-
公开(公告)号：CN115001910A
公开(公告)日：2022-09-02
申请号：CN202210731685.1
申请日：2022-06-25
Applicant: 复旦大学
IPC: H04L25/02 , H04B7/0413 , G06N3/08 , G06N3/04
Abstract: 本发明属于通信技术领域，具体一种大规模多输入多输出频分双工系统下行信道估计方法。本发明方法是基于深度学习技术的，设计两个深度神经网络，分别用于将上行信道信息映射成多径信息，将上行多径信息映射成上行多径信息；具体步骤包括：建立基于正交频分复用的多输入多输出频分双工系统模型，初始化上行信道以及下行信道；建立上行路径信息和下行路径信息之间的映射；对接受信号进行预处理，通过上行信道数据与上行信道路径矩阵数据训练更新神经网络权重，使基站能从上行信道得到上行信道路径矩阵；经过结构参数优化，得到经训练的网络模型，用于下行信道估计。本发明可避免压缩感知法所带来的复杂度爆炸问题，实现下行信道快速准确估计。
-
公开(公告)号：CN118244225A
公开(公告)日：2024-06-25
申请号：CN202410305837.0
申请日：2024-03-18
Applicant: 复旦大学
Abstract: 本发明属于信号处理技术领域，具体为一种基于毫米波伪随机调相连续波雷达的二维角度估计方法。本发明包括采用单基地L型均匀天线阵列，发送端采用相同伪随机码经过外部码变换形成相互正交的发射信号；接收端将阵元接收数据与发射信号进行匹配滤波和累积，提取存在目标位置信息的数据，经过傅里叶变换提取目标速度信息的数据，然后通过发送端的外部码信息构建虚拟矩阵，并划分子空间阵列，子空间阵列的行数根据匹配滤波和傅里叶变换结果决定；最后采用ESPRIT算法，估计目标方位角和俯仰角。本发明可避免复杂度较高的谱峰搜索，提高运算效率，满足实时性要求；同时有效防止目标距离、速度与方位角、俯仰角以及方位角和俯仰角之间配对错误。
-
公开(公告)号：CN119511206A
公开(公告)日：2025-02-25
申请号：CN202411598586.6
申请日：2024-11-11
Applicant: 复旦大学
Abstract: 本发明属于频率调制连续波雷达技术领域，具体为一种基于自适应字典匹配的频率调制连续波雷达干扰消除方法。本发明包括：建立雷达发送信号、接收信号与干扰信号的数学模型；根据干扰信号的数学模型选取不同时延和调频斜率构造足够精度的字典；粗略均匀抽取字典数据与接收信号计算相关性；根据相关性在大于给定阈值的参数附近均匀抽取更精细的字典数据与接收信号计算相关性；达到预期精度后根据相关性确定干扰的参数；根据确定的参数计算干扰信号并从接收信号中消除；本发明可避免传统干扰抑制方法带来的计算复杂度和精度下降问题，提高干扰识别与消除的效率，适用于干扰信号变化多端和环境复杂性增加的场景，增强系统的鲁棒性和检测性能。
-
公开(公告)号：CN115001910B
公开(公告)日：2023-11-07
申请号：CN202210731685.1
申请日：2022-06-25
Applicant: 复旦大学
IPC: H04L25/02 , H04B7/0413 , G06N3/08 , G06N3/0464
Abstract: 本发明属于通信技术领域，具体一种大规模多输入多输出频分双工系统下行信道估计方法。本发明方法是基于深度学习技术的，设计两个深度神经网络，分别用于将上行信道信息映射成多径信息，将上行多径信息映射成上行多径信息；具体步骤包括：建立基于正交频分复用的多输入多输出频分双工系统模型，初始化上行信道以及下行信道；建立上行路径信息和下行路径信息之间的映射；对接受信号进行预处理，通过上行信道数据与上行信道路径矩阵数据训练更新神经网络权重，使基站能从上行信道得到上行信道路径矩阵；经过结构参数优化，得到经训练的网络模型，用于下行信道估计。本发明可避免压缩感知法所带来的复杂度爆炸问题，实现下行信道快速准确估计。
-
-
-
Search Results
4
records
(took 0.016 seconds)
