CN117572423B - 多普勒孔径同收发机会阵雷达 - Google Patents
多普勒孔径同收发机会阵雷达 Download PDFInfo
- Publication number
- CN117572423B CN117572423B CN202410077965.4A CN202410077965A CN117572423B CN 117572423 B CN117572423 B CN 117572423B CN 202410077965 A CN202410077965 A CN 202410077965A CN 117572423 B CN117572423 B CN 117572423B
- Authority
- CN
- China
- Prior art keywords
- radar
- signal
- communication connection
- frequency
- doppler
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 claims abstract description 27
- 230000003287 optical effect Effects 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 238000004088 simulation Methods 0.000 claims abstract description 10
- 238000004891 communication Methods 0.000 claims description 62
- 238000012545 processing Methods 0.000 claims description 27
- 239000000463 material Substances 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 19
- 230000000007 visual effect Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 230000001012 protector Effects 0.000 claims description 8
- 230000006698 induction Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 28
- 230000000739 chaotic effect Effects 0.000 abstract description 6
- 238000013135 deep learning Methods 0.000 abstract description 5
- 230000019771 cognition Effects 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 230000033001 locomotion Effects 0.000 description 9
- 238000013461 design Methods 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 7
- 238000001914 filtration Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 210000005036 nerve Anatomy 0.000 description 5
- 230000006855 networking Effects 0.000 description 5
- 239000011257 shell material Substances 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 239000002585 base Substances 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 238000012827 research and development Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001149 cognitive effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005764 inhibitory process Effects 0.000 description 2
- 238000005305 interferometry Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012634 optical imaging Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000010146 3D printing Methods 0.000 description 1
- 235000014653 Carica parviflora Nutrition 0.000 description 1
- 241000243321 Cnidaria Species 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 230000003042 antagnostic effect Effects 0.000 description 1
