CN108983600A - 一种混合域压缩采样控制系统及其控制方法 - Google Patents
一种混合域压缩采样控制系统及其控制方法 Download PDFInfo
- Publication number
- CN108983600A CN108983600A CN201810394556.1A CN201810394556A CN108983600A CN 108983600 A CN108983600 A CN 108983600A CN 201810394556 A CN201810394556 A CN 201810394556A CN 108983600 A CN108983600 A CN 108983600A
- Authority
- CN
- China
- Prior art keywords
- compression
- module
- signal
- sampling
- hybrid domain
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种混合域压缩采样控制系统，包括低速采样模块、FIR滤波模块以及数据选取模块，本发明还公开了此种混合域压缩采样控制系统的控制方法，低速采样模块用于对雷达回波信号进行采样，得到回波采样矢量；FIR滤波模块与数据选取模块用于对低速采样模块得到的回波采样矢量进行压缩调制，得到压缩观测信号；该系统通过模拟信号一级低速采样与数字信号二级压缩的级联，实现压缩感知雷达的高效数据压缩，能够降低压缩感知雷达硬件设计复杂度。
Description
技术领域
本发明涉及一种压缩采样控制系统，属于通信领域，特别是一种对雷达信号的混合域压缩采样控制系统和方法。
背景技术
压缩感知雷达在分辨率与信号处理效率上较传统雷达具有明显的优势。压缩感知雷达的设计难点即在于信号压缩采样方法，早期的压缩感知理论应用中，数据的压缩主要由数字端的随机压缩观测矩阵来实现，并没有在真正意义上实现信号采样端对奈奎斯特采样理论的突破。随着压缩感知理论研究的不断深入，涌现出了一批针对真正降低模拟端A/D采样率的信号压缩采样新方法，如利用伪随机序列对信号进行调制的随机调制采样方法，基于随机非均匀采样的随机模拟-数字转换系统等。而针对压缩感知雷达设计，由于压缩感知理论应用于雷达系统有着与其他应用领域不同的特点，如回波信号与已知发射信号的结构相似性、目标参数仅依赖于稀疏向量内元素的索引值等，因此，需要针对压缩感知雷达系统的回波信号提供一种压缩采样控制系统，以实现在最大程度上提高压缩感知雷达的数据存储、传输与处理的效率。
发明内容
发明目的：本发明解决了如何提高压缩感知雷达的数据存储、传输与处理的效率的技术问题。
技术方案：为了解决上述问题，本发明采用的技术方案如下：
一种混合域压缩采样控制系统，包括用于对雷达回波信号进行采样，能够得到回波采样矢量的低速采样模块、与数据选取模块用于对低速采样模块得到的回波采样矢量进行压缩调制并能够得到压缩观测信号的FIR滤波模块以及数据选取模块。
进一步地，FIR滤波器的截止频率与压缩感知雷达发射信号基带信号的带宽保持一致。
进一步地，数据选取模块选取的最低数据量为NCS，稀疏字典的原子维度为P，感知矩阵相关系数μ服从关系同时，感知矩阵相关系数μ与稀疏度K之间满足关系压缩采样系统最低采样数据量由上述两个关系式确定。
进一步地，系统还包括用于提供数字窗函数以对滤波器的输出结果进行截取的窗函数模块；FIR滤波模块中采用的压缩调制具体为对回波采样矢量与FIR滤波器系数的卷积结果按照数字窗函数的范围进行选取。
一种混合域压缩采样控制系统的混合域压缩采样控制方法，包括以下步骤：
步骤A，对雷达回波信号进行低速采样，得到采样矢量信号；
步骤B，对步骤A中得到的回波采样矢量进行压缩调制，得到压缩观测信号。
进一步地，步骤B中压缩调制方法具体为：对回波采样矢量与压缩调制所采用的FIR滤波器的系数进行卷积计算，并将卷积结果按照数字窗函数的范围进行选取。
进一步地，按照数字窗函数的范围选取最低数据量NCS，设稀疏字典的原子维度为P，感知矩阵相关系数μ服从关系同时，感知矩阵相关系数μ与稀疏度K之间满足关系由上述两个关系式则可以确定压缩采样系统最低采样数据量。
进一步地，步骤B中压缩调制采用压缩观测白噪声随机滤波器，其中，白噪声随机滤波器系数h(n)的阶数由压缩采样的数据量NCS与原数据长度NL共同决定，具体的关系为Mh＝NL-NCS；所述白噪声随机滤波器系数值的确定过程如下：
