基于NOMP的单基地MIMO雷达远近场混合目标定位方法

    公开(公告)号:CN113985394B

    公开(公告)日:2024-04-05

    申请号:CN202111168917.9

    申请日:2021-10-05

    Applicant: 吉林大学

    Abstract: 本发明涉及一种基于NOMP的单基地MIMO雷达远近场混合目标定位方法,属于多输入多输出(MIMO)雷达目标定位领域。包括利用回波信号构建MIMO雷达的观测矩阵模型;采用参数分离方法得到只含有收发角的矢量模型;基于二维NOMP方法获得收发角的估计值;结合收发角和观测矩阵,利用广义似然比检验函数获得距离估计值;依据远近场目标类型修正距离参数;对所有距离估计值进行循环修正;更新残差值和回波幅度值;获得距离的精确估计值。优点在于:利用NOMP方法进行混合目标参数联合估计,能够保留稀疏近似类算法的优势,减少计算复杂度,并能够在少快拍数下达到离格的参数估计,保证估计精度。

    基于NOMP的RIS辅助毫米波MIMO系统信道估计方法

    公开(公告)号:CN117014257A

    公开(公告)日:2023-11-07

    申请号:CN202310980034.0

    申请日:2023-08-04

    Applicant: 吉林大学

    Abstract: 本发明涉及一种基于NOMP的RIS辅助毫米波MIMO系统信道估计方法,属于信道估计方法。以RIS辅助的毫米波MIMO系统下行链路为背景,将基站BS‑RIS的信道模型以及RIS‑移动台MS的信道模型表示为Khatri‑Rao乘积形式的级联信道模型,分别采用一维NOMP、二维NOMP和最小二乘LS算法估计级联信道中的多个参数,从而实现信道估计。优点在于所提出的RIS辅助的毫米波MIMO系统信道估计方法以较低的导频开销估计出信道参数,为RIS辅助的系统提供了有效的CSI;将NOMP方法运用到RIS辅助的毫米波MIMO信道估计中,能够解决传统压缩感知类算法存在的网格失配问题,提高参数联合估计的精度,从而提高了信道估计精度。

    一种快速说话人识别方法
    15.
    发明授权

    公开(公告)号:CN102664011B

    公开(公告)日:2014-03-12

    申请号:CN201210152435.9

    申请日:2012-05-17

    Applicant: 吉林大学

    Abstract: 本发明提供一种快速说话人识别方法,属于说话人识别方法该方法。结合高斯混合模型,以高斯混合模型超向量作为说话人的特征参数。将高斯混合模型超向量作为输入,设计一种一类分类的支持向量机分类器。对于N个说话人,训练N个分类器,每个分类器由一个说话人的语音样本训练得到。本发明提高了说话人识别的速度。每增加一个注册说话人,只需要为新的说话人训练一个一类支持向量机模型,使说话人识别系统有很好的扩展性。

    一种快速说话人识别方法
    16.
    发明公开

    公开(公告)号:CN102664011A

    公开(公告)日:2012-09-12

    申请号:CN201210152435.9

    申请日:2012-05-17

    Applicant: 吉林大学

    Abstract: 本发明提供一种快速说话人识别方法,属于说话人识别方法该方法。结合高斯混合模型,以高斯混合模型超向量作为说话人的特征参数。将高斯混合模型超向量作为输入,设计一种一类分类的支持向量机分类器。对于N个说话人,训练N个分类器,每个分类器由一个说话人的语音样本训练得到。本发明提高了说话人识别的速度。每增加一个注册说话人,只需要为新的说话人训练一个一类支持向量机模型,使说话人识别系统有很好的扩展性。

    一种基于深度学习的大规模MIMO-OTFS波束成形设计方法

    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

    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。

    基于量子粒子群算法的MIMO雷达正交波形设计方法

    公开(公告)号:CN113075623B

    公开(公告)日:2024-10-15

    申请号:CN202110353058.4

    申请日:2021-03-31

    Applicant: 吉林大学

    Abstract: 本发明涉及一种基于量子粒子群算法的MIMO雷达正交波形设计方法,属于雷达信号处理领域。采用量子粒子群算法对相位编码序列进行优化,最后得到正交性良好的波形集,以序列的自相关旁瓣峰值和互相关峰值作为适应度函数,将波形集的子脉冲的相位编码为0和1,采用量子旋转门对粒子位置进行更新,通过Hε门对算法进行修正,使算法具有更好的全局收敛性和搜索能力,并以一定的变异概率对粒子位置进行量子非门的更新操作,进一步改善算法性能;仿真实验表明本发明的算法的有效性,并与粒子群算法和混沌粒子群算法进行对比,证明本发明的实验结果更好。

    基于NOMP的单基地MIMO雷达远近场混合目标定位方法

    公开(公告)号:CN113985394A

    公开(公告)日:2022-01-28

    申请号:CN202111168917.9

    申请日:2021-10-05

    Applicant: 吉林大学

    Abstract: 本发明涉及一种基于NOMP的单基地MIMO雷达远近场混合目标定位方法,属于多输入多输出(MIMO)雷达目标定位领域。包括利用回波信号构建MIMO雷达的观测矩阵模型;采用参数分离方法得到只含有收发角的矢量模型;基于二维NOMP方法获得收发角的估计值;结合收发角和观测矩阵,利用广义似然比检验函数获得距离估计值;依据远近场目标类型修正距离参数;对所有距离估计值进行循环修正;更新残差值和回波幅度值;获得距离的精确估计值。优点在于:利用NOMP方法进行混合目标参数联合估计,能够保留稀疏近似类算法的优势,减少计算复杂度,并能够在少快拍数下达到离格的参数估计,保证估计精度。

Patent Agency Ranking