“谢仁宏”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124个，建议您升级VIP下载更多相关专利

[发明专利]基于改进水循环算法的稀布天线阵列低副瓣综合优化方法-CN201911321011.9有效
发明人：芮义斌;王欢;谢仁宏;李鹏;郭山红;孙泽渝;吕宁;王丽妍 -专利权人：南京理工大学
申请日： 2019-12-19 - 公布日： 2023-06-13 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于改进水循环算法的稀布天线阵列低副瓣综合优化方法。该方法为：首先对天线阵列方向图进行数学建模，构造阵列方向图与天线阵元位置之间的函数关系，并通过对阵元位置做常量分离，降低了阵元位置解的搜索空间；然后对阵列中阵元位置集合按水循环算法进行分类、汇流、蒸发与降雨过程；最后通过多轮迭代得到最终大海对应的个体，将大海中各阵元位置作为阵列中阵元的最佳排布方式。本发明具有副瓣电平低、算法简单、收敛速度快、鲁棒性好、收敛结果好的优点。
基于改进水循环算法天线阵列低副瓣综合优化方法

[发明专利]一种外辐射源雷达盲源分离提取目标回波与直达波的方法-CN201811386832.6有效
发明人：芮义斌;李坤合;谢仁宏;李鹏;郭山红;楼霓珊;刘琳 -专利权人：南京理工大学
申请日： 2018-11-20 - 公布日： 2023-05-05 - 主分类号： G01S7/292 文献下载
摘要：本发明公开了一种外辐射源雷达盲源分离提取目标回波与直达波的方法，包括以下步骤：首先通过阵列天线接收非合作信号源的混合信号，混合信号包括直达波信号、多径信号、目标回波信号；之后对混合信号进行预处理获得观测信号，并通过SOBI法对观测信号进行盲源分离，获得分离矩阵、未分离观测信号和目标回波信号；再对未分离观测信号进行降维处理；最后利用典型关联分析对降维后的未分离观测信号进行盲源分离，完成目标回波与直达波的提取。本发明利用SOBI盲源分离技术提取目标回波，利用相消技术减少目标回波对剩余信号影响，根据级联的典型关联分析算法实现直达波的提取，可以得到更纯净的直达波，无需单独设置参考通道接收直达波，有效的降低成本。
一种辐射源雷达分离提取目标回波直达方法

[发明专利]一种基于改进窗函数的S变换时频分析方法-CN201811367260.7有效
发明人：芮义斌;楼霓珊;谢仁宏;李鹏;郭山红;刘琳;李坤合 -专利权人：南京理工大学
申请日： 2018-11-16 - 公布日： 2023-04-07 - 主分类号： G01S7/41 文献下载
摘要：本发明公开了一种基于改进窗函数的S变换时频分析方法，属于雷达信号处理领域，包括以下步骤：首先对输入信号进行时域采样，获得信号的离散序列；再对离散序列进行FFT变换，获得信号频谱并对其进行周期延拓处理；然后根据信号频谱和高斯窗函数，构造新的窗函数；最后根据周期延拓后的信号频谱和新的窗函数获取输入信号的时频谱，完成S变换时频分析。本发明的方法既保持了S变换窗长随信号频率变化而变化的特点，同时可以限制窗长的变化范围，避免出现过窄过宽的现象，使得在整个时频谱中都有很高的分辨率。
一种基于改进函数变换分析方法

[发明专利]基于二维自选择加权卷积神经网络的雷达目标识别方法-CN202210596499.1在审
发明人：芮义斌;余承威;谢仁宏;李鹏;李鹏;袁宇峰 -专利权人：南京理工大学
申请日： 2022-05-30 - 公布日： 2023-02-24 - 主分类号： G01S7/41 文献下载
摘要：本发明公开了一种基于二维自选择加权卷积神经网络的雷达目标识别方法，包括：首先，利用Toeplitz矩阵将雷达信号处理系统得到的原始一维时域信号构造成二维的数据信号；再将构造后的二维数据信号根据原始信号的类别按照比例生成训练集和测试集；构造坐标注意力模块，再构造由自选择加权模块组成的卷积神经网络，将训练集数据输入到构造后的网络中进行训练得到训练后的网络模型，最后使用测试集对训练后的网络模型进行测试完成雷达目标的识别分类。本发明能够在非常小的计算参数代价之下，提升目标识别的准确率，适合于计算资源十分有限，又要求较高目标识别精度的场合下进行使用。
基于二维选择加权卷积神经网络雷达目标识别方法

