-
公开(公告)号：CN119150663A
公开(公告)日：2024-12-17
申请号：CN202411141352.9
申请日：2024-08-20
Applicant: 电子科技大学 , 电子科技大学长三角研究院(衢州)
IPC: G06F30/27 , G01S7/36 , G01S7/02 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种基于复圆流形网络的MIMO雷达单模波形设计，属于波形设计领域。本发明提供了一种基于模型的复圆流形网络，利用两个梯度下降模型的优势，以在有限的数据学习。本发明将波形设计问题表述为复圆流形上的无约束二次分数阶问题，为了解决该问题，将梯度下降算法作为复圆流形上的网络层展开，并自适应学习步长；此外，针对实际系统中采用的离散相位，本发明设计了一个软量化LCCM网络，其中设计了一个低分辨率的非均匀量化器来量化相位，该量化器依赖于一个独特设计的软阶梯函数，其结合了可学习的参数，允许其自适应地微调决策区域。本发明一方面无需松弛且计算成本降低，另一方面，采用低分辨率非均匀量化器进行相位量化，提高了发射机的效率。
-
公开(公告)号：CN119026359A
公开(公告)日：2024-11-26
申请号：CN202411141351.4
申请日：2024-08-20
Applicant: 电子科技大学 , 电子科技大学长三角研究院(衢州)
IPC: G06F30/20 , G01S7/02 , G06F17/18 , G06F119/02
Abstract: 本发明所公开了一种基于黎曼积流形框架的恒模波形与接收滤波器的联合设计，属于雷达领域。在本发明中，通过构造一个黎曼积流形框架可以无需松弛直接对接收滤波器和发射波形进行联合设计的优化问题进行松弛处理，从而避免松弛处理所导致的近似误差，当需要根据期望的AF图对接收滤波器和发射波形进行联合设计，本发明基于模糊函数赋型的黎曼积流形法进行实现，该实现方式是一种基于失匹配滤波的无松弛方法。本发明首先构造了一种黎曼积流形(RPM)以同时满足恒模约束和能量约束；然后，将接收滤波器和发射波形进行联合设计的优化问题转化为RPM上的无约束优化问题；最后，再通过RPM的并行共轭梯度算法进行求解，基于求解结果得到最终的最优发射波形和最优接收滤波器。本发明所设计的发射波形可以获得更深的模糊函数凹口，且对弱目标探测的性能更好。
-
公开(公告)号：CN118962599A
公开(公告)日：2024-11-15
申请号：CN202411177164.1
申请日：2024-08-26
Applicant: 电子科技大学 , 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种基于迭代优化网络法的恒模MIMO雷达波形设计，涉及雷达技术领域。本发明包括：制定加权综合目标函数，其为加权峰值旁瓣和加权积分旁瓣电平的线性组合；通过改变加权综合目标函数的权重系数，以转化为波形优化问题，最小化加权综合目标函数的问题很复杂，现有的方法无法直接解决；本发明利用深度学习网络提出了一种无监督双迭代优化网络，首先通过外部迭代更新输入波形；然后内迭代通过残差网络优化波形；最后通过不断更新和优化，在满足收敛条件的情况下，得到所需的波形序列。与现有方法相比，本发明所设计出的波形具有更低的加权最大自相关旁瓣加权最大互相关旁瓣，并且计算成本更低。
-
公开(公告)号：CN118984165A
公开(公告)日：2024-11-19
申请号：CN202411044149.X
申请日：2024-07-31
Applicant: 电子科技大学 , 电子科技大学长三角研究院(衢州)
IPC: H04B1/40 , G01S7/41 , G01S7/36 , H04B17/391 , H04B17/336
Abstract: 本发明公开了一种基于乘积复圆球流形方法的ISAC系统稳健收发器设计，属于波形设计领域。本发明采用稳健的ISAC收发器设计模型解决恒模约束的收发器设计时的先验传感信息不足的问题；该模型为联合最大化用于感测的平均信号干扰加噪声比和用于通信的可实现和速率，服从用于发射码的CMC和用于接收滤波器的球面约束；并基于本发明所提出的不带松弛和矩阵反演的乘积复圆球面流形法对所构建的模型进行优化求解，以实现并行优化发射码和接收滤波器的优化目标，本发明在提高了感知SINR和通信ASR的同时，显著降低了其优化处理的复杂度；与非鲁棒设计相比，感知SINR和通信ASR均有所提升。
-
Patent Agency Ranking
公开(公告)号：CN119070868A
公开(公告)日：2024-12-03
申请号：CN202411177163.7
申请日：2024-08-26
