专利交易市场

本发明涉及一种基于平行因子分解的近场极化MIMO雷达参数估计方法，通过建立基于交叉偶极子—磁环天线均匀线阵的双基地MIMO雷达的系统模型,发射端由2M+1个交叉偶极子—磁环天线构成的均匀线性发射阵列，接收端由2N+1个交叉偶极子—磁环天线构成的均匀线性接收阵列，发射阵元间距和接收阵元间距分别用dt和dr表示；对K个不相关的近场窄带完全极化目标进行定位，第k个目标的二维发射角和二维接收角分别用θtk和θrk表示，其中k＝1,2,...K，该方法能够在交叉偶极子—磁环天线均匀线性阵列的前提下，精确地计算得到二维发射角、二维接收角、二维发射极化角、二维接收极化角以及目标位置坐标这些参数，方法简单灵活。

本发明公开了一阶传播的多节点分散式GM‑PHD融合方法，本发明为了研究分散式结构下的融合逻辑,在高斯混合概率假设密度估计器(GM‑PHD)的基础上，在传感器每个时刻只与相邻传感器进行单次通信的条件下,提出了一种多传感器分散式融合算法框架，实现了一阶传播的多节点分散式GM‑PHD融合算法。本发明配置结构明了，鲁棒性强，可广泛应用于多目标跟踪领域。

本发明涉及信息安全技术，尤其涉及一种基于高斯分布的系统偏差的目标点迹融合方法，步骤为：将雷达传感网中传感器测量进行立体几何投影，将其转换到同一坐标系中；从雷达传感网中读取传感器中数据，数据包括目标的位置的坐标数据的测量值和传感器坐标数据；通过测量值及目标坐标参数表示计算雷达传感网系统偏差；通过假设系统偏差服从高斯分布，利用最大似然函数估计法获取优化目标函数；通过优化目标函数利用最大梯度上算法获取目标坐标位置；解决的了目前当雷达系统偏差较大时，最小二乘法无法精确定位目标的情况，通过假设偏差服从高斯分布，利用最大似然函数估计法，更精确地确定了雷达传感网中的目标位置。