-
Patent Agency Ranking
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：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。
-
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。
-
-
-
-
Search Results
5
records
(took 0.023 seconds)