- 239000012620 biological material Substances 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000012458 free base Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 239000011664 nicotinic acid Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 229920002994 synthetic fiber Polymers 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
- G01S13/9023—SAR image post-processing techniques combined with interferometric techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/0209—Systems with very large relative bandwidth, i.e. larger than 10 %, e.g. baseband, pulse, carrier-free, ultrawideband
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
- G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/417—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section involving the use of neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/08—Computing arrangements based on specific mathematical models using chaos models or non-linear system models
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Software Systems (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Electromagnetism (AREA)
- Databases & Information Systems (AREA)
- Nonlinear Science (AREA)
- Computing Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种多普勒孔径同收发机会阵雷达,包括外壳和内部控制系统,内部控制系统包括FPGA模块、量子光源传感器、多相滤波器、波束扫描计算机、光学背投影算法成像仪、发射机、接收机、双工器、相位监测器、视频信号转换器、A/D转换器、高频超视距雷达、多普勒光束锐化监测器和显示器。本发明有益效果:可利用超快高清雷达技术,并通过对抗噪声、使用Matlab软件进行仿真,以及运用深度迭代认知混沌学习算法,对雷达系统进行建模和优化,提高雷达系统的性能;可对雷达系统中的天线阵列进行训练和优化,通过深度学习等方法,使雷达系统的天线阵列能够更好地适应不同环境和场景下的使用需求,提高雷达系统的信号接收能力和抗干扰能力。
Description
技术领域
本发明属于雷达领域,尤其是涉及一种多普勒孔径同收发机会阵雷达。
背景技术
雷达,即用无线电的方法发现目标并测定它们的空间位置。因此,雷达也被称为“无线电定位”。雷达是利用电磁波探测目标的电子设备。雷达发射电磁波对目标进行照射并接收其回波,由此获得目标至电磁波发射点的距离、距离变化率(径向速度)、方位、高度等信息。
此外,机会阵雷达是近年来提出的一种新体制雷达,其以平台隐身性设计为核心,以数字阵列雷达为基础,兼具多功能、多模式的一体化新概念雷达系统,目前,高智能的雷达成像技术处于新旧迭代的关键时期,本技术目前情况为自主研发并不完全具备该技术所需的,比如:雷达光学成像光谱的物体自由曲面CGH(Computer-generated-hologram计算全息法)补偿干涉测量技术、超短脉冲涡旋光束成像技术的高感应合成孔径雷达传感器技术和调频测量等技术并未成熟。
发明内容
有鉴于此,本发明旨在提出一种多普勒孔径同收发机会阵雷达,以对雷达光学成像光谱的物体自由曲面CGH(Computer-generated-hologram计算全息法)补偿干涉测量技术与超短脉冲涡旋光束成像技术的高感应合成孔径雷达传感器技术提出更先进的技术设计和调频测量等技术要求和实现方法。为达到上述目的,本发明的技术方案是这样实现的:
一种多普勒孔径同收发机会阵雷达,包括外壳和内部控制系统,所述内部控制系统包括FPGA模块、量子光源传感器、多相滤波器、波束扫描计算机、光学背投影算法成像仪、发射机、接收机、双工器、相位监测器、视频信号转换器、A/D转换器、高频超视距雷达、多普勒光束锐化监测器和显示器,所述FPGA模块包括数据处理器单元和信号库处理器单元,所述数据处理器单元通过发射机与天线通信连接,所述数据处理器单元还通过光学背投影算法成像仪与波束扫描计算机通信连接,所述波束扫描计算机还分别与多相滤波器、天线、多普勒光束锐化监测器和显示器通信连接,所述多普勒光束锐化监测器一侧与A/D转换器通信连接,所述多相滤波器通过量子光源传感器与天线信号连接,所述天线还通信连接有双工器;
所述信号库处理器单元分别与接收机、视频信号转接器通信连接,所述视频信号转接器还与显示器通信连接,所述接收机与天线之间还设有高频超视距雷达。