[发明专利]一种改进S变换联合同步提取的时频分析方法-CN202210548738.6在审
发明人：芮义斌;袁宇峰;谢仁宏;李鹏;余承威;李鹏 -专利权人：南京理工大学
申请日： 2022-05-20 - 公布日： 2022-12-20 - 主分类号： G06F30/20 文献下载
摘要：本发明公开了一种改进S变换联合同步提取的时频分析方法，包括：针对待分析的非平稳信号，根据频率分辨率要求确定改进窗函数三个窗参数的范围；根据时频聚集度的定量化计算，确定三个窗参数的最优化选取；以优化后的参数对信号进行改进S变换；估算瞬时频率得到同步提取算子；对优化参数选取的改进S变换时频谱进行提取。本发明提出的改进S变换联合同步提取的时频分析方法进一步提升了S变换窗函数的灵活性，可以适应不同特征的信号，瞬时频率估计更加准确，时频分辨率高，具有更好的时频分析效果。
一种改进变换联合同步提取分析方法

[发明专利]基于DPNALM算法的稀疏阵列DOA估计方法-CN202210552779.2在审
发明人：芮义斌;李鹏;谢仁宏;李鹏;余承威;袁宇峰 -专利权人：南京理工大学
申请日： 2022-05-21 - 公布日： 2022-11-18 - 主分类号： G01S3/14 文献下载
摘要：本发明公开了一种基于DPNALM算法的稀疏阵列DOA估计方法，包括：将稀疏阵列回波快拍重构成Toeplitz矩阵；构造基于秩最小化的矩阵填充模型，运用DPNALM算法对模型进行求解得到满阵对所有快拍的缺失数据均填充完毕后得到补全的数据阵列Xr；求Xr的协方差矩阵并对其进行Toeplitz重构；运用DOA估计算法完成波达方向角估计。本发明提出的DPNALM算法将基于秩最小化的矩阵填充模型分解为低秩逼近和去噪两个子问题，利用Dykstra交替投影得到观测矩阵的低秩原子集，并将观测矩阵投影到低秩原子集上进行去噪，将DPNALM应用在非相关信源和相关信源下的稀疏阵列DOA估计中，均能取得较好效果。
基于 dpnalm 算法稀疏阵列 doa 估计方法

[发明专利]基于随机近端梯度张量分解的VDES接收碰撞信号分离方法-CN202011570397.X有效
发明人：李鹏;黄敏;谢仁宏;芮义斌 -专利权人：南京理工大学
申请日： 2020-12-26 - 公布日： 2022-11-01 - 主分类号： H04B1/10 文献下载
摘要：本发明公开了一种基于随机近端梯度张量分解的VDES碰撞信号分离方法，该方法适用于欠定或正定情况下(观测信号数目小于或等于源信号数目)VDES碰撞信号分离，具体为：首先对VDES接收信号进行采样、数字下变频处理，得到各子系统观测信号；完成预处理后建立广义协方差矩阵集并利用Tucker分解压缩矩阵集堆叠的张量得到核张量，接着采用随机近端梯度算法优化核张量求解过程，对得到的混合矩阵求逆得到分离矩阵；对分离矩阵计算出的分离信号进行帧头检测、频偏估计、解调处理，得到VDES子系统信号数据帧。本发明利用Tucker分解对张量压缩，减少计算复杂度，随机近端梯度算法在提高分解精度的同时减少求解因子矩阵所需时间，能对VDES系统的接收信号进行实时处理。
基于随机梯度张量分解 vdes 接收碰撞信号分离方法

[发明专利]一种基于OCDM的雷达通信一体化信号设计方法-CN202011570408.4有效
发明人： 谢仁宏;王行;李鹏;芮义斌 -专利权人：南京理工大学
申请日： 2020-12-26 - 公布日： 2022-10-18 - 主分类号： H04L27/26 文献下载
摘要：本发明公开了一种基于OCDM的雷达通信一体化信号设计方法，利用通信信息对原始相位编码序列进行移位编码，然后将编码后的序列矩阵调制到OCDM信号上，得到雷达通信一体化信号。本发明设计出的信号属于多载波调制，OCDM信号由一组正交的线性调频信号构成，对多普勒不敏感，具有较好的雷达探测性能，且其实现过程和OFDM信号具有相似性，可兼容到OFDM系统中。
一种基于 ocdm 雷达通信一体化信号设计方法

