-
公开(公告)号：CN119001649A
公开(公告)日：2024-11-22
申请号：CN202411097005.0
申请日：2024-08-12
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种重尾噪声环境下的扫描雷达目标轮廓重建方法，首先建立回波信号模型，为了有效抑制重尾噪声影响，在最小绝对收缩和选择算子中引入最小绝对偏差约束准则建立目标函数；其次，基于协方差拟合准则，分别构造信号和噪声加权矩阵将该问题等价转化，实现最优正则化参数选取，然后，在稀疏模型的基础上引入全变分约束，通过调整全变分约束的权重可以更好地实现角分辨率和目标轮廓恢复的均衡，采用凸优化求解包对凸优化问题进行求解。与现有方法相比，该方法在重尾噪声环境下不仅具有较高的角分辨率，同时具有良好的重建目标轮廓的能力。
-
公开(公告)号：CN118884419A
公开(公告)日：2024-11-01
申请号：CN202410905340.2
申请日：2024-07-08
Applicant: 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似然估计的机载扫描雷达大斜视稀疏超分辨成像方法，首先构建机载扫描雷达大斜视成像几何回波模型，再基于极大似然估计原理，推导出负对数似然函数，通过最小化负对数似然函数来估计目标散射函数，最后利用梯度下降方法来求解出目标散射和噪声功率。本发明的方法解决了现有技术手段手动调整超参数和成像分辨率低的问题，克服了现有超分辨方法手动超参数调整的问题，在保证成像分辨率的同时，实现无超参数调整。
-
公开(公告)号：CN113311404A
公开(公告)日：2021-08-27
申请号：CN202110581322.X
申请日：2021-05-27
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G01S7/41
Abstract: 本发明公开一种时分复用MIMO雷达实时角分辨率提升方法，应用于雷达成像技术领域，针对TDM‑MIMO雷达实时角分辨提升难题，本发明首先建立MIMO天线子孔径更新信号模型，将角分辨率提升的高维批处理问题转化为低维在线处理问题；然后采用循环最小化参数估计方法进行稀疏目标源定位，推导源目标估计最优解；最后根据估计公式建立递归关系，利用发射天线对应的子孔径接收块数据，依次递归更新稀疏重建结果，实现在线更新。与传统成像技术相比，本发明不仅可以有效提高成像分辨率，还大幅降低了计算复杂度，可用于实时信号处理。
-
公开(公告)号：CN118566843A
公开(公告)日：2024-08-30
申请号：CN202410637133.3
申请日：2024-05-22
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开一种基于FPGA的毫米波MIMO雷达快速超分辨方法，应用于雷达成像领域，针对现有的超分辨方法计算复杂度高，计算耗时长，无法应用于实际工程领域，本发明设计了一种超分辨方法的FPGA并行处理架构。该并行架构通过雷达射频前端采集稀疏场景目标回波信号，并且通过高速接口将数据传输到FPGA端；FPGA解析并将数据缓存到内存中，然后将数据读取到信号处理模块；采用硬件设计计算辅助向量；由辅助向量计算中间变量；最后通过迭代计算并且更新角度估计值和辅助向量。通过实验验证了本发明克服了现有的超分辨方法计算复杂度高，难以硬件实现的缺陷，极大地降低计算复杂度和缩短了计算耗时。
-
公开(公告)号：CN117093950A
公开(公告)日：2023-11-21
申请号：CN202311056932.3
申请日：2023-08-21
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种无参数融合LASSO模型求解方法，首先建立线性信号模型，通过全变差算子与稀疏范数相结合构建一种融合LASSO模型，再重定义融合LASSO模型，通过计算归一化加权矩阵，根据协方差拟合准则，在均匀噪声情况和非均匀噪声情况下分别构建一种无参数融合LASSO求解模型，最后通过对无参数融合LASSO模型的求解，实现目标稀疏重建。本发明方法融合了全变差算子与稀疏范数约束，在实现信号稀疏重建的同时还能够保持目标边缘信息，相比现有LASSO模型具有更好的尺度恢复能力，同时构建了基于协方差拟合准则的无参数求解方法，避免了求解过程中复杂的正则化参数选择问题。
-
Patent Agency Ranking
公开(公告)号：CN117036835A
公开(公告)日：2023-11-10
申请号：CN202311052951.9
申请日：2023-08-21
