-
公开(公告)号：CN104035113A
公开(公告)日：2014-09-10
申请号：CN201410295547.9
申请日：2014-06-26
Applicant: 桂林电子科技大学
IPC: G01S19/42
Abstract: 本发明公开一种基于伪距的多模GNSS接收机的可靠定位方法，多模GNSS接收机接收GNSS卫星信号，先得到GNSS卫星信号的伪距和导航电文；再将不同类型的伪距和导航电文统一到相同的时间和空间坐标上；后对经过坐标转换后的伪距和导航电文进行误差修正；当可见卫星的数目为4颗或4颗以上时，直接用实测的伪距完成接收机的定位解算；当可见卫星的数目为3颗或3颗以下时，先采用广义延拓插值对伪距进行外推，后再用外推出的伪距完成接收机的定位解算；3)当可见卫星的数目为5颗或超过5颗时，多模GNSS接收机还采用奇偶矢量法、扩展卡尔曼滤波法或无损卡尔曼滤波法来完成接收机自主完好性检测的过程。
-
公开(公告)号：CN117607863A
公开(公告)日：2024-02-27
申请号：CN202410028234.0
申请日：2024-01-09
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明专利公开了一种基于射频直采的步进频探地雷达收发系统及成像方法。所述系统包括互联的射频模块、FPGA模块、计算机显示模块，射频模块的接收通道通过JESD 204B接口将回波数据发送到FPGA的雷达成像单元；FPGA模块完成雷达成像处理，并通过JTAG接口连接到计算机显示模块显示。这种系统工作时功耗小，对硬件要求低，抗干扰能力强，距离分辨率高，数据传输速度快，可以快速、准确的完成对地探测并进行实时成像处理；这种成像方法减小了运算处理量，对步进频雷达信号处理速度快，可以实时成像，快速得到直观的对地探测结果。
-
公开(公告)号：CN112731367B
公开(公告)日：2023-07-14
申请号：CN202011506299.X
申请日：2020-12-18
Applicant: 桂林电子科技大学
IPC: G01S13/58
Abstract: 本发明公开了基于涡旋电磁波的旋翼目标特征分析及提取方法，其特征是，包括如下步骤：S1建立涡旋电磁波对旋翼目标的回波数学模型；S2回波信号的特征分析；S3分别发射正负模态数的涡旋电磁波，计算回波信号中的总多普勒；S4和差运算；S5改变涡旋电磁波模态数，重复步骤S3、S4；S6整理微多普勒频率和旋转多普勒频率。这种方法能分离出微多普勒频率和旋转多普勒频率，对旋翼目标的探测和识别准确率高。
-
公开(公告)号：CN115942325A
公开(公告)日：2023-04-07
申请号：CN202211554365.X
申请日：2022-12-06
Applicant: 桂林电子科技大学
IPC: H04W12/79 , G06F18/10 , H04L25/03 , G06F18/213 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种去信道特征的IEEE802.11a信号辐射源识别方法，包括如下步骤：1）采集待识别的IEEE802.11a设备信号；2）时域训练序列提取；3）训练LMS滤波器；4）信道均衡处理；5）训练神经网络；6）设备身份识别。这种方法具有抗干扰性强、识别率高、实现难度小的优点。
-
公开(公告)号：CN111198358B
公开(公告)日：2022-06-03
申请号：CN202010031753.4
申请日：2020-01-11
Applicant: 桂林电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于相关检测的多旋翼无人机回波积累方法，包括如下步骤：S1、设定雷达检测场景的系统参数；S2、采集原始回波信号，记为y(t)；S3、根据系统参数建立旋翼回波表达式s(t)；S4、根据数据库中无人机参数及旋翼回波表达式s(t)，设立参考信号H(t)；S5、将H(t)与y(t)做相关函数处理，得到原始回波信号y(t)与参考信号H(t)的相关系数函数；S6、对相关系数函数做门限检测，记录检测到的峰值点；S7、根据相关函数中检测到的各峰值点的时间τ，在原始回波信号中找到各旋翼主瓣位置，以闪烁时间宽度ΔT为时长取出各旋翼主瓣，分别累加到时间τ最小峰值点所在的旋翼主瓣上，完成各旋翼回波的相干积累。本发明方法利用相关检测的方法，提高了回波信号的信噪比，增加了目标的检测概率。
-
Patent Agency Ranking
公开(公告)号：CN111126332B
公开(公告)日：2022-04-22
申请号：CN201911405651.8
申请日：2019-12-31
Applicant: 桂林电子科技大学
Abstract: 本发明公开了基于轮廓特征的跳频信号分类方法，其特征是，包括如下步骤：1）得到二维时频矩阵；2）提取轮廓特征；3）图像预处理；4）训练、分类。这种方法以跳频信号在等高线图的轮廓作为图像特征，转化为图像识别的问题，再利用卷积神经网络CNN具有自主寻找特征的特点，将图像输入到CNN网路中，能实现跳频信号的识别，不需要进行人工提取参数作为特征向量，能够避免复杂的参数提取问题，在低信噪比时有较高的识别率。
-
公开(公告)号：CN111639595B
公开(公告)日：2022-03-18
申请号：CN202010473731.3
申请日：2020-05-29
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于权重不可知神经网络的无人机微动特征信号检测方法，其特征是，包括如下步骤：1）计算信号的循环谱；2）通过MATLAB处理得到循环谱等高图，并选择观测区域；3）训练权重不可知神经网络；4）利用训练好的权重不可知神经网络进行微动特征识别。这种方法有很好的抗干扰性，神经网络的结构更简单，计算量更小，对无人机微动特征信号识别的准确率更高。
-
-
公开(公告)号：CN110166477B
公开(公告)日：2021-05-11
申请号：CN201910463626.9
申请日：2019-05-30
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于UDP协议的无人机Wi‑Fi图传信号检测方法，其特征是，包括如下步骤：1）设置监听模式；2）抓取UDP协议数据包；3）解析加密数据包；4）筛选CCK/OFDM混合调制的数据包；5）分析CCK/OFDM混合调制的数据包；6）追踪UDP流；7）播放UDP流的视频内容；8）备份无人机信息。这种方法避免了周围Wi‑Fi信号的影响，实现了无人机Wi‑Fi图传信号的提取和视频流的恢复，提高了无人机图传信号的检测的能力。
-
公开(公告)号：CN112731367A
公开(公告)日：2021-04-30
申请号：CN202011506299.X
申请日：2020-12-18
Applicant: 桂林电子科技大学
IPC: G01S13/58
Abstract: 本发明公开了基于涡旋电磁波的旋翼目标特征分析及提取方法，其特征是，包括如下步骤：S1建立涡旋电磁波对旋翼目标的回波数学模型；S2回波信号的特征分析；S3分别发射正负模态数的涡旋电磁波，计算回波信号中的总多普勒；S4和差运算；S5改变涡旋电磁波模态数，重复步骤S3、S4；S6整理微多普勒频率和旋转多普勒频率。这种方法能分离出微多普勒频率和旋转多普勒频率，对旋翼目标的探测和识别准确率高。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.043 seconds)