[发明专利]基于一维卷积神经网络的地面雷达自动目标分类识别方法-CN202010768165.9有效
发明人：董博皓;谢仁宏;李鹏;芮义斌 -专利权人：南京理工大学
申请日： 2020-08-03 - 公布日： 2022-10-14 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于一维卷积神经网络的地面雷达自动目标分类识别方法，包括：将雷达人、车回波目标样本数据进行预处理，获得时域回波信号、功率谱和幂变换功率谱，使用自编码器处理预处理后的特征向量，构建一维卷积神经网络(1D‑CNN)结构，使用贝叶斯超参数优化方法对卷积神经网络结构的超参数进行优化。将编码好的数据输入一维卷积神经网络通过softmax分类器进行目标分类识别，得出对人员和车辆样本的分类识别结果。本发明能够高效而又稳定的完成目标分类识别功能，计算速度快，实现简单，不仅简化了网络结构，而且减小了参数计算规模，并且对低分辨地面雷达的目标分类识别具有优异的识别准确性。
基于卷积神经网络地面雷达自动目标分类识别方法

[发明专利]基于Modified-ALM算法的稀疏阵列DOA估计方法-CN202110485711.2有效
发明人：芮义斌;范王恺;谢仁宏;李鹏;郝玉婷;邢晗薇;孔立群;孟昊 -专利权人：南京理工大学
申请日： 2021-04-30 - 公布日： 2022-09-27 - 主分类号： G01S3/14 文献下载
摘要：本发明公开了一种基于Modified‑ALM算法的稀疏阵列DOA估计方法，包括：将稀疏阵列每次快拍采样的数据列成Toeplitz矩阵xT；构造基于Sigmoid函数最小化的矩阵填充模型，并运用Modified‑ALM算法对xT进行优化矩阵填充，得到满阵x′T；所有快拍的数据均填充完毕后得到补全的接收数据矩阵X′；对X′求得协方差矩阵并对其进行Toeplitz重构，获得重构后的协方差矩阵；最后运用常规DOA估计算法完成角估计。本发明应用在相干、非相关信源下的稀疏阵列DOA估计中，均能取得较好的效果；在阵列更稀疏、信号源更多的情况下，都能保持很好的测向性能。
基于 modified alm 算法稀疏阵列 doa 估计方法

[发明专利]基于融合特征的一维卷积神经网络地面雷达目标分类方法-CN201911320163.7有效
发明人： 谢仁宏;孙泽渝;芮义斌;李鹏;郭山红;王欢;王丽妍;边晨光;吕宁 -专利权人：南京理工大学
申请日： 2019-12-19 - 公布日： 2022-09-06 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种基于融合特征的一维卷积神经网络地面雷达目标分类方法。该方法步骤如下：对训练样本集和测试样本集中的雷达回波数据样本进行预处理，通过FFT得到回波数据的幅度谱、功率谱，再对幅度谱进行幂变换，将三组特征向量作为特征输入的三个通道；确定一维卷积神经网络架构，将提取后的三通道特征送入全连接层；利用softmax分类器进行分类，计算得到输出预测标签与真实标签的误差；利用梯度下降法对网络权重系数进行修正，直至达到最大迭代次数，提取相应的网络权重系数，确定最终分类器模型；将待识别的测试集雷达回波样本送入训练得到的分类器，完成目标分类。本发明具有更少的参数，能够高效而准确的完成目标分类。
基于融合特征卷积神经网络地面雷达目标分类方法

