Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西安电子科技大学;中国电子科技集团公司第五十四研究所鲍丹获国家专利权

西安电子科技大学;中国电子科技集团公司第五十四研究所鲍丹获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉西安电子科技大学;中国电子科技集团公司第五十四研究所申请的专利基于二元假设检验的分布式雷达信号分选方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN118169675B

龙图腾网通过国家知识产权局官网在2026-03-10发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202211573589.5,技术领域涉及:G01S13/46;该发明授权基于二元假设检验的分布式雷达信号分选方法是由鲍丹;李武治;未争超;梅路洋;王爽设计研发完成,并于2022-12-08向国家知识产权局提交的专利申请。

基于二元假设检验的分布式雷达信号分选方法在说明书摘要公布了:本发明提供的一种基于二元假设检验的分布式雷达信号分选方法,通过多个接收站的地理坐标以及观测量TDOA,建立约束方程,再计算辐射源与主站之间的距离差异值;建立距离差异值不同情况下的二元假设检验模型;得到不同情况下二元假设检验模型的判决式;求解距离差异值的方差;将所述距离差异值的方差代入所述判决式,从而得到门限以筛选出符合条件的距离差异值;保留符合条件的距离差异值对应的观测量。本发明中分布式多接收站同一时间接收脉冲TOA参数时,仅需提取出只与辐射源位置有关系的TDOA参数,由辐射源位置决定的TDOA参数相比于脉冲的常规特征参数稳定,因此本发明相比于传统算法可靠,不易出现增批、漏批情况。

本发明授权基于二元假设检验的分布式雷达信号分选方法在权利要求书中公布了:1.一种基于二元假设检验的分布式雷达信号分选方法,其特征在于,包括: 步骤1:获取分布式的多个接收站的地理坐标以及多个接收站接收到的用于观测干扰源的观测量TDOA; 其中,多个接收站包括一个主站以及若干个辅站; 步骤2:根据多个接收站的地理坐标以及观测量TDOA,利用无源定位算法,建立多个接收站与干扰源之间的约束方程,并利用约束方程,计算辐射源与主站之间的距离差异值;所述距离差异值为直接估计出的距离值与利用估计出辐射源坐标计算出的距离值之差; 步骤3:建立距离差异值含干扰源和不含干扰源的不同情况下的二元假设检验模型; 步骤4:利用奈曼-皮尔逊准则,得到不同情况下二元假设检验模型的判决式; 步骤5:求解距离差异值的方差; 步骤6:将所述距离差异值的方差代入所述判决式,从而得到门限以筛选出符合条件的距离差异值; 步骤7:保留符合条件的距离差异值对应的观测量; 步骤3包括: 针对距离差异值建立二元假设检验模型: 15 针对的二元假设检验有两种情况:若为噪声或者的值超出误差范围过大,则为情况;若为误差范围内上下浮动的值,则为情况; 16 其中,为正确的理论值,n为高斯噪声,情况为含干扰源,为不含干扰源; 步骤4包括: 步骤41:建立距离差异值含干扰源和不含干扰源的不同情况下的概率密度函数; 步骤42:根据两种情况下的概率密度函数,计算距离差异值的对数似然比; 步骤43:根据奈曼-皮尔逊准则,建立漏检概率的约束条件; 步骤44:利用拉格朗日乘子以及约束条件,推导目标函数; 步骤45:对所述目标函数求解,得到二元假设检验模型的判决式; 步骤41中 在情况中,的概率密度函数PDF为: 17 在情况中,的概率密度函数PDF为: 18 则步骤42中距离差异值的对数似然比为: 19 在一定的虚警概率下,使漏检概率极小或使检测概率极大,步骤43满足以下约束条件: 20 为了求解该准则下的判决式,设置,同时利用拉格朗日乘子来推导目标函数: 21 当积分区域包含所有使为正值的点时,步骤44的目标函数有最大值,则内所有点满足: 22 即式19满足: 23 故步骤45的判决项为: 24 对式24进行简化,得到下式: 25 其中,门限为的方差。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人西安电子科技大学;中国电子科技集团公司第五十四研究所,其通讯地址为:710071 陕西省西安市太白南路2号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。