-
公开(公告)号：CN119986523A
公开(公告)日：2025-05-13
申请号：CN202510020765.X
申请日：2025-01-07
Applicant: 海南大学
Abstract: 本发明公开了一种全数字子阵与异构混合结构相结合的双重MIMO接收机，包括全数字FD子阵列结构和异构混合H2AD结构，其中FD子阵列结构具有M根天线；在H2AD结构中，阵列被分为H个子阵列群，每个子阵列群有Kh个子阵列，其中每个子阵列均含有Mh根天线，h＝1,2,…,H，M1≠M2≠…≠MH且M1,M2,…,MH的值互质。本发明整合了异构混合结构和全数字MIMO接收机结构的优点设计H2AD‑FD结构，可实现快速消除相位模糊问题，并具备同样高能效、低成本及低复杂度的优点；用全数字MIMO接收机预先估计的辐射源方向粗略角度作候选解集合中真解类初始聚类中心，可显著加速正假解类的快速聚类，并去除候选解集集合中的伪解，能够降低H2AD结构的计算复杂度。
-
公开(公告)号：CN113933778A
公开(公告)日：2022-01-14
申请号：CN202111153162.5
申请日：2021-09-29
Applicant: 海南大学
Abstract: 本发明提供大规模MIMO测向中基于特征空间的无源单目标检测方法，包括下列步骤：定义接收信号y(t)的表达式，对所述接收信号y(t)的协方差矩阵Ry进行特征值分解，获得多个特征值；基于多个特征值，获得检测统计量，当所述检测统计量大于门限值时，弱小目标存在，否则，所述弱小目标不存在。本发明能够获得比传统广义似然比检测方法更好的检测性能。
-
公开(公告)号：CN119959863A
公开(公告)日：2025-05-09
申请号：CN202510017397.3
申请日：2025-01-06
Applicant: 海南大学
IPC: G01S3/14 , G06F18/23 , G06F18/25 , G06F17/16 , G06N3/0464
Abstract: 本发明公开了一种基于多模态深度学习的双重混合结构的DOA估计方法及系统，具体为：构造全数字FD子阵列与异构混合H2AD结构相结合的双重MIMO接收机H2AD‑FD系统模型；通过对H2AD结构中的每个小组进行DOA估计产生多个候选角度集合；针对FD子阵列，采用多层深度学习算法或Root‑MUSIC方法计算辐射源方向粗略估计值；采用层次聚类方法从H2AD的候选角度集合中推断出每个小组对应的真解；基于最小均方误差原理设计最优加权融合算法，合成两部分真解，获得最终的DOA估计值。本发明能够快速消除相位模糊，并且具备高能效、低成本及低复杂度的测向性能。
-
公开(公告)号：CN118842497A
公开(公告)日：2024-10-25
申请号：CN202410813176.2
申请日：2024-06-21
Applicant: 海南大学
IPC: H04B7/08 , H04B7/0413 , G01S3/14 , G06F18/23213
Abstract: 本发明公开了一种基于加速局部加权K均值聚类的DOA估计方法及系统，具体为：首先建立基于新型的异构子链接混合模拟和数字大规模MIMO接收阵列的DOA估计系统模型；然后接收来自多个天线阵列的信号，进行信号的预处理，将预处理后的信号分组，并计算每个子阵列组的克拉美罗下界CRLB；接着对每个子阵列组使用root‑MUSIC方法，获得候选解集，对初始候选解集使用加速加权K均值聚类算法，通过局部搜索和递归更新，得到各组的真实解；最后将所有子阵列组得到的真实解合并，并通过加权平均算法得到最终的DOA估计。本发明降低了DOA估计的计算复杂度，加快了DOA估计过程，提高了DOA估计的准确性和可靠性，适用于大规模MIMO系统和未来低延迟、高可靠性的无线通信网络。
-
公开(公告)号：CN114966523A
公开(公告)日：2022-08-30
申请号：CN202210501397.7
申请日：2022-05-10
Applicant: 海南大学
Abstract: 本发明公开了一种大规模MIMO测向中基于幂迭代算法的DOA估计方法，该方法如下：定义远场发射器发射信号模型，并求出相应的接收信号y(t)；初始化相关参数，计算接收信号的协方差矩阵Ry，利用幂迭代方法求出主特征值λ1及主特征值所对应的主特征向量v1；利用所求出来的主特征向量v1作为信号子空间，并相应地求出噪声子空间，用求根多信号分类Root‑MUSIC算法和基于旋转不变技术的信号参数估计ESPRIT算法进行DOA估计。本发明基于幂迭代算法的估计方法，以幂迭代代替矩阵的特征值分解，且进一步分析了不同初始向量及相对误差的选择可减少不必要的迭代次数，在有效降低复杂度的同时达到了较高的测向准确度。
-
Patent Agency Ranking
公开(公告)号：CN118784044A
公开(公告)日：2024-10-15
申请号：CN202410810286.3
申请日：2024-06-21