(1)以理想白噪声功率幅度谱S(k)为频域目标谱，将h(n)的求解归纳为最小化问题其中F为FFT矩阵；
(2)初始化频域目标谱的相位值使得频域目标谱为其中T表示转置；
(3)计算滤波器系数的最小方差估计并归一化得到
(4)计算白噪声随机滤波器估计值的归一化频谱并由此计算得到对应的相位
(5)计算收敛系数若其与迭代终止阈值ε之间满足Δ≤ε，则终止循环迭代，输出当前白噪声随机滤波器系数h(n)；反之，则将计算得到的相位值代入第(2)步继续循环执行后续步骤。
有益效果：本发明与现有技术相比：该系统通过模拟信号一级低速采样与数字信号二级压缩的级联，实现压缩感知雷达的高效数据压缩，能够降低压缩感知雷达硬件设计复杂度。同时提供了一种针对该混合域压缩采样系统的白噪声随机滤波器设计方法，进一步降低了压缩感知雷达感知矩阵的相关性，从而提高压缩感知雷达在少量测量数据支撑下的目标参数估计性能。
附图说明
图1是随机驱动序列仿真生成电路图；
图2是随机驱动序列的波形图；
图3是随机跳频信号的波形图；
图4是随机跳频信号模糊函数图；
图5是回波信号混合域压缩采样控制系统框图。
具体实施方式
本发明提供一种针对压缩感知雷达的模拟域-数字域级联的混合压缩采样系统，该系统通过模拟信号一级低速采样与数字信号二级压缩的级联，实现压缩感知雷达的高效数据压缩。同时提供了一种针对该混合域压缩采样系统的白噪声随机滤波器设计方法，进一步降低了压缩感知雷达感知矩阵的相关性，从而提高压缩感知雷达在少量测量数据支撑下的目标参数估计性能。
一种混合域压缩采样控制系统，包括用于对雷达回波信号进行采样，能够得到回波采样矢量的低速采样模块、与数据选取模块用于对低速采样模块得到的回波采样矢量进行压缩调制并能够得到压缩观测信号的FIR滤波模块以及数据选取模块。还包括用于提供数字窗函数以对滤波器的输出结果进行截取的窗函数模块；FIR滤波模块中采用的压缩调制具体为对回波采样矢量与FIR滤波器系数的卷积结果按照数字窗函数的范围进行选取。
FIR滤波器的截止频率与压缩感知雷达发射信号基带信号的带宽保持一致。
数据选取模块选取的最低数据量为NCS，稀疏字典的原子维度为P，感知矩阵相关系数μ服从关系同时，感知矩阵相关系数μ与稀疏度K之间满足关系压缩采样系统最低采样数据量由上述两个关系式确定。
一种混合域压缩采样控制系统的混合域压缩采样控制方法，包括以下步骤：
步骤A，对雷达回波信号进行低速采样，得到采样矢量信号；
步骤B，对步骤A中得到的回波采样矢量进行压缩调制，得到压缩观测信号。
步骤B中压缩调制方法具体为：对回波采样矢量与压缩调制所采用的FIR滤波器的系数进行卷积计算，并将卷积结果按照数字窗函数的范围进行选取。
按照数字窗函数的范围选取最低数据量NCS，设稀疏字典的原子维度为P，感知矩阵相关系数μ服从关系同时，感知矩阵相关系数μ与稀疏度K之间满足关系由上述两个关系式则可以确定压缩采样系统最低采样数据量。
步骤B中压缩调制采用压缩观测白噪声随机滤波器，其中，白噪声随机滤波器系数h(n)的阶数由压缩采样的数据量NCS与原数据长度NL共同决定，具体的关系为Mh＝NL-NCS；所述白噪声随机滤波器系数值的确定过程如下：
(1)以理想白噪声功率幅度谱S(k)为频域目标谱，将h(n)的求解归纳为最小化问题其中F为FFT矩阵；
(2)初始化频域目标谱的相位值使得频域目标谱为其中T表示转置；
(3)计算滤波器系数的最小方差估计并归一化得到
(4)计算白噪声随机滤波器估计值的归一化频谱并由此计算得到对应的相位
(5)计算收敛系数若其与迭代终止阈值ε之间满足Δ≤ε，则终止循环迭代，输出当前白噪声随机滤波器系数h(n)；反之，则将计算得到的相位值代入第(2)步继续循环执行后续步骤。
具体推导过程如下：
本发明系统总体上包括三部分：旨在降低压缩感知雷达稀疏基相关性的随机跳频发射信号生成模块、压缩感知雷达回波信号混合域压缩采样控制系统以及针对该混合域压缩采样系统的白噪声随机滤波器生成模块。
随机跳频发射信号生成模块产生形式为的发射信号，其中基于Simulink的随机驱动序列仿真生成电路图如图1所示。通过以上的仿真电路可以得到基于PN码的随机驱动序列，对得到的随机驱动序列进行幅值调整，将原来的0、1二值跳变转化为-1、1二值跳变。若PN码生成电路中存在n个移位寄存器，则所生成的n阶PN码的周期为2n-1，也称为该n阶PN码的最大长度。仿真电路中移位寄存器的数量为8个，因此产生的PN码周期为255。调频斜率Kr＝31.6×106的情况下，得到的随机驱动序列以及受驱动序列驱动的随机跳频发射信号如图2所示。根据模糊函数的定义，可以得到图3所示的随机跳频信号的模糊函数，可见该随机跳频信号的模糊函数已经接近理想的图钉形状。