Applicant: 电子科技大学 , 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种基于并行乘积复圆流形的RIS辅助的ISAC波形设计，属于波形设计技术领域。本发明的目标是同时使雷达的波束方向图匹配误差和可重构智能表面RIS辅助的通信多用户干扰最小。本发明利用波形和RIS辅助的自然恒模特性，设计了并行乘积复圆流形框架，将基于同时使雷达的波束方向图匹配误差和RIS辅助的通信多用户干扰最小的波形设计优化问题在并行乘积复圆流形框架上转换为无约束耦合四元问题，并基于并行共轭梯度法来并行优化波形和RIS辅助。与现有方法相比，本发明以更少的计算成本实现了更好的综合性能，实现借助RIS为ISAC系统的所有用户提供服务的同时提高雷达的多目标探测性能。
-
公开(公告)号：CN116208450A
公开(公告)日：2023-06-02
申请号：CN202310212270.8
申请日：2023-03-01
Applicant: 电子科技大学长三角研究院(衢州)
IPC: H04L25/03
Abstract: 本申请公开了基于加速坐标下降法的RIS辅助多用户干扰抑制方法，涉及通信技术领域，本方法包括，构建用户通过可重构智能表面交换信息的信号模型，基于信号模型，在恒模约束下，构建求解RIS元件配置的问题；通过对所述求解RIS元件配置的问题重构为具有恒模约束的二次代价函数，然后对所述具有恒模约束的二次代价函数转化为具有多个一维子问题的可分解问题；对所述具有多个一维子问题的可分解问题求解，获取所述求解RIS元件配置的问题的解。本申请与现有方法相比，能更有效的抑制多用户互干扰，提高用户到达率。
-
公开(公告)号：CN116389202A
公开(公告)日：2023-07-04
申请号：CN202310212429.6
申请日：2023-03-07
Applicant: 电子科技大学长三角研究院(衢州)
IPC: H04L25/03
Abstract: 本申请公开了快速连续上界最小化法的RIS辅助多用户干扰抑制方法，涉及通信技术领域，本方法包括，用户通过可重构智能表面交换信息，在恒模约束下，构建求解RIS元件配置的问题；通过对所述求解RIS元件配置的问题重构为具有恒模约束的二次代价函数，然后对所述具有恒模约束的二次代价函数寻找代理函数，通过连续上界最小化算法求得次优解；对所述通过连续上界最小化算法求得次优解通过平方迭代加速求和得到关于RIS元件配置的问题的解；配置RIS元件信息，实现用户在可重构智能表面交换信息。能更有效地抑制多用户互干扰(MUI)，提高用户到达率。此外计算复杂度低，用时少。
-
公开(公告)号：CN117255355A
公开(公告)日：2023-12-19
申请号：CN202310933942.4
申请日：2023-07-27
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本申请公开了一种可重构智能表面辅助通感一体化中的波形生成方法和系统，涉及波束形成领域，本申请包括建模RIS辅助的集成部署通信与雷达感知功能的波形设计，所述波形设计用于对用户服务并在干扰下提高的雷达的SINR；优化所述建模的波形设计中的波形和RIS相移；获取通信干扰和雷达干扰抑制性能同时最优的波形设计模型；采用交替块坐标下降算法迭代满足预设阈值收敛的波形。本申请在恒模约束下找出使雷达SINR最大、通信MUI最小的最优发射波形及RIS上的相移，实现对波形更好的优化；本申请能够同时有效抑制雷达和通信的干扰，同时实现通信、感知的性能最优。
-
公开(公告)号：CN118427522A
公开(公告)日：2024-08-02
申请号：CN202410515195.7
申请日：2024-04-26
Applicant: 电子科技大学
IPC: G06F18/10 , G06F18/214 , G06N3/084 , G06N3/0499 , G01S7/41
Abstract: 本发明公开了基于模型深度学习网络的弹性多普勒互补序列设计方法，包括以下步骤：S1.进行弹性多普勒互补序列设计建模，构建CMC与EC约束下的双变量问题；S2.构建统一约束空间，将双变量问题转换为无约束的优化问题；S3.将转换后的问题的目标函数作为深度学习网络的损失函数，构建模型驱动的深度学习网络来求解。本发明通过将CMC和EC相结合，构造了一个统一的约束空间，并将该问题转化为该空间上的无约束优化问题；然后，我们推导了双变量的并行梯度，并将GP算法构造为深度学习网络的展开层；最后，我们将该问题的目标函数作为网络的损失函数，并通过自适应更新GP算法迭代步长，实现了该问题的并行优化。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.033 seconds)