[发明专利]一种基于数字编码的波束扫描圆极化漏波天线-CN202011588361.4有效
发明人：李鹏;饶振中;谢仁宏;芮义斌 -专利权人：南京理工大学
申请日： 2020-12-28 - 公布日： 2022-08-16 - 主分类号： H01Q1/38 文献下载
摘要：本发明公开了一种基于数字编码的波束扫描圆极化漏波天线，包括：输入端口、输出端口以及位于输入端口和输出端口之间串联的多个天线单元。每个天线单元包括：上层微带结构、介质基板以及底层金属地板；上层微带结构位于介质基板的上表面，底层金属地板位于介质基板的下表面；微带线两侧连接枝节和PIN二极管，通过金属化通孔与底层金属地板连通；底层金属地板上刻蚀开口环形缝隙作为圆极化辐射器。本发明通过控制PIN二极管的通断状态，对天线单元的阻抗特性进行调控，设置对应的状态编码组合，控制天线的波束指向，具有低成本、增益稳定、编码控制、圆极化的优点。
一种基于数字编码波束扫描极化天线

[发明专利]基于长时间相参积累的高速目标检测方法-CN202210368762.1在审
发明人：芮义斌;孟昊;谢仁宏;李鹏;邢晗薇 -专利权人：南京理工大学
申请日： 2022-04-09 - 公布日： 2022-07-12 - 主分类号： G01S7/41 文献下载
摘要：本发明公开了一种基于长时间相参积累的高速目标检测方法，该方法将积分区间划分为若干子区间，通过补偿各区间内的速度差并基于二阶Keystone变换进行距离弯曲校正，最后通过BAS算法快速实现GRFT，最终实现目标的相参检测。对于匀加速运动目标在分区间后，本发明不再需要对整个慢时间维进行加速度搜索，只需要对每个区间内的信号进行补偿运算，使得运算量降低；并且对每个区间内的信号做傅里叶变换，信号的能量得到了集中，信噪比得到提高的同时搜索准确度相对提高；该方法能更加有效地对雷达频域目标信号进行目标检测。
基于长时间积累高速目标检测方法

[发明专利]基于低秩稀疏矩阵约束优化的叶簇杂波抑制方法及系统-CN202210350664.5在审
发明人：芮义斌;邢晗薇;谢仁宏;李鹏;范王恺;郝玉婷;孔立群;孟昊 -专利权人：南京理工大学
申请日： 2022-04-04 - 公布日： 2022-06-28 - 主分类号： G01S7/41 文献下载
摘要：本发明公开了一种基于低秩稀疏矩阵约束优化的叶簇杂波抑制方法及系统，该方法首先对雷达回波进行分数阶傅里叶变换并根据二维分布找出平面内能量最大点，确定最佳变换阶数ρ，再对雷达回波进行ρ阶FRFT变换，使得雷达接收信号在FRFT域中目标和杂波的能量差取到最大；接着在FRFT域构造低秩稀疏约束模型并优化目标函数，通过基于模拟退火优化改进增广拉格朗日乘子法迭代求解，最后将重构的信号逆FFT变换到时域，得到抑制杂波后的数据。本发明针对叶簇杂波环境中地面侦察雷达检测低速运动目标的难题，在频域进行低秩稀疏约束重构，从而实现叶簇杂波抑制，提高低速目标回波信号的信杂比，有效提升了树林环境中低速目标的检测性能。
基于稀疏矩阵约束优化叶簇杂波抑制方法系统

[发明专利]多径环境中基于麦克风阵列的声源定位方法-CN202010272248.9有效
发明人：芮义斌;于晴;张跃龙;谢仁宏;李鹏 -专利权人：南京理工大学
申请日： 2020-04-09 - 公布日： 2022-06-28 - 主分类号： G01S5/22 文献下载
摘要：本发明公开了一种多径环境中基于麦克风阵列的声源定位方法，属于声源定位技术领域。该方法包括以下内容：利用由n个麦克风阵元构成的麦克风阵列采集声源信号；将麦克风阵列中的某一个麦克风作为参考麦克风，求取其余麦克风与参考麦克风构成的麦克风对的互相关函数；抽取每个麦克风对互相关函数的前N个最大峰值作为真实峰值的候选量，将这若干个峰值候选量对应的波程差以不同的排列组合形式代入求解声源坐标的数学关系式中，通过利用l2范数设定目标函数，局部搜索出声源信号在直接路径下获得的声源坐标。本发明可显著提高实际声源信号的定位准确度，有效降低多径、噪声对算法测向性能的影响。
环境基于麦克风阵列声源定位方法

首页
«上一页
1
2
3
4
5
6
7
8
9
下一页»
尾页
共 124 条