2
申请日：2015-05-18
Applicant: 哈尔滨工程大学
IPC: G01S7/02
CPC classification number: G01S13/003 , G01S7/02
Abstract: 本发明属于双基地MIMO雷达系统技术领域，具体涉及一种互耦条件下基于张量实值子空间的双基地MIMO雷达角度估计方法。本发明包括：发射阵列发射相互正交的相位编码信号；在三阶测量张量中提取一个子张量以消除未知互耦的影响；将子张量转换成为实值的，并利用高阶奇异值分解构造实值信号子空间；利用实值信号子空间实现对未知互耦误差条件下双基地MIMO雷达中目标联合DOD和DOA的估计。本发明考虑了接收数据固有的多维结构，利用HOSVD技术比传统SVD/EVD方法更有效地抑制了噪声，角度估计性能得以提高，本发明比相似MUSIC算法和相似ESPRIT算法都具有更好的角度估计性能。
-
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：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：CN103278813B
公开(公告)日：2015-04-29
申请号：CN201310158729.7
申请日：2013-05-02
Applicant: 哈尔滨工程大学
IPC: G01S13/66
Abstract: 一种基于高阶无迹卡尔曼滤波的状态估计方法，本发明具体涉及一种基于高阶无迹卡尔曼滤波的状态估计方法。本发明采用高阶无迹卡尔曼滤波器完成目标跟踪过程中的状态估计任务。在目标跟踪过程中，建立目标跟踪的状态方程和量测方程；采用高阶无迹变换获得目标跟踪滤波器所需的sigma点，并计算其权值；通过迭代sigma点及其权值获取对状态的估计，实现对目标的实时跟踪。其跟踪精度高于现有的基于其它滤波器的目标跟踪方法。通过选用合适的性能参数κ，能够进一步提升本发明提出的高阶UKF目标跟踪方法精度，实现对目标的高精度实时跟踪。本发明应用于目标跟踪技术领域。
-
公开(公告)号：CN103278813A
公开(公告)日：2013-09-04
申请号：CN201310158729.7
申请日：2013-05-02
Applicant: 哈尔滨工程大学
IPC: G01S13/66
Abstract: 一种基于高阶无迹卡尔曼滤波的状态估计方法，本发明具体涉及一种基于高阶无迹卡尔曼滤波的状态估计方法。本发明采用高阶无迹卡尔曼滤波器完成目标跟踪过程中的状态估计任务。在目标跟踪过程中，建立目标跟踪的状态方程和量测方程；采用高阶无迹变换获得目标跟踪滤波器所需的sigma点，并计算其权值；通过迭代sigma点及其权值获取对状态的估计，实现对目标的实时跟踪。其跟踪精度高于现有的基于其它滤波器的目标跟踪方法。通过选用合适的性能参数κ，能够进一步提升本发明提出的高阶UKF目标跟踪方法精度，实现对目标的高精度实时跟踪。本发明应用于目标跟踪技术领域。
-
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
