一种利用信号非圆特性的波束形成方法

    公开(公告)号:CN107241131B

    公开(公告)日:2020-11-13

    申请号:CN201710408514.4

    申请日:2017-06-02

    Abstract: 本发明属于电子信息技术领域中的波束形成方法,特别是一种利用信号非圆特性的波束形成方法。本发明方法首先对接收的非圆信号进行时域采样得到观测矢量;然后,对观测矢量取实部和虚部获得了一个扩展的观测矢量的信号模型;再将搜索空域范围和非圆相位按角度划分网格获得权向量矩阵,并将其与扩展的观测矢量做内积,画出接收信号的三维方向图,该图最大值点对应的方位角和非圆相位即为非圆信号的波达方向和非圆相位的估计值;最后把来波方向估计值与信号的非圆系数结合,构造目标信号加权向量函数,然后求得期望信号方向图。基于信号非圆特性波束形成方法利用非圆特性做选择,滤除干扰信号,从而显著减少干扰对感兴趣信号DOA估计的影响。

    一种室内定位方法
    32.
    发明公开

    公开(公告)号:CN111885703A

    公开(公告)日:2020-11-03

    申请号:CN202010704495.1

    申请日:2020-07-21

    Abstract: 本发明属于室内定位技术领域,具体涉及一种室内定位方法。本发明公开了基于混构域迁移学习的室内定位方法,其中混构域是指源域和目标域共享一部分特征空间,但又独有部分特征的数据域,该方法能充分利用源域和目标域中的共有AP,对目标域中缺失的AP数据进行补充,既维持了源域和目标域的特征一致性,也保证了各特征数据之间不发生混叠,有效的提高了定位样本特征数据不足情况下的定位精度,因此,本发明可以在待定位样本特征数据不足的混合域中发挥非常重要的作用。

    一种细粒度指纹质量辅助下的复杂室内环境目标定位方法

    公开(公告)号:CN109068274B

    公开(公告)日:2020-06-16

    申请号:CN201811155793.9

    申请日:2018-09-30

    Abstract: 本发明属于室内定位技术领域,涉及一种细粒度指纹质量辅助下的复杂室内环境目标定位方法。本发明首先通过在每个格点采集RSS建立线离线纹库。在线上定位阶段,对于每一个测试样本根据目标信号和离线指纹库的相似性动态的构建支撑集,接着通过引入细粒度指纹质量对支撑集进行概率建模,得到概率模型,最后通过Gibbs‑EM算法迭代的求解概率模型,得到最终的位置估计。细粒度指纹质量充分挖掘了指纹在不同区域的优势,可以帮助模型选择可信度最高的位置估计,提高了定位精度。本方法基于传统的指纹定位,无需额外的指纹和硬件校正,有效克服复杂室内环境中由于环境变化造成的RSS波动问题。

    一种干涉仪被动定姿方法
    35.
    发明授权

    公开(公告)号:CN108801230B

    公开(公告)日:2019-11-01

    申请号:CN201810802098.0

    申请日:2018-07-20

    Abstract: 本发明属电子信息技术领域,涉及一种干涉仪被动定姿方法。本发明通过利用运动平台上的干涉仪在多个时刻测量的辐射源信号相位差对运动平台进行姿态测量。由于干涉仪仅需两个天线,在环境中只有一个辐射源而且辐射源位置信息未知的情况下,也能确定运动平台的姿态,因此与常用的平台姿态测量方法相比,本发明同时降低了平台姿态测量的成本和平台的系统复杂度,进而使其在现实环境中具有更好的实用性。

    一种基于多维拟合的多目标跟踪方法

    公开(公告)号:CN109239647A

    公开(公告)日:2019-01-18

    申请号:CN201811026116.7

    申请日:2018-09-04

    Abstract: 本发明提供一种基于多维拟合的多目标跟踪方法,该方法包括以下步骤:1)对待跟踪目标的位置通过高斯牛顿算法得到多个目标的DOA测试值,并对该测试值采用预测门限检验,2)采用卡尔曼滤波器对第一阶段的测试值进行平滑处理。本发明很大程度上减少了多目标跟踪问题中的计算量大的问题,并且能处理多目标位置出现交叉的跟踪问题。

    一种细粒度指纹质量辅助下的复杂室内环境目标定位方法

    公开(公告)号:CN109068274A

    公开(公告)日:2018-12-21

    申请号:CN201811155793.9

    申请日:2018-09-30

    Abstract: 本发明属于室内定位技术领域,涉及一种细粒度指纹质量辅助下的复杂室内环境目标定位方法。本发明首先通过在每个格点采集RSS建立线离线纹库。在线上定位阶段,对于每一个测试样本根据目标信号和离线指纹库的相似性动态的构建支撑集,接着通过引入细粒度指纹质量对支撑集进行概率建模,得到概率模型,最后通过Gibbs‑EM算法迭代的求解概率模型,得到最终的位置估计。细粒度指纹质量充分挖掘了指纹在不同区域的优势,可以帮助模型选择可信度最高的位置估计,提高了定位精度。本方法基于传统的指纹定位,无需额外的指纹和硬件校正,有效克服复杂室内环境中由于环境变化造成的RSS波动问题。

    一种位置候选集合生成方法及其高精度融合定位方法

    公开(公告)号:CN109040948A

    公开(公告)日:2018-12-18

    申请号:CN201810566349.X

    申请日:2018-06-04

    Abstract: 本发明公开了一种位置候选集合生成方法及其高精度融合定位方法,一种位置候选集合生成方法的步骤为先对待定位区域构建离线指纹库,基于离线指纹库离线训练指纹分类器,获取待定位目标附近AP的RSS值,得到实时的RSS向量,根据每个分类器对实测数据的格点位置预测概率矢量选取概率较大的多个位置估计构造位置候选集合,一种基于位置候选集合的高精度融合定位方法步骤为:根据位置候选集合生成方法生成的位置候选集得到候选结果,建立目标函数的优化模型;根据建立的优化模型,交替进行权值更新和位置更新直至达到收敛条件,完成位置候选集融合,得到目标定位。本发明相比于已有方法是一种定位精度高、实用性强且能满足实时融合定位的室内定位方法。

Patent Agency Ranking