基于Volterra滤波的双循环反馈模型的功放预失真方法

    公开(公告)号:CN102624338A

    公开(公告)日:2012-08-01

    申请号:CN201210071249.2

    申请日:2012-03-18

    Abstract: 本发明设计了一种基于Volterra滤波的双循环反馈模型的功放预失真方法,主要包括预失真粗参数矢量提取、误差调整和预失真器精参数矢量提取三个部分。预失真粗参数矢量提取采用一阶动态截断Volterra滤波结构,通过下变频输出和预失真器输出得预失真粗参数矢量;将预失真粗参数矢量导致的误差矢量按照平均准则进行动态调整;将调整后的误差矢量作为期望信号,结合基带输入信号利用一阶动态截断Volterra滤波结构解得预失真器精参数矢量;利用精参数矢量对粗参数矢量修正得到最终的预失真器参数矢量。本发明解决了现有预失真方法自适应收敛速度慢,预失真参数计算量大,实现复杂,在高速通信中无法有效补偿功率放大器的复杂的记忆效应等问题。

    一种用于干扰测试的星链信号模拟仿真方法

    公开(公告)号:CN118740290A

    公开(公告)日:2024-10-01

    申请号:CN202410714378.1

    申请日:2024-06-04

    Abstract: 本发明提供了一种用于干扰测试的星链信号模拟仿真方法,包括:根据星链系统的通信链路构建星链通信系统的模型;搜集并整合星链系统的信号在调制过程中涉及的调制方式和调制参数;利用调制信息,依据实际星链信号参数生成模拟星链调制信号;设计信号发射与接收模型并输入模拟星链调制信号,使用自相关方法进行载频判决,得到经修正的信号发射与接收模型;将信息数据搭载在模拟星链调制信号中,使其通过经修正的信号发射与接收模型进行发射模拟,获得模拟星链信号。本发明突破了在星链高频段信号模拟中的频点不确定以及调制参数未知的难题,构建了一套完整的星链下行通信链路模型,为将来对星链信号实施有效的干扰提供理论依据和实践指导。

    基于矩阵K-L散度的多源导航信息融合方法

    公开(公告)号:CN113008235B

    公开(公告)日:2022-10-25

    申请号:CN202110182640.9

    申请日:2021-02-07

    Abstract: 本发明提出一种基于矩阵K‑L散度理论的多导航源信息融合算法,首先通过各个导航定位子系统对各自接收到的定位信息进行结算,得到各自的定位坐标结果;其次根据各个导航定位子系统的定位坐标结果,得到各个导航子系统定位误差的概率统计信息;最后对得到的各个导航子系统定位误差的概率统计信息进行矩阵K‑L散度平方和最小化准则下的信息融合,得到最终组合导航系统的定位坐标。本发明将信息几何理论与信息融合过程结合,从而使在欧式空间不能直接进行的概率信息的融合过程,得以在统计流形上实现,可以有效大大提升组合导航系统的扩展性,并且可以大大减少计算量。

    基于矩阵K-L散度的多源导航信息融合方法

    公开(公告)号:CN113008235A

    公开(公告)日:2021-06-22

    申请号:CN202110182640.9

    申请日:2021-02-07

    Abstract: 本发明提出一种基于矩阵K‑L散度理论的多导航源信息融合算法,首先通过各个导航定位子系统对各自接收到的定位信息进行结算,得到各自的定位坐标结果;其次根据各个导航定位子系统的定位坐标结果,得到各个导航子系统定位误差的概率统计信息;最后对得到的各个导航子系统定位误差的概率统计信息进行矩阵K‑L散度平方和最小化准则下的信息融合,得到最终组合导航系统的定位坐标。本发明将信息几何理论与信息融合过程结合,从而使在欧式空间不能直接进行的概率信息的融合过程,得以在统计流形上实现,可以有效大大提升组合导航系统的扩展性,并且可以大大减少计算量。

    一种基于信息概率的融合定位方法

    公开(公告)号:CN112880659A

    公开(公告)日:2021-06-01

    申请号:CN202110026669.8

    申请日:2021-01-09

    Abstract: 本发明提出一种基于信息概率的融合定位方法,该方法通过推导出两个概率密度函数融合之后新概率密度函数的参数解析式,之后通过递推方法推导出多个源融合的参数解析式,利用该融合后的参数解析式计算获取融合导航定位信息。本发明相对于传统基于卡尔曼滤波的融合定位方法,不仅能够减小融合定位的计算量、提高运算速度,而且对于融合导航源的扩展更加灵活,对于导航源的接入和断开都具有很强的鲁棒性。通过仿真结果可以看出,该方法可以提高融合后定位的精度,并且融合的源越多精度越高。此方法为融合导航定位算法设计提供了一种新的思路,能更加快速、实时地获取融合后的导航定位信息。

    一种基于深度学习的单目视觉深度估计方法

    公开(公告)号:CN112819876A

    公开(公告)日:2021-05-18

    申请号:CN202110185998.7

    申请日:2021-02-13

    Abstract: 本发明提出一种基于深度学习的视觉深度估计的方法,通过在现有的深度学习深度估计的网络上添加注意力机制,使得深度学习网络重点关注注意力机制筛选出来的图像中的关键信息,以提高网络对视觉信息的理解能力,从而提高了深度估计的准确性以及深度场景还原的清晰度,在确定好图像的深度之后,可以以此为基础进行单目视觉定位以及三维重建。此方法在利用深度学习来进行单目视觉定位构图的过程中具有重要意义。

    基于基扩展模型的双扩展水声信道多普勒分集通信方法

    公开(公告)号:CN107294616B

    公开(公告)日:2021-03-23

    申请号:CN201710436816.2

    申请日:2017-06-12

    Abstract: 本发明提出一种基于基扩展模型的双扩展水声信道多普勒分集通信方法,该方法在发射端采用补零后缀重复码,在接收端采用基消除算法,将时变双扩展衰落信道分解为时不变频率选择性衰落子信道集合。而后,通过多通道判决反馈均衡器来收集多普勒分集增益并抵抗码间干扰,同时结合锁相环路跟踪残余多普勒失真。这种水声通信方案,将传统的接收机设计中通常视作有害分量的多普勒作为分集增益源,有效的提高了接收机的输出信噪比,降低了系统的误码率。同时采用多通道判决反馈均衡器降低了对接收机信道估计的依赖性,并避免了计算复杂度较高的大矩阵求逆运算。

    基于双选择衰落信道的低复杂度OSDM串行均衡方法

    公开(公告)号:CN109302240A

    公开(公告)日:2019-02-01

    申请号:CN201811187801.8

    申请日:2018-10-11

    Abstract: 本发明涉及一种基于双选择衰落信道的低复杂度OSDM串行均衡方法,基于复指数基扩展模型进行信道近似,对应的复合信道矩阵具有循环分块带状结构。所提出的低复杂度OSDM串行均衡方法利用上述信道矩阵结构。基于矩阵分解实现了信道矩阵中各分块对角化,并采用变换域串行均衡利用此对角结构降低了系统复杂度;进一步设计了一种块迭代矩阵求逆算法,从而避免了串行均衡各符号向量估计时的矩阵直接求逆造成的立方复杂度问题。与已有的OSDM接收方法相比,降低了时变多径的多普勒扩展分量对接收性能的影响,避免了均衡复杂度的增加,提高了OSDM传输系统对时频双选择衰落信道的适应性。

Patent Agency Ranking