进一步的,所述数据处理器单元包括三个和通道、通道信号处理器、接收机保护器、第一增益控制器、第二增益控制器、中频匹配滤波器、控制处理器、惯性导航系统、模式控制任务处理器、主振器、多项参考发生器、频综器、杂波偏移振荡器、输出发生器、功率放大器、本振发生器、分频振荡器和同步器,三个和通道输入端分别与天线通信连接,三个和通道输出端均与通道信号处理器通信连接,所述通道信号处理器、主振器、惯性导航系统、模式控制任务处理器、中频匹配滤波器均与控制处理器通信连接,所述接收机保护器输入端与天线通信连接,所述接收机保护器输出端通过第一增益控制器与第二增益控制器通信连接,所述第二增益控制器还分别与中频匹配滤波器、多项参考发生器通信连接,所述主振器依次通过多项参考发生器、频综器、杂波偏移振荡器、输出发生器、功率放大器与发射机通信连接,所述频综器还与本振发生器通信连接,所述多项参考发生器还发送时钟信号至同步器、功率放大器,所述同步器通过分频振荡器与本振发生器通信连接,所述同步器还与输出发生器通信连接。
进一步的,所述信号库处理器单元包括合成孔径雷达传感器、中波限频器、第一脉冲压缩器、中控处理器、第一射频滤波器、第二射频滤波器、调频器、高频滤波器、经纬仪、电子水平仪、均衡器、第二脉冲压缩器、恒虚警检测器、包络检波器和多普勒传感器,所述合成孔径雷达传感器一端与接收机通信连接,另一端通信连接至中波限频器,所述中波限频器依次通过第一射频滤波器、第一脉冲压缩器、第二射频滤波器、调频器、高频滤波器后分别通信连接至经纬仪、电子水平仪,经纬仪、电子水平仪均通信连接至均衡器,所述均衡器依次通过第二脉冲压缩器、恒虚警检测器、包络检波器后通信连接至多普勒传感器,所述经纬仪、电子水平仪、恒虚警检测器、包络检波器、多普勒传感器均与中控处理器通信连接。
进一步的,所述外壳的材质为海洋生物仿真手性材料。
进一步的,多普勒孔径同收发机会阵雷达的使用方法,包括以下步骤:
S1、通过机会阵雷达获取的雷达探测信号数据;
S2、将步骤S1所获取的雷达探测信号数据进行二次雷达信号问询。
进一步的,在步骤S2中,将步骤S1所获取的雷达探测信号数据进行二次雷达信号问询,包括:
S21、基于FPGA模块设置雷达询问频率、天线转速、识别模式;
S22、信号库处理器单元接收接收机的问询信号数据,并基于合成孔径雷达传感器的数据库生成数字基带信号及智能感应识别数据源代码,并将数字基带信号及智能感应识别数据源代码分别传输至量子光源传感器和高频超视距雷达;
S23、天线将问询信号数据传输到量子光源传感器和高频超视距雷达上;
S24、量子光源传感器和高频超视距雷达分别对步骤S22、步骤S23获取的数据信号进行处理后,再基于数据处理器单元和信号库处理器单元进行数据信号解析而进行变频处理,进而生成正确的询问数字高频信号;
S25、引导量子光源传感器和高频超视距雷达将询问数字高频信号调制在3-16Thz,并在发射机上同步天线发射信号以及回馈回收其信号数据,最终获取目标图像和数据。
相对于现有技术,本发明所述的多普勒孔径同收发机会阵雷达具有以下优势:
(1)本发明所述的多普勒孔径同收发机会阵雷达,可利用超快高清雷达技术,并通过对抗噪声、使用Matlab软件进行仿真,以及运用深度迭代认知混沌学习算法,对雷达系统进行建模和优化,以提高雷达系统的性能;本发明可对雷达系统中的天线阵列进行训练和优化,通过深度学习等方法,使雷达系统的天线阵列能够更好地适应不同环境和场景下的使用需求,提高雷达系统的信号接收能力和抗干扰能力。
(2)本发明所述的多普勒孔径同收发机会阵雷达,本发明可使用超宽带技术对雷达系统中的信号进行处理,以提高对外界干扰信号的抑制能力,从而提高雷达系统的性能和可靠性;本发明可通过对迭代性模糊超视距模型进行改进和优化,外壳材料具有高源手性特性,可以用于雷达系统中的波束形成、信号处理等方面,提高雷达系统的性能。
(3)本发明所述的多普勒孔径同收发机会阵雷达,本发明可利用人工智能的方法,通过对雷达信号进行分析和处理,辅助构建一个可以重构逻辑门的神经网络映射拓扑结构,以实现对雷达系统的信号处理和分析的智能化和自动化,提高雷达系统的性能和效率;本发明可利用统计学的方法对雷达系统的信号进行分析和处理,以及利用卫星组网技术进行数据传输和通信,实现雷达系统的数据共享和联网,提高雷达系统的信息获取和处理能力。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例所述的内部控制系统原理示意图;
图2为本发明实施例所述的雷达运动速度示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面将参考附图并结合实施例来详细说明本发明。
名词解释:
OSPAI:Optical of Back projection algorithm imaging Instrument光学背投影算法成像仪。
MTI:Moving Target Indicator活动目标指示器。
SARS:Synthetic Aperture Radar Sensor合成孔径雷达传感器。
DBSM:Doppler Beam Sharperning Monitor多普勒光束锐化监测器。
恒虚警检测,又称CFAR,全称是Constant False Alarm Rate Detector,是雷达目标检测的一种常见的手段。CFAR检测算法属于信号检测中的自动检测算法,在雷达信号处理中主要应用的有四种,即CA-CFAR(Cell Averaging CFAR)、SO-CFAR(Order StatisticCFAR)、GO-CFAR(Greatest Of CFAR)、WCA-CFAR(Weighted Cell Averaging CFAR)。
如图1所示,多普勒孔径同收发机会阵雷达,包括外壳和内部控制系统,所述内部控制系统包括FPGA模块、量子光源传感器、多相滤波器、波束扫描计算机、OSPAI、发射机、接收机、双工器、相位监测器、视频信号转换器、A/D转换器、高频超视距雷达、DBSM和显示器,所述FPGA模块包括数据处理器单元和信号库处理器单元,所述数据处理器单元通过发射机与天线通信连接,所述数据处理器单元还通过OSPAI与波束扫描计算机通信连接,所述波束扫描计算机还分别与多相滤波器、天线、DBSM和显示器通信连接,所述DBSM一侧与A/D转换器通信连接,所述多相滤波器通过量子光源传感器与天线信号连接,所述天线还通信连接有双工器;