应用于压缩感知雷达系统的混合域压缩采样框架由模拟域的一级压缩采样模块与数字域的二级信号压缩模块两部分组成，通过两个模块的级联，实现对压缩感知雷达回波信号的压缩采样。压缩感知雷达系统回波信号混合域压缩采样框架如图4所示，首先利用以低于Nyquist定理所要求采样率的A/D模块对回波信号r(t)进行采样得到采样矢量r(n)，随后通过一个长度为d的FIR数字滤波器h(n)，最后通过一个数字窗函数w(n)对滤波器输出结果进行截取得到观测信号矢量y。滤波器h(n)的系数可以根据需要选取，一般根据随机观测矩阵的定义，选择随机高斯变量或者随机伯努利分布变量等。回波采样矢量r(n)通过FIR滤波器h(n)与数字窗函数w(n)的过程的本质实为对r(n)与h(n)的卷积结果按照w(n)的范围进行截取，可分析得到该过程等效的观测矩阵实际上是由FIR滤波器h(n)构成的卷积矩阵的一部分。等效的随机滤波观测矩阵形式上是由滤波器h(n)的系数通过逐行移位来构成的，假设观测矩阵的行数为q，则q的值由窗函数w(n)决定，观测矩阵的列数则为d+q。低速A/D模块的采样率不再必须满足奈奎斯特采样定理的要求，由于过完备稀疏字典Ψ由对应发射信号s的离散时延-频移信号构成，而该离散信号的采样率与回波信号的采样率一致，根据过完备稀疏字典Ψ的定义与构造方法，同一个多普勒频移对应的子矩阵中的各列对应着探测范围内的所有距离单元，相邻列中的离散信号的单位平移量决定了压缩感知雷达的距离单元的大小，亦可以理解为压缩感知雷达的距离分辨率。因此，在压缩感知雷达混合域压缩采样框架中，前端A/D采样模块的采样率由压缩感知雷达的距离分辨率决定。考虑到FIR滤波器设计简单的优点，则回波信号压缩采样框架中低通滤波器h(n)采用FIR数字滤波器的形式，低通滤波器h(n)的截止频率与压缩感知雷达发射信号基带信号的带宽保持一致。时域窗函数w(n)的窗口长度由所需要截取的数据长度来决定，而截取的数据量需要满足稀疏域信号准确重构的要求，考虑感知矩阵平均相关系数令感知矩阵Γ的平均相关系数为μt(Γ)，如果无噪信号x0＝Γθ0满足则稀疏优化求解的误差满足
根据压缩感知理论中感知矩阵的定义，在稀疏变换基确定的情况下，观测矩阵各行之间的低相关性可以保证感知矩阵各列之间的低相关性，而在混合域压缩采样框架对应的基于滤波器结构的观测矩阵中，各行是由滤波器系数平移得到的，因此基于滤波器结构的观测矩阵各行的相关性与滤波器系数的自相关性是等价的，因此可以通过设计自相关性较低的滤波器系数，来降低观测矩阵各行之间的相关性，从而降低感知矩阵的列相关性，提高压缩感知雷达的性能。本系统通过一种趋于白噪声的序列来构造观测矩阵，以降低感知矩阵的列相关性。令滤波器的时域形式为h(t)＝exp(jφ(t))，SN(k)为理想白噪声的频域幅度谱，则h(t)的时域恢复问题可以等价为求解如下的最小化问题
其中F为FFT矩阵
其中
令
其中是对滤波器系数相位的估计，则滤波器系数频域幅度谱与理想白噪声频域幅度谱的误差∑(SN(k)-|H(k)|)2可以写成向量形式(S-Fh)H(S-Fh)，h的最小方差估计器为
在这个问题中，理想白噪声幅度谱的相位由滤波器系数h的频域相位决定，因此可以采用如下的循环算法来求解h的时域系数。
步骤1：初始化滤波器系数频域相位估计值
步骤2：计算滤波器系数的最小方差估计并做归一化
步骤3：计算滤波器系数估计值的归一化频域谱
步骤4：计算滤波器系数归一化频谱的相位：
步骤5：计算收敛系数若Δ≤ε，则终止循环迭代；若Δ＞ε，则跳至步骤1继续循环。
本发明考虑到模拟信息转换模块AIC与观测矩阵的等效观测，基于压缩感知雷达系统信号稀疏表示模型，针对现有AIC框架中高速伪随机序列速率高、硬件设计成本高的问题，为降低压缩感知雷达硬件设计复杂度，从观测矩阵设计的角度出发，提供了一种基于数字随机滤波器设计的压缩感知雷达混合域压缩采样控制系统与方法，通过模拟信号一级低速采样与数字信号二级压缩的级联，实现压缩感知雷达的高效数据压缩，同时，进一步降低了压缩感知雷达感知矩阵相关性。
Claims (8)
1.一种混合域压缩采样控制系统，其特征在于，包括用于对雷达回波信号进行采样，能够得到回波采样矢量的低速采样模块、与数据选取模块用于对低速采样模块得到的回波采样矢量进行压缩调制并能够得到压缩观测信号的FIR滤波模块以及数据选取模块。
