多路视频脉冲信号发生装置及方法

    公开(公告)号:CN103117732B

    公开(公告)日:2015-12-09

    申请号:CN201310056972.8

    申请日:2013-02-22

    Abstract: 本发明提供的是一种多路视频脉冲信号发生装置及方法。包括按键101、单片机模块102、FPGA模块103、电平转换104、液晶105以及输出接口106,按键101的控制端口与单片机模块102的I/O口连接;液晶105连接单片机模块102的I/O口;单片机模块102与FPGA模块103通过I/O口连接;FPGA模块103与电平转换104连接;电平转换104连接输出接口106,由输出接口输出多路信号。本发明能独立调节各路脉冲的脉冲宽度、脉冲周期及延迟时间的参数值,通过按键对系统进行设置,结构简单,操作方便,而且成本相对低廉。

    多路视频脉冲信号发生装置及方法

    公开(公告)号:CN103117732A

    公开(公告)日:2013-05-22

    申请号:CN201310056972.8

    申请日:2013-02-22

    Abstract: 本发明提供的是一种多路视频脉冲信号发生装置及方法。包括按键101、单片机模块102、FPGA模块103、电平转换104、液晶105以及输出接口106,按键101的控制端口与单片机模块102的I/O口连接;液晶105连接单片机模块102的I/O口;单片机模块102与FPGA模块103通过I/O口连接;FPGA模块103与电平转换104连接;电平转换104连接输出接口106,由输出接口输出多路信号。本发明能独立调节各路脉冲的脉冲宽度、脉冲周期及延迟时间的参数值,通过按键对系统进行设置,结构简单,操作方便,而且成本相对低廉。

    一种稀疏贝叶斯学习框架下混合信号DOA估计方法

    公开(公告)号:CN107436421B

    公开(公告)日:2020-11-20

    申请号:CN201710606186.9

    申请日:2017-07-24

    Abstract: 本发明公开了一种稀疏贝叶斯学习框架下混合信号DOA估计方法,属于雷达信号处理技术领域。本发明的方法步骤为:首先提出一个新的稀疏促进先验(称为高斯‑指数‑卡方先验),其概率密度函数在零点处具有尖锐谱峰并且具有重拖尾,有利于促进稀疏解;然后利用该先验建立三阶分层稀疏贝叶斯模型;接下来,利用均值场变分贝叶斯理论近似后验分布,通过对各个近似的变分分布进行交替更新迭代最小化KL距离,进而求出模型参数的估计值;最后,根据各个参数的估计值构建信号功率谱函数,进而可以得到目标辐射源的信源数估计和DOA估计。

    一种稀疏贝叶斯学习框架下混合信号DOA估计方法

    公开(公告)号:CN107436421A

    公开(公告)日:2017-12-05

    申请号:CN201710606186.9

    申请日:2017-07-24

    Abstract: 本发明公开了一种稀疏贝叶斯学习框架下混合信号DOA估计方法,属于雷达信号处理技术领域。本发明的方法步骤为:首先提出一个新的稀疏促进先验(称为高斯-指数-卡方先验),其概率密度函数在零点处具有尖锐谱峰并且具有重拖尾,有利于促进稀疏解;然后利用该先验建立三阶分层稀疏贝叶斯模型;接下来,利用均值场变分贝叶斯理论近似后验分布,通过对各个近似的变分分布进行交替更新迭代最小化KL距离,进而求出模型参数的估计值;最后,根据各个参数的估计值构建信号功率谱函数,进而可以得到目标辐射源的信源数估计和DOA估计。

Patent Agency Ranking