Applicant: 海南大学
IPC: H04B7/08 , H04B7/0413 , G01S3/14
Abstract: 本发明公开了一种基于异构混合模数结构的大规模MIMO接收机DOA估计方法及系统，该方法为：初始化大规模MIMO接收机结构的基本参数；将天线阵列划分为多个独立的小组，每个小组采用相异的混合模数结构；通过对每个小组的虚拟天线阵列进行独立的DOA估计，产生多个候选角度集合，其中每个候选角度集合包含唯一真解以及多个伪解；对多个候选角度集合采用交叉距离最小的方法挑选出每个小组对应的真解，通过对多个真解进行加权合并，得到最终的DOA估计。所述系统包括初始化、小组划分、候选角度集合生成和DOA估计这几个模块。本发明对降低了大规模MIMO接收机DOA估计的硬件成本，能够实现快速的相位模糊消除，提高了DOA估计的精度和效率，并且能够根据实际的性能以及电路成本的需求，动态的调整小组天线数及子阵数，灵活性高。
-
公开(公告)号：CN113917388A
公开(公告)日：2022-01-11
申请号：CN202111152995.X
申请日：2021-09-29
Applicant: 海南大学
Abstract: 本发明提供一种使用混合ADC的DOA估计方法，包括下列步骤：将雷达阵列中的N副天线分成K个子阵，每个子阵中具有M副天线，至少一个雷达子阵列获得接收信号，并对所述接收信号的采样协方差进行奇异值分解，获得多个特诊值，基于多个特征值，判断是否检测到目标；若检测到目标，将所述接收信号通过模拟移相器进行模拟波束形成频带信号，通过射频链将频带信号转换为基带信号，然后通过模数转换器被量化为数字信号，对所述数字信号进行DOA估计。
-
公开(公告)号：CN119025938A
公开(公告)日：2024-11-26
申请号：CN202410810287.8
申请日：2024-06-21
Applicant: 海南大学
IPC: G06F18/23 , H04B7/0413 , G01S3/14
Abstract: 本发明公开了一种基于异构混合大规模MIMO接收阵列的相位模糊消除方法及系统，该方法为：首先建立基于异构混合大规模MIMO接收阵列的DOA估计系统模型；然后在模型的基础上，利用根多信号分类方法对所有子阵列组进行DOA估计生成候选解集，并将该解集分为真解和伪解两类；最后采用加权全局最小距离聚类方法来消除模糊相位，推断真解的聚类，合并真解，输出最终的估计值，并通过推导出真解的CRLB来评估DOA估计的性能。所述系统包括模型建立模块、候选解集生成模块和模糊相位消除模块。本发明提高了基于异构混合大规模MIMO接收阵列的相位清晰度，提高了DOA估计性能，降低了计算复杂度，适应性和灵活性强，可扩展性强。
-
公开(公告)号：CN118779679A
公开(公告)日：2024-10-15
申请号：CN202410810291.4
申请日：2024-06-21
Applicant: 海南大学
IPC: G06F18/2321 , H04B7/08 , H04B7/0413 , G06F17/10 , G01S3/14
Abstract: 本发明公开了一种基于MIMO模数混合异构的加权局部最小距离聚类DOA估计方法及系统，该方法为：构造多输入多输出即MIMO模数混合异构网络的系统模型；进行信源方向估计；利用加权局部最小距离聚类即WLMD方法求解最终的信源方向估计值。所述系统包括模型构造模块、信源方向估计模块和最终估计值求解模块。本发明首先提出了一种异构的MIMO模数混合结构，并基于此结构进一步提出了一种结合了机器学习的全新DOA估计方法，即加权局部最小距离聚类方法，从而消除了相位模糊，进一步提升了DOA估计的准确度，具有估计效率高、复杂度低的优点。
-
公开(公告)号：CN118760915A
公开(公告)日：2024-10-11
申请号：CN202410810294.8
申请日：2024-06-21
Applicant: 海南大学
IPC: G06F18/2321 , G01S3/14 , G06F17/10
Abstract: 本发明提供了一种基于改进密度聚类的混合MIMO阵列快速DOA真解检测方法及系统，该方法为：建立混合MIMO系统模型；针对接收的信号利用Root‑MUSIC算法进行DOA估计，生成候选解集合并转换为一维角度信息；将一维角度信息转换为二维散点图，采用改进的密度聚类算法求出真实解集；将得到的真实解集合代入DOA估计方程中得到真实的信号方位。所述系统包括模型建立、候选解集合生成、真实解集求解和信号方位计算模块。本发明采用改进的密度聚类算法，通过调整参数确保同一解集中的点不会直接聚为一组，通过二分法确定最大可达点数，进一步优化了聚类过程，显著提高了DOA真解检测的速度和准确性，同时保持了较低的计算复杂度，适用于低延迟和低功耗的无线通信系统。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.021 seconds)