2.根据权利要求1所述的混合域压缩采样控制系统，其特征在于，FIR滤波器的截止频率与压缩感知雷达发射信号基带信号的带宽保持一致。
3.根据权利要求1所述的混合域压缩采样控制系统，其特征在于，数据选取模块选取的最低数据量为NCS，稀疏字典的原子维度为P，感知矩阵相关系数μ服从关系同时，感知矩阵相关系数μ与稀疏度K之间满足关系压缩采样系统最低采样数据量由上述两个关系式确定。
4.根据权利要求1所述的混合域压缩采样控制系统，其特征在于，系统还包括用于提供数字窗函数以对滤波器的输出结果进行截取的窗函数模块；FIR滤波模块中采用的压缩调制具体为对回波采样矢量与FIR滤波器系数的卷积结果按照数字窗函数的范围进行选取。
5.一种采用如权利要求1所述的混合域压缩采样控制系统的混合域压缩采样控制方法，其特征在于，包括以下步骤：
步骤A，对雷达回波信号进行低速采样，得到采样矢量信号；
步骤B，对步骤A中得到的回波采样矢量进行压缩调制，得到压缩观测信号。
6.根据权利要求5所述的混合域压缩采样控制方法，其特征在于，步骤B中压缩调制方法具体为：对回波采样矢量与压缩调制所采用的FIR滤波器的系数进行卷积计算，并将卷积结果按照数字窗函数的范围进行选取。
7.根据权利要求6所述的混合域压缩采样控制方法，其特征在于，按照数字窗函数的范围选取最低数据量NCS，设稀疏字典的原子维度为P，感知矩阵相关系数μ服从关系同时，感知矩阵相关系数μ与稀疏度K之间满足关系由上述两个关系式则可以确定压缩采样系统最低采样数据量。
8.根据权利要求5所述的混合域压缩采样控制方法，其特征在于，步骤B中压缩调制采用压缩观测白噪声随机滤波器，其中，白噪声随机滤波器系数h(n)的阶数Mh由压缩采样的数据量NCS与原数据长度NL共同决定，具体的关系为Mh＝NL-NCS；所述白噪声随机滤波器系数值的确定过程如下：
(1)以理想白噪声功率幅度谱S(k)为频域目标谱，将h(n)的求解归纳为最小化问题其中F为FFT矩阵；
(2)初始化频域目标谱的相位值使得频域目标谱为其中T表示转置；
(3)计算滤波器系数的最小方差估计并归一化得到
(4)计算白噪声随机滤波器估计值的归一化频谱并由此计算得到对应的相位
(5)计算收敛系数若其与迭代终止阈值ε之间满足Δ≤ε，则终止循环迭代，输出当前白噪声随机滤波器系数h(n)；反之，则将计算得到的相位值代入第(2)步继续循环执行后续步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810394556.1A CN108983600B (zh) | 2018-04-27 | 2018-04-27 | 一种混合域压缩采样控制系统及其控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810394556.1A CN108983600B (zh) | 2018-04-27 | 2018-04-27 | 一种混合域压缩采样控制系统及其控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108983600A true CN108983600A (zh) | 2018-12-11 |
| CN108983600B CN108983600B (zh) | 2021-03-19 |
Family
ID=64542331
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810394556.1A Active CN108983600B (zh) | 2018-04-27 | 2018-04-27 | 一种混合域压缩采样控制系统及其控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108983600B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111158056A (zh) * | 2019-12-26 | 2020-05-15 | 北京遥测技术研究所 | 一种基于稀疏阵列的安检装置及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102288951A (zh) * | 2011-07-17 | 2011-12-21 | 西安电子科技大学 | 基于aic压缩信息获取和fbmp的雷达目标参数估计方法 |