所述信号库处理器单元分别与接收机、视频信号转接器通信连接,所述视频信号转接器还与显示器通信连接,所述接收机与天线之间还设有高频超视距雷达。
该雷达通过使用多普勒孔径技术,提高了雷达的性能和准确度。同时,本发明还利用了FPGA模块、多相滤波器、波束扫描计算机和OSPAI等组件,通过多普勒处理,促使雷达自主分辨探测具有不同运动方式和运动速度的目标,进一步提高了雷达对目标的探测和跟踪能力。
在本发明一种优选的实施方式中,FPGA模块:用于采集并分析接收到的信号,并提取目标的频率和相位信息。多相滤波器:根据接收到的信号频率信息,对信号进行滤波处理,以提高目标回波的信噪比,并通过量子光源传感器与外部MTI通信连接。波束扫描计算机:根据目标的位置和运动状态,计算并控制天线的波束指向。OSPAI:用于实时跟踪和定位目标,提供目标位置和速度信息。天线:用于发射和接收雷达信号。发射机:将雷达信号送入天线进行发射。接收机:接收并放大经过天线接收到的回波信号。相位监测器:用于监测接收到的回波信号的相位信息。视频信号转换器:将接收到的回波信号转换为视频信号。A/D转换器:将模拟信号转换为数字信号。DBSM:用于存储和管理雷达系统的各种参数和数据。显示器:将处理后的雷达图像和数据显示出来。
本发明适用面广泛,具体的,可利用超快高清雷达技术,并通过对抗噪声、使用Matlab软件进行仿真,以及运用深度迭代认知混沌学习算法,对雷达系统进行建模和优化,以提高雷达系统的性能。
具体的,本发明可对雷达系统中的天线阵列进行训练和优化,通过深度学习等方法,使雷达系统的天线阵列能够更好地适应不同环境和场景下的使用需求,提高雷达系统的信号接收能力和抗干扰能力。
具体的,本发明可使用超宽带技术对雷达系统中的信号进行处理,以提高对外界干扰信号的抑制能力,从而提高雷达系统的性能和可靠性。
具体的,本发明可通过对迭代性模糊超视距模型进行改进和优化,外壳材料具有高源手性特性,可以用于雷达系统中的波束形成、信号处理等方面,提高雷达系统的性能。
具体的,本发明可利用人工智能的方法,通过对雷达信号进行分析和处理,辅助构建一个可以重构逻辑门的神经网络映射拓扑结构,以实现对雷达系统的信号处理和分析的智能化和自动化,提高雷达系统的性能和效率。
具体的,本发明可利用统计学的方法对雷达系统的信号进行分析和处理,以及利用卫星组网技术进行数据传输和通信,实现雷达系统的数据共享和联网,提高雷达系统的信息获取和处理能力。
在本发明一种优选的实施方式中,所述数据处理器单元包括三个和通道、通道信号处理器、接收机保护器、第一增益控制器、第二增益控制器、中频匹配滤波器、控制处理器、惯性导航系统、模式控制任务处理器、主振器、多项参考发生器、频综器、杂波偏移振荡器、输出发生器、功率放大器、本振发生器、分频振荡器和同步器,三个和通道输入端分别与天线通信连接,三个和通道输出端均与通道信号处理器通信连接,所述通道信号处理器、主振器、惯性导航系统、模式控制任务处理器、中频匹配滤波器均与控制处理器通信连接,所述接收机保护器输入端与天线通信连接,所述接收机保护器输出端通过第一增益控制器与第二增益控制器通信连接,所述第二增益控制器还分别与中频匹配滤波器、多项参考发生器通信连接,所述主振器依次通过多项参考发生器、频综器、杂波偏移振荡器、输出发生器、功率放大器与发射机通信连接,所述频综器还与本振发生器通信连接,所述多项参考发生器还发送时钟信号至同步器、功率放大器,所述同步器通过分频振荡器与本振发生器通信连接,所述同步器还与输出发生器通信连接。
在本发明一种优选的实施方式中,所述信号库处理器单元包括合成孔径雷达传感器、中波限频器、第一脉冲压缩器、中控处理器、第一射频滤波器、第二射频滤波器、调频器、高频滤波器、经纬仪、电子水平仪、均衡器、第二脉冲压缩器、恒虚警检测器、包络检波器和多普勒传感器,所述合成孔径雷达传感器一端与接收机通信连接,另一端通信连接至中波限频器,所述中波限频器依次通过第一射频滤波器、第一脉冲压缩器、第二射频滤波器、调频器、高频滤波器后分别通信连接至经纬仪、电子水平仪,经纬仪、电子水平仪均通信连接至均衡器,所述均衡器依次通过第二脉冲压缩器、恒虚警检测器、包络检波器后通信连接至多普勒传感器,所述经纬仪、电子水平仪、恒虚警检测器、包络检波器、多普勒传感器均与中控处理器通信连接。
在本发明一种优选的实施方式中,合成孔径雷达传感器:作为系统的输入设备,将接收到的信号传输给中波限频器。中波限频器:对输入信号进行限频处理,将合格的信号传输给第一脉冲压缩器。第一脉冲压缩器:对输入信号进行脉冲压缩处理,将处理后的脉冲信号传输给第一射频滤波器。第一射频滤波器:对脉冲信号进行射频滤波处理,将滤波后的信号传输给调频器和高频滤波器。调频器:对信号进行调频处理,将处理后的信号传输给经纬仪和电子水平仪。高频滤波器:对信号进行高频滤波处理,将滤波后的信号传输给均衡器。经纬仪:将接收到的信号传输给中控处理器,用于方位角测量航。电子水平仪:将接收到的信号传输给中控处理器,用于测量雷达的姿态。均衡器:对信号进行均衡处理,将处理后的信号传输给第二脉冲压缩器。第二脉冲压缩器:对信号进行脉冲压缩处理,将处理后的信号传输给恒虚警检测器和包络检波器。恒虚警检测器:检测信号中的虚警,将处理后的信号传输给中控处理器。包络检波器:检测信号中的包络变化,将处理后的信号传输给中控处理器。多普勒传感器:传输给中控处理器,用于测量雷达的速度和方向。
在本发明一种优选的实施方式中,合成孔径雷达传感器一端与接收机通信连接,另一端通信连接至中波限频器,将接收到的信号经过中波限频器进行频率限制。接下来,信号通过连接到第一射频滤波器,进行射频滤波处理,然后通过第一脉冲压缩器,对信号进行压缩。压缩后的信号连接到第二射频滤波器进行进一步的射频滤波处理。
