-
公开(公告)号：CN106295142A
公开(公告)日：2017-01-04
申请号：CN201610621461.X
申请日：2016-07-29
Applicant: 电子科技大学
IPC: G06F19/00
CPC classification number: G06F19/00
Abstract: 本发明属于阵列信号处理领域，主要涉及基于标准Capon自适应波束形成算法对期望信号导向矢量随机误差的稳健性。本发明提供一种基于概率约束的鲁棒Capon波束形成算法(Robust Probability-Constrained Robust Capon Beamforming algorithm,PC-RCB)，在RCB算法的基础上，引入预设的中断概率p2来表示随机误差满足 时的概率，采用一种统计方式来代替确定方式，建立基于概率约束的导向矢量误差模型 分析导向矢量误差δ1的范数平方的概率分布，由给定的中断概率p2计算得到等效的、更加精确的误差范数约束值ε3，构建基于该等效约束值ε3的RCB优化问题进一步提高了对期望信号导向矢量随机误差的鲁棒性。
-
公开(公告)号：CN106411379B
公开(公告)日：2019-09-27
申请号：CN201610861518.3
申请日：2016-09-29
Applicant: 电子科技大学
IPC: H04B7/06
Abstract: 本发明属于阵列信号处理中的波束合成领域，主要涉及宽带波束形成的硬件实现资源消耗分析及其降低方法。本发明的目的在于提供一种降低硬件资源消耗的宽带波束形成设计方法，完全针对于硬件工程实现，在实现宽带波束形成时，可以降低系统所消耗的资源。将舍去传统宽带波束形成中使用的复数运算处理，对实数进行运算。将接受到的实信号不首先进行数字下变频变成I/Q两路，而是直接对接收的实数信号进行处理。这样可以减少宽带波束形成时的FARROW结构所消耗的资源。最后再将实信号转化为复信号。这样也不会引起实信号的相位模糊问题，不会对后续的信号处理造成影响。
-
公开(公告)号：CN105182298B
公开(公告)日：2018-01-09
申请号：CN201510681462.9
申请日：2015-10-19
Applicant: 电子科技大学
Abstract: 本发明属于阵列信号处理领域，主要涉及基于协方差矩阵重构的标准Capon自适应波束形成算法对对干扰信号来波方向误差的稳健性。一种针对来波方向误差的干扰噪声协方差矩阵重构方法，首先利用阵列接收数据来估计所有D个信号的导向矢量d＝1,2,…,D及D‑1个干扰信号的功率d＝2,3,…,D，同时估计噪声功率然后按照干扰噪声协方差矩阵的定义来重新构造干扰噪声协方差矩阵联合估计的导向矢量和重构的得到新的波束形成加权矢量本发明可以提高干扰噪声协方差矩阵的估计精度，有效减少期望信号成分，可以大大减弱或避免期望信号“自消”现象，大大提高输出SINR。
-
公开(公告)号：CN106411379A
公开(公告)日：2017-02-15
申请号：CN201610861518.3
申请日：2016-09-29
Applicant: 电子科技大学
IPC: H04B7/06
Abstract: 本发明属于阵列信号处理中的波束合成领域，主要涉及宽带波束形成的硬件实现资源消耗分析及其降低方法。本发明的目的在于提供一种降低硬件资源消耗的宽带波束形成设计方法，完全针对于硬件工程实现，在实现宽带波束形成时，可以降低系统所消耗的资源。将舍去传统宽带波束形成中使用的复数运算处理，对实数进行运算。将接受到的实信号不首先进行数字下变频变成I/Q两路，而是直接对接收的实数信号进行处理。这样可以减少宽带波束形成时的FARROW结构所消耗的资源。最后再将实信号转化为复信号。这样也不会引起实信号的相位模糊问题，不会对后续的信号处理造成影响。
-
公开(公告)号：CN105204006A
公开(公告)日：2015-12-30
申请号：CN201510680829.5
申请日：2015-10-19
Applicant: 电子科技大学
Abstract: 本发明属于阵列信号处理领域，主要涉及基于协方差矩阵重构的标准Capon自适应波束形成算法对对干扰信号导向矢量误差的稳健性。本发明基于子空间的干扰噪声协方差矩阵重构的波束形成算法，首先利用阵列接收数据来估计所有D-1个干扰信号的导向矢量及其功率同时估计噪声功率然后按照干扰噪声协方差矩阵的定义来重新构造干扰噪声协方差矩阵最后在较小的角度区间Θ1构造信号协方差矩阵，取其主特征向量作为期望信号导向矢量估计联合重构的得到新的波束形成加权矢量本发明克服现有波束形成算法的不足，使波束形成算法对干扰信号导向矢量误差具有很好的稳健性。
-
Patent Agency Ranking
公开(公告)号：CN104535969A
公开(公告)日：2015-04-22
申请号：CN201410809621.4
申请日：2014-12-23
