[发明专利]基于机器学习的到达角估计算法研究及应用在审
| 申请号： | 201810338735.3 | 申请日： | 2018-04-16 |
| 公开（公告）号： | CN108828505A | 公开（公告）日： | 2018-11-16 |
| 发明（设计）人： | 万思明;束锋;秦耀璐;王正旺;徐玲;刘笑语;周小波;桂林卿;陆锦辉;张一晋 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G01S3/14 | 分类号： | G01S3/14;G01S3/74 |
| 代理公司： | 江苏楼沈律师事务所 32254 | 代理人： | 沈勇 |
| 地址： | 210094 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 估计算法 信号波束成形 发射机 基于机器 角度误差 人工噪声 设计方向 投影矩阵 角测量 向量 调制 测量 训练数据集 发射模式 机器学习 密度分布 数字结构 贝叶斯 有效地 直方图 方差 学习 研究 应用 概率 | ||
1.基于机器学习的到达角估计算法研究及应用，其特征在于：首先，数字结构的发射机作为接受者快拍多次；然后通过使用Root-MUSIC算法来获取多次快拍后测量角度的训练数据集；接着利用机器学习中的直方图方法估计到达角测量误差的概率密度分布，同时利用贝叶斯学习方法估计到达角测量误差的均值和方差；最后，我们可以利用这一系列参数来设计方向调制中的有用信号波束成形向量和人工噪声投影矩阵，此时发射机处于发射模式。具体过程包括：
S1.数字结构的发射机作为接受者快拍多次；
S2.利用Root-MUSIC算法来获取多次快拍后测量角度的训练数据集；
S3.利用机器学习中的直方图方法估计到达角测量误差的概率密度分布，同时利用贝叶斯学习方法估计到达角测量误差的均值和方差；
S4.利用这一系列参数来设计方向调制中的有用信号波束成形向量和人工噪声投影矩阵，此时发射机处于发射模式。
2.根据权利要求1所述的基于机器学习的到达角估计算法研究及应用，其特征在于：数字结构的发射机作为接受者快拍多次。
3.根据权利要求1所述的基于机器学习的到达角估计算法研究及应用，其特征在于：利用Root-MUSIC算法来获取多次快拍后测量角度的训练数据集。
4.根据权利要求1所述的基于机器学习的到达角估计算法研究及应用，其特征在于：利用机器学习中的直方图方法估计到达角测量误差的概率密度分布，同时利用贝叶斯学习方法估计到达角测量误差的均值和方差。
5.根据权利要求1所述的基于机器学习的到达角估计算法研究及应用，其特征在于：利用这一系列参数来设计方向调制中的有用信号波束成形向量和人工噪声投影矩阵，此时发射机处于发射模式。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京理工大学，未经南京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810338735.3/1.html，转载请声明来源钻瓜专利网。
