-
公开(公告)号：CN109521409B
公开(公告)日：2023-04-07
申请号：CN201811198822.X
申请日：2018-10-15
Applicant: 天津大学
IPC: G01S7/41
Abstract: 本发明涉及认知雷达技术，为提出一种波形优化的方法，和目前存在的方法相比，计算的性能更高，本发明，基于蝙蝠算法的认知雷达波形优化方法，在发射端发出信号经目标反射后被接收端接收，根据最大后验概率计算目标散射系数，其中，每个虚拟的蝙蝠表示信号的一种可行位置，根据计算每次迭代后的蝙蝠的位置获得最优的优化算法：每个所述信号在空间中的位置，都设置一个适应度对应下的代价函数；经过蝙蝠算法进行迭代，改变所述信号波形，使得由实际的目标散射系数与估计的目标散射系数比较计算的均方误差逐步减小，多次迭代以后由P找到最佳位置Gest，均方误差达到最小，从而实现雷达波形优化。本发明主要应用于雷达设计制造场合。
-
公开(公告)号：CN108693508A
公开(公告)日：2018-10-23
申请号：CN201810252202.3
申请日：2018-03-26
Applicant: 天津大学
IPC: G01S7/41
CPC classification number: G01S7/411
Abstract: 本发明属于认知雷达领域，为提出一种基于粒子群优化算法的波形优化方法，与目前存在的方法相比该方法更简单方便且能够得到更好的效果。为此，本发明采用的技术方案是，基于粒子群算法的认知雷达波形优化方法，雷达接收机利用接收到的波形信息进行目标散射系数估计，估计的方法是采用最大后验概率估计并用卡尔曼滤波进行迭代估计，将估计的目标散射系数与实际的目标散射系数进行比较，计算两者之间的最小均方误差作为粒子群算法优化的目标函数，将要优化的波形作为变量，从而实现对目标的信息最准确估计。本发明主要应用于认知雷达的设计制造场合。
-
公开(公告)号：CN108563611B
公开(公告)日：2022-03-11
申请号：CN201810260292.0
申请日：2018-03-27
Applicant: 天津大学
Abstract: 本发明属于认知雷达领域，为提出一种基于天牛须搜索算法的波形优化方法，与目前存在的方法相比该方法更简单方便且能够得到更好的效果。为此，本发明采用的技术方案是，基于天牛须搜索算法的认知雷达波形优化方法，利用雷达接收机接收到的波形信息对目标散射系数进行估计，估计的方法采用最大后验概率估计并用卡尔曼滤波进行迭代估计，将估计的目标散射系数与实际的目标散射系数进行比较，计算两者之间的最小均方误差，将发送波形作为变量，最小均方误差作为目标函数，设计优化目标的数学模型，利用天牛须搜索算法进行求解，得出目标函数最小时的发送波形。本发明主要应用于认知雷达设计制造场合。
-
公开(公告)号：CN107656254B
公开(公告)日：2021-08-03
申请号：CN201710757937.7
申请日：2017-08-29
Applicant: 天津大学
IPC: G01S7/41
Abstract: 本发明涉及雷达领域与通信领域，为分析非正交类波形是否能够用于被动MIMO雷达系统中，进而探索针对移动通信照射源特点的被动雷达性能提升方法。本发明采用的技术方案是，非正交被动MIMO雷达模糊函数分析方法，步骤如下：步骤一：基于用户码本设计的SCMA信号S(t)的生成；步骤二：发射波形的复包络形式；步骤三：接收信号表示为：步骤四：获得接收信号后，需要对接收端的匹配滤波器进行讨论；步骤五：求得基于SCMA波形的MIMO被动雷达模糊函数，并利用MATLAB软件仿真出其结果。本发明主要应用于非正交被动MIMO雷达设计制造场合。
-
公开(公告)号：CN107678014A
公开(公告)日：2018-02-09
申请号：CN201710729868.9
申请日：2017-08-23
Applicant: 天津大学
IPC: G01S11/02
CPC classification number: G01S11/02
Abstract: 本发明属被动雷达领域，为将软件无线电技术引进被动雷达系统，为多标准多制式兼容的认知被动雷达系统的构建提供了新的解决途径。本发明采用的技术方案是，软件无线电在认知被动雷达系统，结构包括：信号发生器及射频天线，用于发射电磁波，模拟外辐射源信号；Lyrtech软件无线电平台的VHS-ADC多通道模数转换板卡，用于对外辐射源信号进行高速采集；DRC接口板，DRC模块能够与载板之间进行高速的数字信号传输；FPGA作为基带处理板，用来开发并测试信号处理算法；FPGA处理过的数据通过CPCI总线与开发环境MATLAB/Simulink/LSP/VC++进行人机交互；本发明主要应用于被动雷达设计制造场合。
-
Patent Agency Ranking
公开(公告)号：CN107204874A
公开(公告)日：2017-09-26
申请号：CN201710322262.3
申请日：2017-05-09
Applicant: 天津大学
IPC: H04L12/24 , H04L12/803
CPC classification number: H04L47/125 , H04L41/0823 , H04L41/12