| CN103595414A (zh) * | 2012-08-15 | 2014-02-19 | 王景芳 | 一种稀疏采样与信号压缩感知重构方法 |
| CN104076360A (zh) * | 2014-07-04 | 2014-10-01 | 西安电子科技大学 | 基于压缩感知的二维sar稀疏目标成像方法 |
| CN104122540A (zh) * | 2014-07-31 | 2014-10-29 | 电子科技大学 | 基于匹配字典和压缩感知的雷达一维距离像目标识别方法 |
| CN106291475A (zh) * | 2016-07-20 | 2017-01-04 | 南京御达电信息技术有限公司 | 一种用于雷达波形设计优化方法 |
| CN107192991A (zh) * | 2017-07-18 | 2017-09-22 | 中国人民解放军国防科学技术大学 | 一种射频辐射式仿真宽带脉冲雷达成像等效模拟方法 |
-
2018
- 2018-04-27 CN CN201810394556.1A patent/CN108983600B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102288951A (zh) * | 2011-07-17 | 2011-12-21 | 西安电子科技大学 | 基于aic压缩信息获取和fbmp的雷达目标参数估计方法 |
| CN103595414A (zh) * | 2012-08-15 | 2014-02-19 | 王景芳 | 一种稀疏采样与信号压缩感知重构方法 |
| CN104076360A (zh) * | 2014-07-04 | 2014-10-01 | 西安电子科技大学 | 基于压缩感知的二维sar稀疏目标成像方法 |
| CN104122540A (zh) * | 2014-07-31 | 2014-10-29 | 电子科技大学 | 基于匹配字典和压缩感知的雷达一维距离像目标识别方法 |
| CN106291475A (zh) * | 2016-07-20 | 2017-01-04 | 南京御达电信息技术有限公司 | 一种用于雷达波形设计优化方法 |
| CN107192991A (zh) * | 2017-07-18 | 2017-09-22 | 中国人民解放军国防科学技术大学 | 一种射频辐射式仿真宽带脉冲雷达成像等效模拟方法 |
Non-Patent Citations (8)
| Title |
|---|
| DONOHO D L 等: "Stable recovery of sparse overcomplete representations in the presence of noise", 《IEEE TRANSACTIONS ON INFORMATION THEORY》 * |
| YU TAO 等: "Comprime Sampling with Deterministic Digital Filters in Compressive Sensing Radar", 《2016 CIE INTERNATIONAL CONFERENCE ON RADAR (RADAR)》 * |
| 刘传山: "基于参数设计字典的稀疏表示方法", 《西南大学学报（自然科学版）》 * |
| 张劲东: "基于滤波器结构的压缩感知雷达感知矩阵优化", 《航空学报》 * |
| 彭珍妮 等: "基于混沌随机滤波器的CS-MIMO雷达测量矩阵优化设计", 《系统工程与电子技术》 * |
| 汤红忠 等: "带边界条件约束的非相干字典学习方法及其稀疏表示", 《自动化学报》 * |
| 潘汇 等: "压缩感知雷达感知矩阵优化", 《数据采集与处理》 * |
| 王强 等: "压缩感知中测量矩阵构造综述", 《计算机应用》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111158056A (zh) * | 2019-12-26 | 2020-05-15 | 北京遥测技术研究所 | 一种基于稀疏阵列的安检装置及方法 |