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06V10/766 , G06T5/00
Abstract: 本发明公开了一种无参数二维融合LASSO模型求解方法，首先构建二维信号模型，将二维信号模型列化处理，然后将全变差范数与稀疏范数相融合并分别对二维数据的行和列添加约束，构建二维融合LASSO模型，再根据协方差拟合准则计算归一化加权矩阵，计算出模型中的最优正则化参数，推导出无参数二维融合LASSO模型，最后通过CVX工具箱进行求解。本发明的方法重建效果优于现有二维融合LASSO模型方法，通过建立一种无参数二维融合LASSO模型，解决现有二维融合LASSO模型中正则化参数的最优选择难题，在计算过程中不需要正则化参数的选取，扩展了本发明方法的应用范围。
-
公开(公告)号：CN116299193A
公开(公告)日：2023-06-23
申请号：CN202310273094.9
申请日：2023-03-15
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G01S7/02 , G01S7/41 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种MIMO雷达智能DOA估计方法，首先建立稀疏场景下的集中式MIMO雷达回波模型，构建深度展开网络的迭代过程和单层网络结构，再构建基于深度神经网络的降噪自编码器，通过训练深度展开网络，得到重构的空间谱，最后对重构的空间谱进行谱峰搜索，实现DOA估计。本发明的方法通过训练深度神经网络来学习数据中的隐性特征以增强DOA估计的鲁棒性，并对网络模型赋予可解释性使得模型泛化能力提升，不仅能够保证低信噪比和单快拍采样时DOA估计的估计精度和鲁棒性，而且在波束锐化和旁瓣抑制方面有显著的效果。
-
公开(公告)号：CN114200411A
公开(公告)日：2022-03-18
申请号：CN202111507596.0
申请日：2021-12-10
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种MIMO雷达多目标测速扩展方法，包括以下步骤：步骤一、建立MIMO雷达系统模型；步骤二、结合锯齿波和三角波特性设计FMCW波形，并发射FMCW波；步骤三、对锯齿波回波信号进行2D‑FFT处理，得到不同目标在三角波距离维频谱的搜索中心；步骤四、在三角波回波中寻找动目标的谱峰进行配对后解速度模糊；步骤五、进行动目标DOA估计。本发明结合传统对称三角波和经典多周期锯齿波的二者特性，设计出能更精确提取目标信息的FMCW波形，简化了计算，得到了不错的MIMO雷达角分辨率。在保证目标DOA估计精度的条件下，提高了测速上限，实现多目标测速扩展。相比于经典三角波或多周期锯齿波方法，对于MIMO雷达在动目标测速、定位方面能达到更好的性能。
-
公开(公告)号：CN117274099A
公开(公告)日：2023-12-22
申请号：CN202311278845.2
申请日：2023-10-07
Applicant: 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无超参数全变差均衡约束的图像去噪方法，首先建立基于列化处理的全变差图像去噪模型，接着构建全变差图像去噪代价函数，然后根据协方差拟合准则，导出全变差稀疏约束的最优均衡加权矩阵，并得出一种无超参数平衡全变差图像去噪代价函数，最后通过凸优化工具实现最优迭代求解。本发明的方法通过对无超参数均衡全变差图像去噪代价函数进行求解，在实现均匀去噪，不损失去噪效果的同时，解决了现有全变差去噪方法中正则化参数的最优选择难题。
-
公开(公告)号：CN113311404B
公开(公告)日：2023-01-31
申请号：CN202110581322.X
申请日：2021-05-27
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G01S7/41
Abstract: 本发明公开一种时分复用MIMO雷达实时角分辨率提升方法，应用于雷达成像技术领域，针对TDM‑MIMO雷达实时角分辨提升难题，本发明首先建立MIMO天线子孔径更新信号模型，将角分辨率提升的高维批处理问题转化为低维在线处理问题；然后采用循环最小化参数估计方法进行稀疏目标源定位，推导源目标估计最优解；最后根据估计公式建立递归关系，利用发射天线对应的子孔径接收块数据，依次递归更新稀疏重建结果，实现在线更新。与传统成像技术相比，本发明不仅可以有效提高成像分辨率，还大幅降低了计算复杂度，可用于实时信号处理。
-
-
-
-
-
-
-
-
-
Search Results
208
records
(took 0.113 seconds)
