“唐磊明”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]电磁矢量L阵中空间角与极化参数的降维谱峰搜索方法-CN201910288251.7有效
发明人：朱倍佐;张小飞;沈金清;林新平;唐磊明 -专利权人：南京航空航天大学
申请日： 2019-04-11 - 公布日： 2023-05-23 - 主分类号： G01S3/00 文献下载
摘要：本发明公开了电磁矢量L阵中空间角与极化参数的降维谱峰搜索方法，具体步骤如下：首先，分离MUSIC谱峰搜索函数中的DOA参数和极化参数；然后利用极化矩阵的性质构造拉格朗日乘子，化简谱峰搜索函数实现降维DOA估计；最后由估计出的DOA参数代入极化矩阵求得极化参数。本发明将传统标量L阵推广到电磁矢量L阵，不仅能获得信号的到达角度，又能获得信号的极化信息。本发明的优点为利用了电磁矢量阵列，一方面得到的DOA参数与极化参数能实现自动配对，避免了额外配对；另外在复杂度方面，本发明只需要一次二维谱峰搜索，比起传统MUSIC算法的四维谱峰搜索不仅大大减少了复杂度，且保持了优异的参数估计性能。
电磁矢量空间极化参数降维谱峰搜索方法

[发明专利]一种增强的基于信道硬化现象的消息传播方法-CN202110300456.X有效
发明人：杨闯;唐磊明;王正 -专利权人：南京航空航天大学
申请日： 2021-03-22 - 公布日： 2022-02-11 - 主分类号： H04L25/02 文献下载
摘要：本发明是一种增强的基于信道硬化现象的消息传播方法，提出一种检测符号的初始概率分布优化算法，获得更好的迭代收敛性能。利用离散高斯分布优化初始概率分布，其均值是在大规模MIMO系统的信道硬化现象下的估计值。估计的初始向量相比零向量更接近最终解，能够获得更好的检测性能；进一步的，通过一种近似的概率更新机制，设置一个概率阈值，能够有效减少迭代过程中检测符号的计算个数，降低迭代过程中的计算复杂度；通过调整阈值也可以实现算法的计算复杂度和检测性能之间的折中。该种基于信道硬化现象的消息传播方法能够在较低计算复杂度的情况下，提供更好的检测性能。
一种增强基于信道硬化现象消息传播方法

[发明专利]数据缺失下基于矩阵分解的声矢量传感器DOA估计方法-CN202110927573.9在审
发明人： 唐磊明;张小飞;朱倍佐;叶长波 -专利权人：南京航空航天大学
申请日： 2021-08-10 - 公布日： 2021-11-23 - 主分类号： G01S3/802 文献下载
摘要：本发明公开了数据缺失下基于矩阵分解的声矢量传感器DOA估计方法，该方法具体如下：首先，测定场景内布置任意声矢量传感器阵列，获得接收信号，并构建接收信号张量模型；然后，利用张量模型的低秩特性，对所构建的接收信号张量模型，使用基于矩阵分解的张量补全算法进行缺失数据的补全；最后，将补全后的张量数据，按折叠的方向展开，得到数据补全后的完整接收信号矩阵，使用针对任意声矢量传感器阵列的ESPRIT算法，对补全后完整的接收信号矩阵，进行信源波达方向估计。本发明能够实现任意声矢量传感器阵列中部分阵元损坏时的精确DOA估计。
数据缺失基于矩阵分解矢量传感器 doa 估计方法

[发明专利]一种基于平滑约束和矩阵分解的视觉数据张量补全方法-CN202110435191.4在审
发明人： 唐磊明;张小飞;朱倍佐;叶长波 -专利权人：南京航空航天大学
申请日： 2021-04-22 - 公布日： 2021-08-06 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于平滑约束和矩阵分解的视觉数据张量补全方法，首先，获取存在缺失的整体数据，确定其中已知数据位置集合Ω，并构建对应的视觉数据张量模型；然后，以低秩张量补全模型为基本框架，引入全变分和紧小波框架进行平滑约束，并利用矩阵分解技术降低复杂度，构建基于平滑约束和矩阵分解的视觉数据张量补全模型；最后，基于交替方向乘子法，引入多个辅助变量，得到视觉数据张量补全模型的增广拉格朗日函数形式，将原优化问题转化为多个子问题分别求解，多次迭代后输出收敛的结果，即已补全未知数据的完整视觉张量。本发明能够在采集的数据存在大规模随机缺失情况下，实现更为高效且精准的视觉数据恢复。
一种基于平滑约束矩阵分解视觉数据张量方法

[发明专利]数据缺失情况下基于低n-秩最小化张量填充的二维到达角估计方法-CN201910559027.7在审
发明人： 唐磊明;张小飞;何浪;朱倍佐 -专利权人：南京航空航天大学
申请日： 2019-06-26 - 公布日： 2019-09-17 - 主分类号： G01S3/14 文献下载
摘要：本发明公开了一种数据缺失情况下基于低n‑秩最小化张量填充的二维到达角估计方法，包括如下步骤：(1)在测定场景内布置阵列天线获得接收信号并构建接收信号张量模型；(2)利用该张量模型的低秩特性，对步骤(1)中得到的张量模型直接使用低n‑秩最小化张量填充算法进行数据补全；(3)将步骤(2)得到填充后的张量模型按步骤(1)中折叠的方向展开，得到数据补全后的完整接收信号矩阵；(4)基于补全后的数据矩阵，利用二维DOA估计算法进行信源波达方向估计。本发明能够实现大规模均匀面阵中较多阵元损坏时的精确DOA估计。
填充最小化二维数据缺失算法波达方向估计接收信号矩阵数据矩阵阵列天线折叠的低秩构建面阵信源阵元场景