-
公开(公告)号：CN119395653A
公开(公告)日：2025-02-07
申请号：CN202411411593.0
申请日：2024-10-10
Applicant: 吉林大学
Abstract: 本发明涉及一种基于移动嵌套阵列的FDA‑MIMO雷达目标参数估计方法，属于雷达信号处理领域。其实现步骤是：构建单基地FDA‑MIMO雷达的移动嵌套阵列模型，进行角度和距离解耦；计算观测矩阵的样本协方差矩阵，建立基于低秩矩阵重构的优化问题，利用交替投影方法求解获得Toeplitz矩阵，采用二维子空间类方法获得目标角度和距离估计值。本发明优点是将移动嵌套阵应用于FDA‑MIMO中，显著增加了差分共阵的虚拟阵元数，具有更大的阵列孔径，通过求解低秩矩阵重构问题，具有更高的目标参数估计精度，能够解决现有FDA‑MIMO雷达参数估计精度和分辨力不高、可探测目标数有限等问题。
-
公开(公告)号：CN119556252A
公开(公告)日：2025-03-04
申请号：CN202411707840.1
申请日：2024-11-26
Applicant: 吉林大学
IPC: G01S7/41 , G06F18/241 , G06F18/213 , G06F18/25 , G06F18/10 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/045 , G01S7/02 , G01S7/40
Abstract: 本发明涉及一种基于神经网络和多头注意力机制的雷达PRI调制类型识别方法，属于雷达信号处理领域。对雷达脉冲TOA序列进行一阶差分得到PRI序列的样本数据，并采用中值滤波器对其做滤波处理，以降低缺失或虚假脉冲的影响，构建一种融合多尺度卷积挤压激励神经网络、双向门控循环单元神经网络和多头注意力机制的模型，该模型能够提取数据局部精细化特征和捕捉数据长期时序相关性特征，使用多头注意力机制整合全局信息，对门控循环单元中重要的时间步施加更多的权重，对模型进行训练和测试，结果表明，与其他神经网络方法相比，本发明方法在缺失脉冲和杂散脉冲占比较高的条件下对六种雷达PRI调制信号的识别率更高。
-
公开(公告)号：CN119322321A
公开(公告)日：2025-01-17
申请号：CN202411440439.6
申请日：2024-10-16
Applicant: 吉林大学
Abstract: 本发明涉及一种MIMO‑OTFS雷达通信一体化系统目标离网格参数估计方法，属于雷达通信一体化领域。包括构建MIMO‑OTFS雷达通信一体化系统接收信号模型；对接收信号矩阵进行变换，将目标参数估计问题表述为稀疏信号恢复问题；采用基于网格的3D‑OMP算法对目标参数进行粗略估计；根据参数粗略估计值建立离网格初始搜索区间；结合三维立体黄金分割思想实现离网格的目标距离、速度和方位角参数精确估计。本发明的优点在于提出离网格的3D‑OGOMP算法，能够解决传统压缩感知类算法存在的网格失配问题，结合三维立体黄金分割搜索，可提高运算效率。将其应用于MIMO‑OTFS雷达通信一体化系统，可实现高精度、低复杂度的目标参数估计，为智能交通应用提供参考。
-
公开(公告)号：CN119051696A
公开(公告)日：2024-11-29
申请号：CN202411319650.2
申请日：2024-09-21
Applicant: 吉林大学
IPC: H04B7/0413 , H04B7/06 , H04B7/0456 , H04L25/02 , H04L27/26 , G06N3/08
Abstract: 本发明涉及一种基于深度学习的大规模MIMO‑OTFS波束成形设计方法，属于无线通信技术领域。设计了一种优化的波束成形神经网络OBNN，并以最大化频谱效率为优化目标对MIMO‑OTFS系统波束形成矩阵进行设计，基站将时延多普勒域信号经过OTFS调制后由大规模天线发送，用户在OTFS接收端基于导频符号进行信道估计，将信道估计值和SNR值作为OBNN的输入，通过最小化损失函数进行模型学习，从而获得最优波束形成器权重。本发明优点是利用OTFS调制对多普勒频移的强鲁棒性，适应高移动性通信环境，通过深度学习能够确保损失函数收敛至局部最优，利用预训练权重适应信道估计误差与其他神经网络方法相比，其频谱效率具有显著提升。
-
-
-
Search Results
4
records
(took 0.015 seconds)