接下来,信号通过连接到调频器,进行调频处理,然后通过高频滤波器进行高频滤波。接着,信号连接到经纬仪进行方位角测量,再连接到电子水平仪进行俯仰角测量。
信号继续通过连接到均衡器进行均衡处理,然后连接到第二脉冲压缩器进行第二次脉冲压缩。压缩后的信号连接到第二脉冲压缩器进行恒虚警检测,最后通过连接到包络检波器进行包络检波处理。
在本发明一种优选的实施方式中,使用前述的量子光源传感器(QXSTS-6897R)桥链在被配置的C-X波段区域信号通道上,并使用4个四维光滑流形阵列天线通道来完成信号发射,类似的,通过多普勒处理,促使雷达自主分辨探测具有不同运动方式和运动速度的目标,如图2所示,那么设定V是平台的运动速度,θ是速度矢量V与雷达到探测目标的视线之间的夹角,则该目标沿雷达视线方向的相对速度VLos=-Vcosθ。
在本发明一种优选的实施方式中,优选一种高频超视距雷达(SHFSR-6870R)将上一步情形予以矫正和规制,并将OFS-MIMO天线(Optical Frequency-Modulated waveStripmap)进行超远源信号处理发射,并获取相关目标参数回馈到接收机,进行数据挖掘分析以及图像属性分析等。
在本发明一种优选的实施方式中,优选一种合成孔径雷达传感器DIS(DataIntelligent Sensor)将SHFSR-6870R信号处理通道上的目标参数回馈给接收机上的DBSM(Doppler Beam Sharperning Monitor)以及OSPAI(Optical of Back projectionalgorithm imaging Instrument)进行参数计算与图像分析,获取准确目标属性和运动轨迹等技术数据。
在本发明一种优选的实施方式中,多普勒孔径同收发机会阵雷达的使用方法,包括以下步骤:
S1、通过机会阵雷达获取的雷达探测信号数据;
S2、将步骤S1所获取的雷达探测信号数据进行二次雷达信号问询;
本发明旨在提升雷达自主智能识别和基于NTN(Non-Terrestrial Network)的雷达的高远距离的智能探测和成像技术得以达到更接近人类视觉影像的效果。
在本发明一种优选的实施方式中,在步骤S2中,将步骤S1所获取的雷达探测信号数据进行二次雷达信号问询,包括:
S21、设置雷达询问频率、天线转速、识别模式;
S22、合成孔径雷达传感器数据库(卡入智能神经计算芯片)将软件代码分析生成数字基带信号及智能感应识别数据源代码;
S23、将询问信号数据通过OSS(Optical Single-target tracking Sensor)PCSleS(一种计算机数据连接卡系统)桥接卡总线传输到QXSTS-6897R和SHFSR-6870R上;
S24、QXSTS-6897R和SHFSR-6870R对所获取的信号参数进行“分析”后再基于PNN架构上的FPGA上进行数据信号解析而进行变频处理,进而生成正确的询问数字高频信号;
S25、将QXSTS-6897R采样信号进行退火处理,通过清洗过的FPGA将数字信号接入DSPAI(Data back projection algoithm Imaging)的AADC(AI Analog-to-DigitalConverter)生成高智能的模拟高频信号;
S26、通过Stripmap扩/增频器引导QXSTS-6897R和SHFSR-6870R的光感应识别发射微电路将高频信号调制在3-16Thz,并在多普勒D-NTN(Data Non-Terrestrial Network)发射机上同步天线发射信号以及回馈回收其信号数据最终获取目标图像和数据。
实施例1
设备组成:
高AI合成孔径雷达传感器设计:采用光学感应高变频变磁阻式传感器设计:组成:光子频内电子线圈、敏感衍射卡芯、铁芯、衔铁。
智能数字接收机:
校准方法部分:
(1)设置盲视觉范围内的外部辐射单元;
(2)设置矩阵阵列涡旋光束校准单元;
(3)通过一个独立的OPenCV单元在阵列前方设置一组“开放环”信号馈电PNN网络向天线阵列后的接收机输入智能识别感知信号的一个校准波形;
(4)利用张量-傅里叶转换向量矩阵引导超视距遥远的辐射波通过近/远场显微镜扫描法或离散混沌模糊目标回波对目标阵列进行照射以获取相关参数;
(5)对注入宽/窄带噪声进行接收机和平面(傅里叶波形)波形测试。目标跟踪方法:拟定OFTD(光学模糊跟踪数据)目标追踪-跟踪推导识别核心目标的数量、属性和运动轨迹等。
拟定多普勒孔径同收/发机会阵雷达的技术参数:
在雷达去噪声技术层面,本发明技术采用模糊数学相关理论作为技术公式和基本技术概念之应用,以及对于数理逻辑环境下的迭代Chaos环境神经网络数据、数理环境计算和基于rCMOS微电路设计与部署、高逻辑门可重构环境下的MATLAB仿真雷达系统高频超视距(内/外场)干扰信号螺旋激光清洗,并高效优化超宽带手性材料在黎曼ζ函数场景下的傅里叶-贝叶斯数理张量场的转换毫米波形处理噪声技术。
本发明的雷达成像问题采用两项发明专利(公开(公布)号:CN116500618A、公开(公布)号:CN115640838A)予以实现。在HFOTHR技术中的天线设计部分,本发明将采用T-CF-DIR(张量混沌模糊场环境的驻留询问区)电扫雷达指定的区域所产生的顺序发射波束,并拟定多任务区的理想覆盖监视识别任务。
本发明的优势:
超快高清雷达反噪声接收机ONPψ对抗及基于Matlab仿真Deep IterativeCognition Chaos Learning(DICCL)雷达系统建模、RCA(RadarChaos Antenna Array)模型训练和超宽带直面外场信号抗干扰技术与迭代性模糊超视距模型衍生的高源手性材料(海洋生物仿真手性材料),并拓取AI可重构逻辑门神经全网络映射拓扑雷达统计信号与卫星组网,即6G+无地面基站之雷达直连卫星Filed RFVX5.0及相关发射、接收机<R/T>技术产品等及雷达模糊迭代涡旋电磁rCMOS微电路部署策略应用场景概率直方图规划。
