公开(公告)号：CN115314130A

公开(公告)日：2022-11-08

申请号：CN202110502499.6

申请日：2021-05-08

Applicant: 网络通信与安全紫金山实验室

Inventor： 刘升恒 ,  黄永明 ,  王昊 ,  倪天恒 ,  毛子焕 ,  贾兴华 ,  齐望东

IPC: H04B17/12 ,  H04B17/21 ,  G01S7/40

Abstract: 本申请公开了一种基线校准方法、装置、网络侧设备及存储介质，属于通信领域，本申请实施例的基线校准方法包括：获取接收信号，得到所述接收信号与预设基准坐标系法线之间的第一夹角；在判决所述接收信号属于视距传输场景的情况下，计算所述接收信号的噪声子空间；从基线误差估计集合中，不重复的获取N个基线误差估计角，将所述噪声子空间、所述第一夹角和每个所述基线误差估计角作为一组执行数据，获得N组执行数据；根据所述N组执行数据，计算得到N组优化函数值；输出N组优化函数值中最大值对应的基线误差估计角，N为正整数。

公开(公告)号：CN113472415A

公开(公告)日：2021-10-01

申请号：CN202111024093.8

申请日：2021-09-02

Applicant: 网络通信与安全紫金山实验室

Inventor： 刘升恒 ,  黄永明 ,  王昊 ,  毛子焕 ,  贾兴华 ,  齐望东

IPC: H04B7/08 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种信号到达角估计方法、装置、电子设备及存储介质，所述方法包括：确定待估计的阵列信号；将所述待估计的阵列信号输入至信号到达角估计模型，获得所述信号到达角估计模型输出的信号到达角的估计结果；其中，所述信号到达角估计模型是基于贝叶斯神经网络，并根据损失函数进行训练得到的，所述损失函数是基于变分估计中的相对熵KL散度计算得到。本发明通过将贝叶斯神经网络引入信号到达角估计模型中，基于变分估计中的KL散度计算损失函数，将损失函数作为神经网络的优化目标函数，为神经网络的权重引入了不确定性，提高了信号到达角估计模型的鲁棒性和信号到达角的估计精度。

公开(公告)号：CN113472415B

公开(公告)日：2021-12-28

申请号：CN202111024093.8

申请日：2021-09-02

Applicant: 网络通信与安全紫金山实验室

Inventor： 刘升恒 ,  黄永明 ,  王昊 ,  毛子焕 ,  贾兴华 ,  齐望东

IPC: H04B7/08 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种信号到达角估计方法、装置、电子设备及存储介质，所述方法包括：确定待估计的阵列信号；将所述待估计的阵列信号输入至信号到达角估计模型，获得所述信号到达角估计模型输出的信号到达角的估计结果；其中，所述信号到达角估计模型是基于贝叶斯神经网络，并根据损失函数进行训练得到的，所述损失函数是基于变分估计中的相对熵KL散度计算得到。本发明通过将贝叶斯神经网络引入信号到达角估计模型中，基于变分估计中的KL散度计算损失函数，将损失函数作为神经网络的优化目标函数，为神经网络的权重引入了不确定性，提高了信号到达角估计模型的鲁棒性和信号到达角的估计精度。