基于压缩感知理论的双基地MIMO雷达成像方法

    公开(公告)号:CN108717189A

    公开(公告)日:2018-10-30

    申请号:CN201810554700.3

    申请日:2018-06-01

    Abstract: 本发明属于雷达技术领域,公开了一种基于压缩感知理论的双基地MIMO雷达成像方法,包括:获取雷达回波数据;计算得到压缩感知信号模型下的理想观测矩阵;利用理想观测矩阵和雷达回波数据,进行稀疏重构,得到目标信号的稀疏估计值;根据理想观测矩阵以及目标信号的稀疏估计值,确定实际观测矩阵;利用实际观测矩阵进行稀疏重构,得到目标信号的稳健估计值;计算迭代误差值,若迭代误差值不满足要求,则继续根据本次迭代得到目标信号估计值和实际观测矩阵,进行稀疏重构,直到误差值满足要求。本发明在阵列存在幅度误差和相位误差的时,仍然能够获得稳健的成像结果。

    基于压缩感知理论的双基地MIMO雷达成像方法

    公开(公告)号:CN108717189B

    公开(公告)日:2022-07-15

    申请号:CN201810554700.3

    申请日:2018-06-01

    Abstract: 本发明属于雷达技术领域,公开了一种基于压缩感知理论的双基地MIMO雷达成像方法,包括:获取雷达回波数据;计算得到压缩感知信号模型下的理想观测矩阵;利用理想观测矩阵和雷达回波数据,进行稀疏重构,得到目标信号的稀疏估计值;根据理想观测矩阵以及目标信号的稀疏估计值,确定实际观测矩阵;利用实际观测矩阵进行稀疏重构,得到目标信号的稳健估计值;计算迭代误差值,若迭代误差值不满足要求,则继续根据本次迭代得到目标信号估计值和实际观测矩阵,进行稀疏重构,直到误差值满足要求。本发明在阵列存在幅度误差和相位误差的时,仍然能够获得稳健的成像结果。

    一种基于AU-Net的ISAR增强成像方法
    3.
    发明公开

    公开(公告)号:CN117890906A

    公开(公告)日:2024-04-16

    申请号:CN202410065162.7

    申请日:2024-01-17

    Abstract: 一种基于AU‑Net的ISAR增强成像方法,包括以下步骤;步骤1,根据随机散射点模型仿真生成ISAR回波数据,并通过随机加噪、降采样及成像预处理构建ISAR图像训练集;步骤2,通过向U‑Net结构中引入注意力机制构建用于ISAR稀疏高分辨成像的AU‑Net成像网络,并初始化网络模型参数;步骤3,根据构建的AU‑Net成像网络设计ISAR成像损失函数;步骤4,制定ISAR增强成像训练策略进行训练,更新AU‑Net成像网络模型参数以获得最优ISAR高分辨成像模型;步骤5,获取仿真/实测目标ISAR回波数据,并进行与步骤1同样的预处理操作构建ISAR图像测试集,通过所得最优ISAR高分辨成像模型即可实现ISAR增强成像。本发明能够在低信噪比及数据缺失条件下提升ISAR成像性能,并进一步提高对于弱散射点的恢复能力。

    一种宽带阵列主瓣干扰抑制方法
    5.
    发明公开

    公开(公告)号:CN116381615A

    公开(公告)日:2023-07-04

    申请号:CN202211709760.0

    申请日:2022-12-29

    Abstract: 本发明公开了一种宽带阵列主瓣干扰抑制方法,步骤如下:S1:对接收信号模型采用泰勒估计方法获得精度更高的协方差矩阵;S2:对S1得到的协方差矩阵进行特征值分解并构造特征投影矩阵;S3:对接收信号进行特征投影矩阵预处理并得到频域输出;S4:采用聚焦变换将宽带信号转化为窄带信号,然后对窄带信号协方差矩阵进行重构;S5:在主瓣范围内权矢量投影不变的前提下求得窄带信号的最优权向量;S6:通过聚焦逆变换求得宽带各频率对应的最优权向量,对去除主瓣干扰的宽带信号进行加权;S7:计算得到新的频域输出,再对新的频域输出进行反傅里叶变换,完成宽带主瓣干扰抑制自适应波束形成。本发明采用上述方法,能有效地抑制主瓣干扰,减小运算量。

    基于雷视融合的车辆目标快速检测方法

    公开(公告)号:CN115457237A

    公开(公告)日:2022-12-09

    申请号:CN202211248779.X

    申请日:2022-10-12

    Abstract: 本发明公开了基于雷视融合的车辆目标快速检测方法,首先,将毫米波雷达经过预处理后的点云信息映射到图像像素坐标系中,得到雷达探测到的目标点云速度信息在图像上的分布;其次,利用雷达采集到的点云速度信息进行区域补偿,为图像内全部像素点赋予对应的速度信息;然后,提取图像所有像素点的RGB分量值和每个像素点在图像上的坐标位置信息,接着对RGB分量值、坐标位置、速度信息这五个维度特征信息进行融合,共同张成一组特征向量,确定聚类中心数K和K个初始聚类中心向量,再运用Kmeans算法实现像素点云聚类,分离目标像素点与背景像素点,并输出分类后结果;最后,对分类结果进行车辆目标提取,实现单帧车辆快速检测。

    一种基于神经网络消息传递的MIMO信号检测方法

    公开(公告)号:CN116566524B

    公开(公告)日:2025-05-02

    申请号:CN202310559699.4

    申请日:2023-05-18

    Abstract: 本发明公开了一种基于神经网络消息传递的MIMO信号检测方法,涉及通信技术领域,包括以下步骤:S1:基站端接收到用户端发送的信号;S2:利用神经网络对MIMO系统进行建模,基于MIMO系统的信号流设计神经网络架构,设计一个深度神经网络模型模拟硬件缺陷和多用户干扰;S3:开发一种高效的基于消息传递的贝叶斯检测器MP‑NN;S4:turbo接收机的实现。本发明采用上述方法,为复杂输入输出关系的通信系统实现贝叶斯信号检测;利用神经网络对MIMO系统进行建模,基于MIMO系统的信号流设计神经网络架构,最大限度地减少神经网络层和参数的数量,用因子图表示训练后的神经网络,并利用酉近似消息传递UAMP算法设计了一种高效的基于消息传递的贝叶斯信号检测器。

    一种基于交叉熵模糊聚类的多目标跟踪数据关联方法

    公开(公告)号:CN115356718B

    公开(公告)日:2024-07-26

    申请号:CN202211066459.2

    申请日:2022-09-01

    Abstract: 本发明公开了一种基于交叉熵模糊聚类的多目标跟踪数据关联方法,包括以下步骤:获取当前帧的量测点迹和目标航迹的预测点,以航迹的预测点为波门中心设置跟踪波门,根据落入波门内的量测点情况筛选有效量测,并构造确认矩阵‑根据步骤1所得到的目标航迹和量测点迹数据,以波门中心为聚类中心,得到各量测点迹与目标航迹的隶属度矩阵,‑根据确认矩阵,对公共波门内的量测点进行隶属度修正处理,利用修正后的隶属度矩阵进行后续目标状态的滤波更新。本发明采用上述基于交叉熵模糊聚类的多目标跟踪数据关联方法,通过引入交叉熵模糊聚类和基于特征散度的修正因子,在有效降低算法计算量的同时,充分挖掘了特征信息,保证了目标跟踪的关联精度。

Patent Agency Ranking