| CN111158056B (zh) * | 2019-12-26 | 2022-05-24 | 北京遥测技术研究所 | 一种基于稀疏阵列的安检装置及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108983600B (zh) | 2021-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102612426B1 (ko) | Zak 변환에 기초한 데이터 변조 기법 | |
| Bajwa et al. | Identification of parametric underspread linear systems and super-resolution radar | |
| CN204495996U (zh) | 宽带声纳接收器 | |
| CN1702986B (zh) | 基带多径衰落信道模拟器 | |
| EP3144701A1 (en) | Method and device for generating non-linear frequency modulation signal | |
| CN107991655B (zh) | 一种lfm-pc信号及其模糊函数优化方法 | |
| CN106027445A (zh) | 一种水声块结构稀疏特性的信道估计方法 | |
| CN1688143A (zh) | 多天线系统中信道估计的方法 | |
| CN107872279B (zh) | 基于正交频率分解的雷达通信共享信号设计方法 | |
| CN111665474B (zh) | 一种可变分段lfm波形生成及优化方法 | |
| CN106209701A (zh) | Alpha稳定分布噪声环境下MFSK信号符号速率估计方法及装置 | |
| CN110365437A (zh) | 基于次奈奎斯特采样的快速功率谱估计方法 | |
| Han et al. | Time-reversal with limited signature precision: Tradeoff between complexity and performance | |
| CN111641575B (zh) | 一种正交时频二维空间调制信号接收方法及接收器 | |
| CN100452652C (zh) | 一种双正交滤波器设计方法及其设计装置 | |
| CN108983600A (zh) | 一种混合域压缩采样控制系统及其控制方法 | |
| WO2018014734A1 (zh) | 一种适用于OvXDM系统的调制方法、装置及OvXDM系统 | |
| CN104090270A (zh) | 一种用于实时产生混沌雷达信号的信号发生器 | |
| CN104699986B (zh) | 基于有限新息率采样理论的太赫兹脉冲信号采样方法 | |
| Delamou et al. | Deep learning-based estimation for multitarget radar detection | |
| CN116016051B (zh) | 基于基扩展模型的fbmc-oqam系统信道拟合与估计方法 | |
| Wang et al. | Comb waveform optimisation with low peak‐to‐average power ratio via alternating projection | |
| CN109085574B (zh) | Ofdm雷达通信一体化固定平台系统的信号处理方法 | |
| CN108156106B (zh) | 适用于可见光通信的连续相位调制信号的传输与重建方法 | |
| CN110059401B (zh) | 一种ofdm系统水声信道冲激响应重构方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221107 Address after: 215500 No.9, Sihai Road, Changshu Economic and Technological Development Zone, Suzhou City, Jiangsu Province Patentee after: Suzhou zhimaixin Information Technology Co.,Ltd. Address before: 215500 No.99, South Third Ring Road, Suzhou City, Jiangsu Province Patentee before: CHANGSHU INSTITUTE OF TECHNOLOGY |