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
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 电子科技大学史洁明获国家专利权

电子科技大学史洁明获国家专利权

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!

龙图腾网获悉电子科技大学申请的专利一种低旁瓣和PAPR特性的OFDM通信感知一体化信号的生成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:CN121151176B

龙图腾网通过国家知识产权局官网在2026-02-17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:202511676374.X,技术领域涉及:H04L27/26;该发明授权一种低旁瓣和PAPR特性的OFDM通信感知一体化信号的生成方法是由史洁明;陈济洲;李会勇;程子扬设计研发完成,并于2025-11-17向国家知识产权局提交的专利申请。

一种低旁瓣和PAPR特性的OFDM通信感知一体化信号的生成方法在说明书摘要公布了:本发明提供了一种低旁瓣和PAPR特性的OFDM通信感知一体化信号的生成方法,涉及通信及雷达技术领域,方法包括:构建有N个子载波的OFDM时域信号,构建通信感知一体化频域信号,一体化频域信号包括通信子载波集合和雷达感知子载波集合,构建通信感知一体化信号的数学模型,构建拉格朗日增广函数,更新OFDM时域信号,更新通信子载波,更新雷达子载波,更新拉格朗日乘子,重复上述更新步骤,得到最优结果。本发明方案在PAPR约束下同时优化雷达感知和通信性能,解决了非凸问题,在感知与通信性能之间达成了良好平衡。

本发明授权一种低旁瓣和PAPR特性的OFDM通信感知一体化信号的生成方法在权利要求书中公布了:1.一种低旁瓣和PAPR特性的OFDM通信感知一体化信号的生成方法,其特征在于,所述方法包括: 步骤S1,构建有N个子载波的OFDM时域信号; 步骤S2,建立通信感知一体化频域信号,一体化频域信号包括通信子载波集合和雷达感知子载波集合,构建的通信感知一体化频域信号具体为:其中,表示通信频段中第n个子载波上的数据,表示雷达频段中第n个子载波上的数据,Ωc表示通信子载波集,Ωr表示雷达感知子载波集; 步骤S3,构建通信感知一体化信号的数学模型,模型满足的约束条件为:对雷达感知子载波施加频域恒模约束、限制通信子载波属于离散编码序列集A以及限制时域波形的功率; 构建的通信感知一体化信号的数学模型具体为: 其中,·H表示厄密共轭运算符,s.t.表示条件,Xc为与通信子载波对应的频域序列,Xr为与雷达感知子载波对应的频域序列,Nc表示通信子载波总数,Sc为给定通信子载波上的理想传输的相位编码符号,xn为OFDM时域信号x中的元素,0≤σ≤1表示通信和感知的权重调节因子,A为离散编码序列集,λ是PAPR约束,P表示时域信号的平均能量,|·|表示取绝对值,||·||2表示二范数,Jp为时移矩阵,表示为: 其中,pzeros表示p个0,p表示离散时间延迟索引; 步骤S4,构建拉格朗日增广函数和基于ADMM算法的变量更新过程: 构建的拉格朗日增广函数为: 其中,表示拉格朗日增广函数,ρ为惩罚因子,u为缩放后的拉格朗日乘子; 在第k+1次迭代时,ADMM算法由以下更新过程组成: 其中,xk为第k次迭代的OFDM时域信号,xk+1为第k+1次迭代的OFDM时域信号,Xck为第k次迭代时与通信子载波对应的频域序列,Xck+1为第k+1次迭代时与通信子载波对应的频域序列,Xrk为第k次迭代时与雷达感知子载波对应的频域序列,Xrk+1为第k+1次迭代时与雷达感知子载波对应的频域序列,uk为第k次迭代的拉格朗日乘子,u+k+1为第k+1次迭代的拉格朗日乘子,集合和分别定义为: 步骤S5,更新OFDM时域信号,具体为: 拉格朗日增广函数关于OFDM时域信号x的最小值的优化问题表示为: 其中,arg min·表示使目标函数取得最小值,Re·表示取实部操作,是与x无关的项,·H表示厄密共轭运算符,I表示单位矩阵; 然后通过梯度投影法对上式进行求解,令梯度为零,求解得到: 最后,xk+1由下式更新: 步骤S6,更新通信子载波,具体为: 对于给定的集合{xk+1,Xrk,uk},拉格朗日增广函数关于Xc的最小值的优化问题表示为: 其中,Nc表示通信子载波总数,Sc为给定通信子载波上的理想传输的相位编码符号,xk+1H为xk+1的厄密共轭运算; 采用坐标下降法CD对上式求解,待优化变量为Xc中的元素即通信子载波上的信号,用迭代的方式将Nc维优化问题分解为一维优化问题,对于第n个一维优化问题,固定第n个通信子载波的值通过搜索集合A中所有离散通信符号的取值,并找到让拉格朗日增广函数关于Xc最小化的符号取值得到Nc个解后,令步骤S7,更新雷达子载波,具体为: 拉格朗日增广函数关于Xr的最小值的优化问题表示为: 其中,Re·表示取实部操作,表示雷达感知信号的第n个元素,为的共轭,令向量的第n个元素为0,其他元素与Xr相同,向量的第n个元素为1,其他元素为0,·H表示厄密共轭运算符; 设Xrn=ejθ,dn=|dn|ejφ,则拉格朗日增广函数关于Xr的最小值的优化问题变为: 当θ=φ‑π时为最优解,因此有: 其中,ej·为复指数,j为虚数单位,θ和φ均为相位角; 步骤S8,更新拉格朗日乘子,更新方式为:uk+1=uk+xk+1‑FIXrk+1+Xck+1; 步骤S9,重复步骤S5到步骤S8,直到达到最大迭代次数。

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电子科技大学,其通讯地址为:611731 四川省成都市高新区(西区)西源大道2006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。