Applicant: 电子科技大学
CPC classification number: G06F19/00
Abstract: 本发明属于阵列信号处理领域，主要涉及基于最差性能最优化准则的Capon自适应波束形成算法的稳健性。本发明提供一种基于干扰噪声协方差矩阵重构的波束形成方法，基于最大化最差情况下的波束输出SINR的目标，首先采用阵列接收数据对干扰噪声协方差矩阵进行重新估计然后用代替原始最差性能最佳化算法中的样本协方差矩阵按照WCPO准则使得最差情况下的波束输出OSINR最大化。本发明用重构的干扰噪声协方差矩阵重构代替原始WCPO优化问题中的样本协方差矩阵可以大大减弱或避免期望信号自零陷现象，最大化最差情况的输出SINR，提高波束形成算法的稳健性。
-
公开(公告)号：CN106295142B
公开(公告)日：2019-03-01
申请号：CN201610621461.X
申请日：2016-07-29
Applicant: 电子科技大学
IPC: G06F17/16
Abstract: 本发明属于阵列信号处理领域，主要涉及基于标准Capon自适应波束形成算法对期望信号导向矢量随机误差的稳健性。本发明提供一种基于概率约束的鲁棒Capon波束形成算法(Robust Probability‑Constrained Robust Capon Beamforming algorithm,PC‑RCB)，在RCB算法的基础上，引入预设的中断概率p2来表示随机误差满足时的概率，采用一种统计方式来代替确定方式，建立基于概率约束的导向矢量误差模型分析导向矢量误差δ1的范数平方的概率分布，由给定的中断概率p2计算得到等效的、更加精确的误差范数约束值ε3，构建基于该等效约束值ε3的RCB优化问题进一步提高了对期望信号导向矢量随机误差的鲁棒性。
-
公开(公告)号：CN106452388A
公开(公告)日：2017-02-22
申请号：CN201610860962.3
申请日：2016-09-29
Applicant: 电子科技大学
IPC: H03H17/00
CPC classification number: H03H17/00 , H03H2017/0081
Abstract: 本发明属于高速信号处理领域，主要涉及基于并行运算的CIC滤波器的设计，提高信号处理速度，保证运行稳定性。本发明的目的在于提供一种基于并行运算的CIC滤波器设计方法，并对其进行硬件实现。本发明将待处理的信号数据流Si,0≤i≤N(其中N为数据长度，可以取无限长)按段划分，每段有M个数据。同时运行重排后的M路数据，即可在K1个时间里运行完这一组数据。整个系统是流水线工作，可以连续不断，在每个时钟内输出一组M个数据。最后对输出数据做D倍抽取，即可得到后续想要的抽取后处理速率。此处的并行CIC滤波器是工作在fcic这个速度上，提高了整个系统处理速度。
-
公开(公告)号：CN106093878A
公开(公告)日：2016-11-09
申请号：CN201610621326.5
申请日：2016-07-29
Applicant: 电子科技大学
Abstract: 本发明属于阵列信号处理领域，主要涉及基于概率约束的干扰噪声协方差矩阵重构鲁棒算法对干扰信号导向矢量随机误差的稳健性。本发明提供一种基于概率约束的干扰噪声协方差矩阵重构鲁棒算法(IPNCMR‑PC)，引入预设中断概率建立基于概率约束的干扰信号导向矢量误差模型，获得基于概率约束的等效随机误差范数约束上限参数，采用RCB算法对干扰信号的功率和导向矢量进行有效的估计，进一步提高其估计精度，获得更精准的干扰噪声协方差矩阵，从而进一步提高干扰噪声协方差矩阵重构算法对干扰信号导向矢量误差的稳健性。
-
公开(公告)号：CN105335615A
公开(公告)日：2016-02-17
申请号：CN201510727905.3
申请日：2015-10-31
Applicant: 电子科技大学
IPC: G06F19/00
CPC classification number: G06F19/00
Abstract: 本发明提供一种低复杂度的二维角度和极化参数联合估计方法。采用交叉电偶极子在XOY坐标系中构成均匀平面方阵，对信号进行接收。首先，充分利用接收阵列的旋转不变特性，从接收数据的协方差矩阵中解出X轴的阵列流型矩阵。然后，利用矢量间Kronecker积的特性逐步解出Y轴的阵列流型矩阵和极化敏感矩阵。最后，综合三个矩阵内部元素之间的关系，解出DOA参数和极化参数。本发明在参数求解过程，利用矢量间Kronecker积的特性可以使得参数之间自动配对，无需额外算法；同时，该计算过程仅仅涉及矩阵之间的乘加运算，相对其他自动配对算法，避免了矩阵SVD等复杂操作，有效的降低了计算复杂度，便于快速实现。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.023 seconds)