需要说明的是:本发明所涉及的数学公式一般基于模糊数学中的“模糊识别”相关公式和黎曼函数、傅里叶转换、贝叶斯数据分析、信号与系统中的MATLAB分析以及统计信号处理的稀疏方法模糊Chaos模拟信号采样中的Deep Iterative Cognition ChaosLearning,DICL算法、离散小波滤波器环境下的神经计算、以及迭代矩阵下的轨到轨输入与输出放大器rMOST映射nMOST的函数与傅里叶-迭代张量流变量计算等。
需要说明的是:海洋生物仿真手性材料是指通过仿真海洋生物的手性结构,设计制造出具有类似特性的材料。手性是指物体不具有镜像对称性,即左右镜像体无法完全重合。在海洋生物中,许多生物体的结构具有手性,如海螺的壳、螺旋状的珊瑚骨架等。这些结构在自然界中具有一些独特的功能和性质,如良好的力学性能、表面特性和光学性能等。
海洋生物仿真手性材料的制造可以通过生物或化学方法,模仿海洋生物的手性结构进行。例如,通过使用3D打印技术,可以制造具有海螺壳状结构的材料,以获得类似海螺壳的力学性能和表面特性。此外,也可以使用合成材料或改性材料,通过调控分子结构和形态,实现类似海洋生物的手性效应。海洋生物仿真手性材料在许多领域都有广泛的应用潜力。例如,在材料科学中,可以利用仿真手性材料设计制造出具有特殊光学性能的光学材料,用于光学器件和光信息处理等领域。此外,仿真手性材料还可以应用于智能材料和仿生机器人等领域,以实现更高级别的功能和性能。
本发明适用于6G+技术框架下的光学迭代可延拓重构逻辑门的PNN网络架构下基于NTN-MIT雷达,其Chaos环境下的测距与成像方法是基于对一个或多个预监测或探测的目标采用模糊算法逼近可延拓并重构逻辑门AI-OCA雷达自主识别处理环境下的相同神经计算,并获取其计算结果为多次超快量子计算结果而获得一个最优解,并最终获取到可满足的最佳雷达探测与结果所需条件的过程的实现方法。
本技术属于自主研发而获取的先进的混沌(模糊环境)多普勒MTI合成孔径雷达设备及基站系统技术架构下的多普勒孔径同收/发机会阵雷达。
本技术属于自主研发而获取的先进全Chaos环境(模糊)场景结构下的基于6G的高频超视距雷达相关技术(含雷达在模糊态下的Chaos测距、张量DL(DEEP LEARNING)迭代策略神经计算、数据分析与挖掘),在模糊函数数据神经计算处理环境下的高频超视距C-X阵列雷达系统(波长5-80m,高度800km-1000km,DIR距离深度1000km-1200km,口径128-160m,方位波束12°,工作频率拟定在5-15Thz,覆盖距离1200万平方千米-5100万平方千米,方位角360°,采用斜坡R/S抗阻斜距方法解决信号损耗,其发射功率采信pave=2MW等)与其超宽带可重构延拓逻辑门数字R/T的光学基于ONPU处理器技术。以及其衍生的高新雷达技术,从技术所需新材料学(基于仿真海洋生物材料拟定合成的雷达发射器、接收机所需的基于MATLAB仿真舱内环境rCMOS有效评估的新材料学OOX material:Optics OceanExaggerated Material)技术设计与实现到技术衍生产品(含新仿真半导体材料、芯片、开发板等)实现方式方法及技术应用场景规划设计。
应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.多普勒孔径同收发机会阵雷达,其特征在于:包括外壳和内部控制系统,所述内部控制系统包括FPGA模块、量子光源传感器、多相滤波器、波束扫描计算机、光学背投影算法成像仪、发射机、接收机、双工器、相位监测器、视频信号转换器、A/D转换器、高频超视距雷达、多普勒光束锐化监测器和显示器,所述FPGA模块包括数据处理器单元和信号库处理器单元,所述数据处理器单元通过发射机与天线通信连接,所述数据处理器单元还通过光学背投影算法成像仪与波束扫描计算机通信连接,所述波束扫描计算机还分别与多相滤波器、天线、多普勒光束锐化监测器和显示器通信连接,所述多普勒光束锐化监测器一侧与A/D转换器通信连接,所述多相滤波器通过量子光源传感器与天线信号连接,所述天线还通信连接有双工器;
所述信号库处理器单元分别与接收机、视频信号转接器通信连接,所述视频信号转接器还与显示器通信连接,所述接收机与天线之间还设有高频超视距雷达;
所述数据处理器单元包括三个和通道、通道信号处理器、接收机保护器、第一增益控制器、第二增益控制器、中频匹配滤波器、控制处理器、惯性导航系统、模式控制任务处理器、主振器、多项参考发生器、频综器、杂波偏移振荡器、输出发生器、功率放大器、本振发生器、分频振荡器和同步器,三个和通道输入端分别与天线通信连接,三个和通道输出端均与通道信号处理器通信连接,所述通道信号处理器、主振器、惯性导航系统、模式控制任务处理器、中频匹配滤波器均与控制处理器通信连接,所述接收机保护器输入端与天线通信连接,所述接收机保护器输出端通过第一增益控制器与第二增益控制器通信连接,所述第二增益控制器还分别与中频匹配滤波器、多项参考发生器通信连接,所述主振器依次通过多项参考发生器、频综器、杂波偏移振荡器、输出发生器、功率放大器与发射机通信连接,所述频综器还与本振发生器通信连接,所述多项参考发生器还发送时钟信号至同步器、功率放大器,所述同步器通过分频振荡器与本振发生器通信连接,所述同步器还与输出发生器通信连接;
所述信号库处理器单元包括合成孔径雷达传感器、中波限频器、第一脉冲压缩器、中控处理器、第一射频滤波器、第二射频滤波器、调频器、高频滤波器、经纬仪、电子水平仪、均衡器、第二脉冲压缩器、恒虚警检测器、包络检波器和多普勒传感器,所述合成孔径雷达传感器一端与接收机通信连接,另一端通信连接至中波限频器,所述中波限频器依次通过第一射频滤波器、第一脉冲压缩器、第二射频滤波器、调频器、高频滤波器后分别通信连接至经纬仪、电子水平仪,经纬仪、电子水平仪均通信连接至均衡器,所述均衡器依次通过第二脉冲压缩器、恒虚警检测器、包络检波器后通信连接至多普勒传感器,所述经纬仪、电子水平仪、恒虚警检测器、包络检波器、多普勒传感器均与中控处理器通信连接。
