CN115166629B 一种基于智能反射面的无源被动感知设备与方法 （东南大学）

一种基于智能反射面的无源被动感知设备本发明公开了一种基于智能反射面的无源智能反射面的相关参数实现对二次反射过程的实现有效目标回波信号的提取；最后，基于Hankel矩阵构建接收信号矩阵，并基于MUSIC方2信号的Hankel矩阵作为重构信号，使用MUSIC方法对重构后的信号进行分解得到信号子空所述步骤2中的干扰去除方法包括基于原子范数的干扰去除方法和基于测量矩阵优化基于托普利兹矩阵构建半正定规划的凸优化问题，该过程为所所述步骤3中使用MUSIC方法对重构后的矩阵进行奇异值分解后，得到若干个奇异值，所述步骤3中空间谱由智能反射面的导向矢量的L2范数平方与前述噪声子空间的L2范2.根据权利要求1所述的基于智能反射面的无源被动感知设备的感知方法，其特征在3.根据权利要求1所述的基于智能反射面的无源被动感知设备的感知方法，其特征在3测量矩阵优化问题建模为半正定规划的最优化问题；求解前述半正定规划问题获得矩阵，4.根据权利要求1所述的基于智能反射面的无源被动感知设备的感知方法，其特征在5.根据权利要求1所述的基于智能反射面的无源被动感知设备的感知方法，其特征在于，所述步骤3中基于Hankel矩阵的信号重构方法从去噪后的M*1维向量中取出多组M-L个4[0004]专利号为202111416744.8的专利，它通过用[0005]本发明目的在于提供一种基于智能反射面的5目标信号的Hankel矩阵作为重构信号，使用MUSIC方法对重构后的信号进行分解得到信号[0012]进一步的，步骤1中接收信号模型包括来自目标并经过智能反射面反射的目标信[0013]进一步的，步骤2中的干扰去除方法包括基于原子范数的干扰去除方法和基于测结果小若干个数量级的奇异值所对应的奇异向量构[0019]进一步的，步骤3中空间谱由智能反射面的导向矢量的L2范数平方与前述噪声子面由多个阵元组成，导向矢量的结构由组成智能反射面的各个阵元之间的相对位置决定，导向矢量的具体取值由目标与智能反射面之6[0028]图5为本发明中无线通信接入点和传感器在不同位置下的均方根误差(RMSE)示意[0031]本发明提供一种基于智能反射面的无源被动感知设备，包括智能反射面与感知[0036]干扰去除方法包括基于原子范数的干扰去除方法和基于测量矩阵优化的干扰去7成的矩阵需为一个半正定矩阵，通过半正定规划迭代求解满足前述约束条件的矢量u和变[0038]基于测量矩阵优化的干扰去除方法抑制特定方向的将测量矩阵优化问题建模为半正定规划的最优化问题；求解前述半正定规划问题获得矩目标信号的Hankel矩阵作为重构信号，使用MUSIC方法对重构后的信号进行分解得到信号[0041]基于Hankel矩阵的信号重构方法从所述去噪后的M*1维向量中取出多组M-L个元[0043]空间谱由智能反射面的导向矢量的L2范数平方与前述噪声子空间的L2范数平方具有不同位置的阵元接收到的信号在相位上存在一定的差异，智能反射面由多个阵元组[0044]本发明一种基于智能反射面的无源被动感知设备的感知方法具体实施例如下所8作为从去噪后的M*1维向量中取出多组M-L个元素重新组成矩阵，重组后的矩阵维度为(M-[0059]图3和4分别表示无测量矩阵优化和有测量矩阵优化的情况下DOA估计的性能表[0060]图5为本发明在不同的无线通信接入点和传感器位置下的均方根误差，其中噪声能反射面的区域与其他区域相比有更好的性能表现，图5中第二张图无线通信接入点位于本申请的权利要求范围内的实施例都属于本发明所保护的