基于神经网络的航天器集群威胁评估方法

    公开(公告)号:CN118646575A

    公开(公告)日:2024-09-13

    申请号:CN202410815639.9

    申请日:2024-06-24

    Abstract: 本发明公开了一种基于神经网络的航天器集群威胁评估方法,其实现步骤包括:构建并训练包含队形和行为区域意图的神经网络,将传感器接收到的采样数据输入到训练好的神经网络中;根据Lambert轨道转移函数,计算主追踪航天器在轨道转移时间内发生轨道转移与目标航天器完成交会所需的脉冲冲量;用层次分析法将队形、意图、轨道转移时间、脉冲冲量、目标航天器与主追踪航天器的相对距离进行线性加权得到综合威胁指数。本发明对主动接近式航天器集群考虑了更加全面的威胁要素,使用层次分析法赋予各个威胁要素的权重,根据综合评估指数提前进行风险规避。

    基于OTFS调制和深度学习的REC信号检测方法

    公开(公告)号:CN118555169A

    公开(公告)日:2024-08-27

    申请号:CN202410640997.0

    申请日:2024-05-22

    Abstract: 本发明公开了一种基于OTFS调制和深度学习的REC信号检测方法,其实现步骤为:对REC信号进行OTFS解调;利用稀疏贝叶斯学习的近似消息传递算法检测REC信号中目标状态信息;利用状态信息对信道依次进行均衡操作和预处理;利用预处理后的接收信号对构建的条件生成对抗网络进行训练;将预处理后的接收信号送入训练好的条件生成对抗网络中进行通信判决,得到恢复后的我方无人机标签发射的REC通信信号。本发明利用稀疏贝叶斯学习的近似消息传递算法降低目标检测过程中算法的时间复杂度和空间复杂度,利用信道矩阵的特殊性质减少均衡过程中的求逆运算,进一步降低了计算复杂度,提升了系统运行效率。本发明将深度学习模型引入通信接收机设计,对高速移动目标时仍能保持较好的通信可靠性。

    基于卡尔曼滤波的机动目标状态预测优化方法

    公开(公告)号:CN109472418B

    公开(公告)日:2021-07-27

    申请号:CN201811371984.9

    申请日:2018-11-16

    Abstract: 本发明公开了一种基于卡尔曼滤波的机动目标状态预测优化方法,主要解决现有卡尔曼滤波对目标状态预测结果误差大的问题。其实现方案是:设定离散时间线性随机动态系统参数;根据设定的系统参数,计算卡尔曼滤波系统状态一步提前预测值和增益矩阵;根据设定的系统参数,计算系统状态误差预测值和系统量测误差预测值;根据系统误差预测值,计算系统误差的增益阵;根据系统误差的增益阵,计算系统状态预测误差的估计值,从而对系统状态预测值进行修正。本发明提高了预测的准确率,使得预测的结果能够更加接近目标运动状态的真实值,可用于对飞机、舰船、汽车这些机动目标状态的预测。

    基于候选信道匹配法正交频分多址系统子载波分配方法

    公开(公告)号:CN109286480B

    公开(公告)日:2021-03-26

    申请号:CN201811237875.8

    申请日:2018-10-23

    Abstract: 本发明属于无线通信技术领域,公开了一种基于候选信道匹配法正交频分多址系统子载波分配方法;包括:建立信道增益矩阵,对于子载波集合中的每一个子载波,在其未选择过的信道中选择一个信道质量最好;更新子载波候选用户的集合以及用户的候选子载波集合;检测是否满足每一个用户的候选子载波数量不少于其需求数量;选择用户进行子载波分配;根据分配结果更新相关集合变量。本发明在正交频分多址系统中,频谱资源被切分成许多个正交的子载波,每个用户的信息被承载在多个正交的子载波进行传输,以实现正交并行通信。因此,如何有效分配子载波资源,将很大程度影响正交频分多址通信系统的频谱效率、通信可靠性、公平性及其他系统性能等。

    基于多电平的序列检测与识别方法

    公开(公告)号:CN105407491B

    公开(公告)日:2019-04-23

    申请号:CN201510902347.X

    申请日:2015-12-09

    Abstract: 本发明公开了一种基于多电平的序列检测与识别方法,主要解决现有检测方法中频谱利用率和可靠性之间的矛盾。其实现步骤是:1)接收端设置所有错误判决概率的约束值;2)接收端对接收到的信号进行采样;3)接收端对采样信号的各个分量平方相加得到检验统计量,并计算检验统计量的判决域;4)判决检验统计量是否落入判决域的区域:若检验统计量没有落入判决域,则返回步骤2);若检验统计量落入判决域,则判决检验统计量具体落入的判决域,判决出授权用户的发送电平值。本发明对信号进行检测时能够在在可靠性一定的情况下,最大化频谱利用率,可用于认知无线电环境中的多电平信号检测与识别。

    基于导频信道估计的MIMO系统软检测方法

    公开(公告)号:CN105262708A

    公开(公告)日:2016-01-20

    申请号:CN201510725954.3

    申请日:2015-10-30

    Abstract: 本发明公开了一种基于导频信道估计的MIMO系统软检测方法,主要解决现有技术中数据传输速率低、检测复杂度非常高和检测准确率低的问题。其实现步骤是:1、输入数据矢量和导频矢量;2、获取接收信号;3、预滤波;4、输出软检测的比特位;5、数据矢量传输功率的最优分配。本发明采用最小均方误差MMSE信号检测方法和对数似然比方法对多入多出MIMO检测模型进行软检测的比特位分析,本发明提出的软检测的比特位的检测性能大幅度提高了数据传输速率,降低了检测复杂度,提高了检测准确率。

    基于Cholesky矩阵分解的协作频谱检测方法

    公开(公告)号:CN103973381B

    公开(公告)日:2016-01-20

    申请号:CN201410211226.6

    申请日:2014-05-19

    Abstract: 本发明公开了一种基于Cholesky矩阵分解的协作频谱检测方法,主要解决现有的能量检测算法受噪声不确定影响大,需要先验信息和检测门限难以确定等问题。其实现步骤是:(1)各个检测用户根据所要检测的频段,采集该频段的数据,并上传到处理中心;(2)处理中心根据上传的数据,构造归一化协方差矩阵,并对其进行Cholesky分解;(3)利用该分解结果计算检测统计量,分析其概率分布;(4)根据检测统计量的概率分布计算目标虚警概率下的判决门限;(5)处理中心对检测统计量与检测门限进行比较,判决主用户信号是否存在。本发明具有抗噪声不确定度能力强,检测门限精准,检测性能高的优点,可用于无线通信。

Patent Agency Ranking