2.根据权利要求1所述的多普勒孔径同收发机会阵雷达,其特征在于:所述外壳的材质为海洋生物仿真手性材料。
3.根据权利要求1-2任一所述的多普勒孔径同收发机会阵雷达,其特征在于:多普勒孔径同收发机会阵雷达的使用方法,包括以下步骤:
S1、通过机会阵雷达获取的雷达探测信号数据;
S2、将步骤S1所获取的雷达探测信号数据进行二次雷达信号问询。
4.根据权利要求3所述的多普勒孔径同收发机会阵雷达,其特征在于:在步骤S2中,将步骤S1所获取的雷达探测信号数据进行二次雷达信号问询,包括:
S21、基于FPGA模块设置雷达询问频率、天线转速、识别模式;
S22、信号库处理器单元接收接收机的问询信号数据,并基于合成孔径雷达传感器的数据库生成数字基带信号及智能感应识别数据源代码,并将数字基带信号及智能感应识别数据源代码分别传输至量子光源传感器和高频超视距雷达;
S23、天线将问询信号数据传输到量子光源传感器和高频超视距雷达上;
S24、量子光源传感器和高频超视距雷达分别对步骤S22、步骤S23获取的数据信号进行处理后,再基于数据处理器单元和信号库处理器单元进行数据信号解析而进行变频处理,进而生成正确的询问数字高频信号;
S25、引导量子光源传感器和高频超视距雷达将询问数字高频信号调制在3-16Thz,并在发射机上同步天线发射信号以及回馈回收其信号数据,最终获取目标图像和数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410077965.4A CN117572423B (zh) | 2024-01-19 | 2024-01-19 | 多普勒孔径同收发机会阵雷达 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410077965.4A CN117572423B (zh) | 2024-01-19 | 2024-01-19 | 多普勒孔径同收发机会阵雷达 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117572423A CN117572423A (zh) | 2024-02-20 |
CN117572423B true CN117572423B (zh) | 2024-04-16 |
Family
ID=89890458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410077965.4A Active CN117572423B (zh) | 2024-01-19 | 2024-01-19 | 多普勒孔径同收发机会阵雷达 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117572423B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106970386A (zh) * | 2017-03-31 | 2017-07-21 | 西安电子科技大学 | 一种雷达多普勒波束锐化的优化方法 |
CN107656264A (zh) * | 2017-08-02 | 2018-02-02 | 南京航空航天大学 | 杂波环境下的机会阵雷达多目标跟踪的功率资源管理方法 |
CN108693510A (zh) * | 2018-05-18 | 2018-10-23 | 西安电子科技大学 | 基于gpu的知识辅助机载机会阵地杂波快速仿真方法 |
KR20180115935A (ko) * | 2017-04-14 | 2018-10-24 | 연세대학교 산학협력단 | 단일 경로와 단일 안테나를 이용한 영상 레이다의 고도 측정 시스템 및 방법 |
CN109375178A (zh) * | 2018-10-29 | 2019-02-22 | 中国电子科技集团公司第十四研究所 | 一种基于稀疏重构的机会阵机载雷达非均匀杂波检测方法 |
CN109633585A (zh) * | 2018-12-04 | 2019-04-16 | 南京航空航天大学 | 分布式机会阵雷达非合作目标动态回波的高精度计算方法 |
CN111679278A (zh) * | 2020-06-19 | 2020-09-18 | 八院云箭(北京)航天技术研究院有限公司 | 一种基于fpga的w波段无人机合成孔径雷达实时成像系统 |
-
2024
- 2024-01-19 CN CN202410077965.4A patent/CN117572423B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106970386A (zh) * | 2017-03-31 | 2017-07-21 | 西安电子科技大学 | 一种雷达多普勒波束锐化的优化方法 |
KR20180115935A (ko) * | 2017-04-14 | 2018-10-24 | 연세대학교 산학협력단 | 단일 경로와 단일 안테나를 이용한 영상 레이다의 고도 측정 시스템 및 방법 |
CN107656264A (zh) * | 2017-08-02 | 2018-02-02 | 南京航空航天大学 | 杂波环境下的机会阵雷达多目标跟踪的功率资源管理方法 |
CN108693510A (zh) * | 2018-05-18 | 2018-10-23 | 西安电子科技大学 | 基于gpu的知识辅助机载机会阵地杂波快速仿真方法 |