Abstract: 本发明属于网络技术领域，为提出一种保证时延的SDN控制器部署算法，保证整个网络的时延最小。本发明，保证时延最小的SDN网络多控制器部署方法，首先对网络时延及拓扑结构进行分析，计算每个交换机到剩下所有交换机的时延，然后任意选择一个交换机作为初始的控制器部署点，再根据K‑medoids算法更新该部署位置到一个新的交换机，保证到剩下所有的交换机时延最小；再选择整个网络中到控制器部署点时延最大的交换机作为另一个新的控制器部署点，根据时延对整个网络中的交换机重新分配，然后通过K‑medoids算法更新每个控制器部署点；一直重复上述过程直到有K个控制器部署点。本发明主要应用于网络控制与管理场合。
-
公开(公告)号：CN109239683B
公开(公告)日：2022-08-02
申请号：CN201810990597.7
申请日：2018-08-28
Applicant: 天津大学
IPC: G01S7/40
Abstract: 本发明涉及雷达领域与通信领域，为提出一种宽带的CRB求解算法，既保证距离分辨率，也能保证检测性能的提升。本发明，宽带被动MIMO雷达的克拉美罗界分析方法，步骤如下：步骤一：确定信号模型；步骤二：得到目标回波信；步骤三：求待估计参量的似然比，得到接收信号的似然函数；步骤四：推导费歇尔信息矩阵FIM公式，通过对似然函数求得二阶导数；步骤五：根据CRB界的定义，求得宽带被动MIMO雷达的克拉美罗界，并利用MATLAB软件仿真出其结果。本发明主要应用于雷达设计制造场合。
-
公开(公告)号：CN109521409A
公开(公告)日：2019-03-26
申请号：CN201811198822.X
申请日：2018-10-15
Applicant: 天津大学
IPC: G01S7/41
Abstract: 本发明涉及认知雷达技术，为提出一种波形优化的方法，和目前存在的方法相比，计算的性能更高，本发明，基于蝙蝠算法的认知雷达波形优化方法，在发射端发出信号经目标反射后被接收端接收，根据最大后验概率计算目标散射系数，其中，每个虚拟的蝙蝠表示信号的一种可行位置，根据计算每次迭代后的蝙蝠的位置获得最优的优化算法：每个所述信号在空间中的位置，都设置一个适应度对应下的代价函数；经过蝙蝠算法进行迭代，改变所述信号波形，使得由实际的目标散射系数与估计的目标散射系数比较计算的均方误差逐步减小，多次迭代以后由P找到最佳位置Gest，均方误差达到最小，从而实现雷达波形优化。本发明主要应用于雷达设计制造场合。
-
公开(公告)号：CN108563611A
公开(公告)日：2018-09-21
申请号：CN201810260292.0
申请日：2018-03-27
Applicant: 天津大学
Abstract: 本发明属于认知雷达领域，为提出一种基于天牛须搜索算法的波形优化方法，与目前存在的方法相比该方法更简单方便且能够得到更好的效果。为此，本发明采用的技术方案是，基于天牛须搜索算法的认知雷达波形优化方法，利用雷达接收机接收到的波形信息对目标散射系数进行估计，估计的方法采用最大后验概率估计并用卡尔曼滤波进行迭代估计，将估计的目标散射系数与实际的目标散射系数进行比较，计算两者之间的最小均方误差，将发送波形作为变量，最小均方误差作为目标函数，设计优化目标的数学模型，利用天牛须搜索算法进行求解，得出目标函数最小时的发送波形。本发明主要应用于认知雷达设计制造场合。
-
公开(公告)号：CN107800570A
公开(公告)日：2018-03-13
申请号：CN201710994383.2
申请日：2017-10-23
Applicant: 天津大学
IPC: H04L12/24 , H04L12/721 , H04L12/727 , H04L12/729 , H04L12/751
CPC classification number: H04L41/12 , H04L41/0893 , H04L41/142 , H04L41/145 , H04L45/02 , H04L45/121 , H04L45/124 , H04L45/125
Abstract: 本发明属于网络控制与管理和软件定义网络领域，为提出一种基于蝙蝠算法的优化控制器放置方法，考虑到控制器的负载和传播延迟，以确定控制器的最佳数量和位置。为此，基于蝙蝠算法的SDN控制器部署方法，每个蝙蝠表示一种部署策略pi＝((θ1,φ(θ1)),(θ2,φ(θ2)),...,(θk,φ(θk)))，也就是一种控制器部署方案，该策略其实是划分成k个控制器的聚类，θi为控制器的位置，φ(θi)是θi控制的交换机集合，假设网络G共有N个交换机，E条路径，则每个蝙蝠的位置Xi＝{x1,x2,...,xn}，Xi中的每个元素表示每个交换机所属的控制器，故有N个元素，每个蝙蝠的速度为Vi＝{v1,v2,...,vn}(vj∈[0,1])，若某元素为1，那么该蝙蝠的该位置元素会进行更新，否则不更新，以此找出策略最佳的蝙蝠，即为最优的控制器部署策略。本发明主要应用于网络控制与管理场合。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.021 seconds)
