毫米波MIMO混合预编码器的模型基深度学习网络方法

    公开(公告)号:CN116996100A

    公开(公告)日:2023-11-03

    申请号:CN202310973857.0

    申请日:2023-08-04

    Abstract: 本申请公开了毫米波MIMO混合预编码器的模型基深度学习网络方法,本申请包括,对包括收/发端的模拟/数字预编码的混合编码器设计,构建最大化MIMO雷达频谱效率的优化模型,包括:转换至黎曼流形下,将梯度投影算法展开为MDL‑Net的模型层,对模拟预编码器的优化;在下一个网络层,对梯度下降获取的可行解逆向量化,获取网络损失函数,根据网络损失函数采用优化器训练步长,返回训练后步长与可行解至第一个网络层,梯度下降至收敛或达到最大循环次数,将输出结果逆向量化,得到优化的模拟预编码,固定模拟预编码相位,基于发射端模拟/数字预编码的能量约束,归一化输出满足优化模型的模拟/数字预编码。提升毫米波MIMO通信系统的频谱效率。

    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

    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

    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。

    用于毫米波通信系统中混合预编码器设计的快速优化方法

    公开(公告)号:CN117150728A

    公开(公告)日:2023-12-01

    申请号:CN202310975476.6

    申请日:2023-08-04

    Abstract: 本申请公开了用于毫米波通信系统中混合预编码器设计的快速优化方法,本申请包括,射频模拟预编码矩阵满足恒模约束,混合预编码矩阵满足用于限制发射信号的传输功率的能量约束;设置满足恒模约束和能量约束的问题模型,所述问题模型为衡量混合预编码矩阵与最优无约束数字预编码矩阵的最小化相似程度的问题模型;对问题模型根据参数的性能指标进行联合优化获取优化模型;采用交替优化结构求解所述优化模型,基于求解结果,获取毫米波MIMO系统的基带数字预编码矩阵和射频模拟预编码矩阵。本申请能够在保证频谱效率优化结果不衰减的同时,将计算复杂度降低约一个数量级,更有利于进行硬件实现。

    基于黎曼自适应梯度的MIMO雷达恒模波形设计方法

    公开(公告)号:CN117290996A

    公开(公告)日:2023-12-26

    申请号:CN202310964787.2

    申请日:2023-08-02

    Abstract: 本申请公开了基于黎曼自适应梯度的MIMO雷达恒模波形设计方法,本申请涉及雷达技术领域,包括:对恒模约束下最大化SINR的波形建立优化模型,根据历史梯度的信息自适应调整步长和加速收敛速度,求解优化模型,获取收敛的波形。本申请提供的一种基于黎曼自适应梯度的MIMO雷达恒模波形设计方法,避免了发射波形的非线性失真。在性能和收敛性上找到平衡点,能够获得更大的SINR同时收敛速度更快,在发射方向图上也能够获得主瓣增益和零陷深度的优势,更利于提高MIMO雷达对目标的探测性能。具有强干扰抑制,计算时间较短的优异效果。

    一比特DAC高精度DOA估计的MIMO雷达波形设计

    公开(公告)号:CN117148310A

    公开(公告)日:2023-12-01

    申请号:CN202310983141.9

    申请日:2023-08-03

    Abstract: 本申请公开了一比特DAC高精度DOA估计的MIMO雷达波形设计,涉及雷达技术领域,本申请包括,在远场条件下,对MIMO雷达的配备两个一比特DAC的发射天线的波形,建立波形设计问题,对波形设计问题进行变量分离、问题转换,提出一比特交替优化框架去求解转换后的波形设计问题,在优化框架中提出一种低复杂度的ADMM方法,依据KKT条件,在每次迭代中获得波形矩阵的闭式解。本申请提供的波形设计形成的空间谱在目标位置处具有更尖锐的谱峰,从而能够获得更高的分辨率,本申请提供的波形设计方法具有更高的DOA估计精度,并且RMSE曲线更接近理论下界。

    软量化模型驱动深度学习的MIMO雷达多相波形设计

    公开(公告)号:CN117055007A

    公开(公告)日:2023-11-14

    申请号:CN202310973253.6

    申请日:2023-08-03

    Abstract: 本申请公开了软量化模型驱动深度学习的MIMO雷达多相波形设计,涉及雷达技术领域,本申请包括,建立发射波形的最小化空域积分旁瓣电平比的优化模型;在深度学习框架中构造优化模型的损失函数,利用Adam优化器去优化损失函数,得到波形矩阵,其中,采用具有自适应量化阈值的软量化方法获得多相波形。本申请可以获取更低的ISLR值,在发射方向图上也能够获得较深的零陷深度和较低的峰值旁瓣电平,更利于提高MIMO雷达对目标的探测性能。

Patent Agency Ranking