CN109375178A (zh) * | 2018-10-29 | 2019-02-22 | 中国电子科技集团公司第十四研究所 | 一种基于稀疏重构的机会阵机载雷达非均匀杂波检测方法 |
CN109633585A (zh) * | 2018-12-04 | 2019-04-16 | 南京航空航天大学 | 分布式机会阵雷达非合作目标动态回波的高精度计算方法 |
CN111679278A (zh) * | 2020-06-19 | 2020-09-18 | 八院云箭(北京)航天技术研究院有限公司 | 一种基于fpga的w波段无人机合成孔径雷达实时成像系统 |
Non-Patent Citations (3)
Title |
---|
Antenna Array Aperture Resource Management of Opportunistic Array Radar for Multiple Target Tracking;Qinghua Han et al.;《IEEE Access》;20201214;第第8卷卷;全文 * |
基于机会约束规划的机会阵雷达功率资源管理算法;韩清华;潘明海;龙伟军;;系统工程与电子技术;20170331(第03期);全文 * |
机会数字阵雷达概念与应用技术分析;龙伟军;贲德;潘明海;麻清华;;南京航空航天大学学报;20091215(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117572423A (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5247303A (en) | Data quality and ambiguity resolution in a doppler radar system | |
CN108089167B (zh) | 一种合成孔径雷达跨脉冲干扰信号检测方法 | |
US7068210B1 (en) | Low-cost position-adaptive UAV radar design with state-of-the-art cots technology | |
CN111693983B (zh) | 互补波形构建方法及模块、认知雷达系统及波形发射方法 | |
CN105044712A (zh) | 一种微波栅栏雷达装置与目标检测方法 | |
Vespe et al. | Lessons for radar | |
CN112731380B (zh) | 一种基于毫米波的人体智能监测方法及监测设备 | |
CN111289966A (zh) | 基于mimo调频连续波雷达相干相位追踪的运动信息测量方法 | |
Di Lallo et al. | Design, development and test on real data of an FM based prototypical passive radar | |
CN106772263A (zh) | 对地监视雷达 | |
Markel | Radar for Fully Autonomous Driving | |
Banavar et al. | An overview of recent advances on distributed and agile sensing algorithms and implementation | |
Fang et al. | FMCW-MIMO radar-based pedestrian trajectory tracking under low-observable environments | |
Bhagat et al. | Detection of human presence using UWB radar | |
CN117572423B (zh) | 多普勒孔径同收发机会阵雷达 | |
Wang et al. | Radon-Fourier transform in FMCW radar | |
CN113985376B (zh) | 一种雷达综合显控激励系统 | |
EP4130782A2 (en) | Scene-adaptive radar | |
De Maio et al. | Cognitive radar signal processing | |
CN113281776A (zh) | 针对复杂水下动态目标的激光雷达目标智能检测仪 | |
CN112835006A (zh) | 一种基于帧间积累的跟踪雷达海上小目标检测方法及系统 | |
Abratkiewicz et al. | Target acceleration estimation in active and passive radars | |
Ivashko et al. | Off-grid radar node placement for target localization in radar networks | |
Škarić et al. | Ground-based SAR System with Deep Learning Localization and Detection of Vital Signs | |
Sénica et al. | Artificial Intelligence applications in Noise Radar Technology |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Zhang Yifei Inventor before: Zhang Yifei Inventor before: Liang Jingchen Inventor before: Zhou Ruilin |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |