一种在无线信道衰落不确定条件下的弱信号检测方法

    公开(公告)号:CN109347579B

    公开(公告)日:2020-07-07

    申请号:CN201811167967.3

    申请日:2018-10-08

    Applicant: 清华大学

    Inventor: 李刚 王学谦

    Abstract: 本发明提出一种在无线信道衰落不确定条件下的弱信号检测方法,属于信号检测领域。该方法首先在监测区域中设置一个分布式无线传感器网络,待检测信号传输到达每个本地节点,计算得到每个本地节点模拟观测值;对每个本地节点对应的模拟观测值进行单比特量化后,融合中心利用所有的单比特量化值计算局部最大势检测方法的检验统计量,并将该检验统计量与判决阈值进行比较,输出对应的判决结果。本发明在无线信道存在衰落的情况下,依然可以实现很好的检测效果,本发明可应用于通信和雷达系统中的微弱信号检测部分,具有较高的应用价值。

    一种合成孔径雷达的运动目标迭代最小熵成像方法及装置

    公开(公告)号:CN109298420B

    公开(公告)日:2020-07-07

    申请号:CN201710612948.6

    申请日:2017-07-25

    Applicant: 清华大学

    Abstract: 本发明的实施例公开了一种合成孔径雷达的运动目标迭代最小熵成像方法及装置,该方法以散焦的ROI复图像作为输入量,将ROI图像熵建模为相位补偿因子的函数,并构造图像熵替代函数将图像熵最小化问题转化为可以迭代求解的序贯优化问题,利用算法收敛得到的相位补偿因子,重建出较高分辨率的运动目标幅度图像。通过结合SAR的ROI数据与迭代最小熵算法,能够获得较高分辨率的运动目标自聚焦像。一方面以ROI数据为输入量,极大地降低了所需处理的数据量,提高了运动目标信杂比;另一方面,不需要任何先验参数,采用迭代最小熵算法估计出准确的相位补偿因子,获得最终的二维幅度图像。

    基于体积相关函数的雷达空时自适应处理方法及装置

    公开(公告)号:CN111308436A

    公开(公告)日:2020-06-19

    申请号:CN202010113000.8

    申请日:2020-02-24

    Applicant: 清华大学

    Abstract: 本发明实施例提供了一种基于体积相关函数的雷达空时自适应处理方法及装置,所述方法包括:获取雷达一个相参处理间隔内的回波数据,估计对应于待测距离单元的采样信号子空间;基于采样信号子空间与目标信号子空间的体积相关函数,得到采样信号子空间与所述目标信号子空间的距离;基于所述采样信号子空间与所述目标信号子空间的距离,得到所述待测距离单元的检测统计量;将所述待测距离单元的检测统计量与预定阈值比较,确定待测距离单元内是否有目标回波。采用本发明提供的基于体积相关函数的雷达空时自适应处理方法可以用于机载雷达在空时自适应处理场景中,尤其是非均匀环境中获得更加理想的目标检测结果。

    一种C波段星载合成孔径雷达运动目标成像方法

    公开(公告)号:CN107561533B

    公开(公告)日:2019-11-22

    申请号:CN201710576328.1

    申请日:2017-07-14

    Applicant: 清华大学

    Abstract: 本发明提供一种C波段星载合成孔径雷达运动目标成像方法,包括:接收原始回波数据,利用SAR距离徙动成像算法对原始回波数据进行成像处理,提取包含运动目标信息的散焦的ROI复图像数据矩阵S0,初始化目标在方位向和距离向的等效运动参数α和β;利用等效运动参数α和β构造聚焦算子Γ(·),基于所述ROI复图像数据矩阵S0和所述聚焦算子Γ(·)建立压缩感知稀疏重构模型,采用软阈值迭代算法重建模型稀疏解X;建立最小误差模型,利用所述模型稀疏解X更新等效运动参数α和β;判定所述等效运动参数α和β满足算法终止条件,输出稀疏解幅度矩阵|X|。本发明提供的方法,采用参数化稀疏重建的技术获得最终的二维幅度像,有效地抑制了因目标高阶运动引起的非对称旁瓣。

    基于双波段雷达微多普勒融合的人体步态识别方法及系统

    公开(公告)号:CN107358250B

    公开(公告)日:2019-11-22

    申请号:CN201710424041.7

    申请日:2017-06-07

    Applicant: 清华大学

    Inventor: 李刚 杨乐

    Abstract: 本发明公开一种基于双波段雷达微多普勒融合的人体步态识别方法及系统,能够提高人体步态识别精度。方法包括:S1、获取双波段雷达系统采集的目标回波;S2、运用时频分析工具对所述目标回波的微多普勒信息进行时频分析,得到目标步态的时频图;S3、从所述时频图中提取特征,其中,所述特征包括周期、带宽和多普勒偏置;S4、将所述特征进行数据融合,并通过将数据融合的结果输入分类器中进行分类识别,得到目标步态识别结果。

    针对广义高斯分布情况的单比特分布式稀疏信号检测方法

    公开(公告)号:CN110191430A

    公开(公告)日:2019-08-30

    申请号:CN201910312834.9

    申请日:2019-04-18

    Applicant: 清华大学

    Inventor: 李刚 王学谦

    Abstract: 本发明提出一种针对广义高斯分布情况的单比特分布式稀疏信号检测方法,属于信号检测领域。该方法首先在检测区域中设置一个包含融合中心和多个本地节点的分布式无线传感器网络;在任意时刻,每个本地节点根据是否接收到稀疏信号输出对应的模拟观测值,对模拟观测值进行量化得到对应的量化结果并发送给融合中心;融合中心利用所有的量化值计算局部最大势的检验统计量并计算判决阈值;最后,比较检验统计量和判决阈值的大小,输出该时刻的检测结果。本发明可作为目前已有的针对高斯情况下的单比特分布式稀疏信号检测方法的重要补充,可以适用于多种噪声/信号分布情况的下信号检测,具有较高的应用价值。

    基于低比特量化观测值的分布式稀疏信号检测方法及装置

    公开(公告)号:CN109412602A

    公开(公告)日:2019-03-01

    申请号:CN201811145555.X

    申请日:2018-09-29

    Applicant: 清华大学

    Inventor: 李刚 王学谦

    Abstract: 本发明公开了一种基于低比特量化观测值的分布式稀疏信号检测方法及装置,其中,该方法包括:采集各个传感器收到的模拟观测值;利用传感器节点本地的阈值量化模拟观测值,以得到量化值,并将量化值传递给融合中心;通过融合中心利用所有的量化值获取局部最大势检测器的检验统计量,并获取判决阈值;根据检验统计量和判决阈值获取检测结果。该方法通过在传感器网络传输低比特量化的数据来降低通信带宽,且运算简单,显著降低了计算复杂度,提高信号检测的准确率。

    基于字典学习的多种类无人机场景识别方法及装置

    公开(公告)号:CN109375205A

    公开(公告)日:2019-02-22

    申请号:CN201811137774.3

    申请日:2018-09-28

    Applicant: 清华大学

    Inventor: 李刚 张闻宇

    Abstract: 本发明公开了一种基于字典学习的多种类无人机场景识别方法及装置,其中,该方法包括:采集待识别无人机的回波信号;根据待识别无人机的回波信号获取回波信号的速度节奏向量,并获取在检测字典下的待识别信号的稀疏表示;根据待识别信号的稀疏表示识别待识别无人机的当前场景。该方法对目标的速度节奏向量进行学习,建立检测字典,利用OMP算法将待识别目标中的各类信号分开,从而实现多无人机目标的识别分类,并且对设备的需求量低,识别准确率高。

Patent Agency Ranking