基于矩阵重构的极化敏感镜面反射阵列极化DOA联合估计方法

基于矩阵重构的极化敏感镜面反射阵列极化doa联合估计方法
技术领域
1.本发明涉及极化敏感镜面反射阵列信号处理技术领域，具体的说是一种基于矩阵重构的极化敏感镜面反射阵列极化doa联合估计方法。


背景技术：

2.极化-doa联合估计致力于获取来波方向和极化信息，进而为辐射源定位、跟踪和识别提供依据，常常应用于通信、雷达、声呐等领域。以多重信号分类和旋转不变子空间为代表的子空间类算法的提出，实现了传统空间谱估计向超分辨测角的飞跃，但电磁环境逐渐复杂、信号形式多样复杂。当阵列间距小于半波长时，多重信号分类和旋转不变子空间等经典算法的性能均会大幅度下降，且当辐射源数量远大于接收阵列的阵元数，多重信号分类和旋转不变子空间等经典算法均会失效。
3.近十年来，有学者将二元干涉仪与劳氏反射镜干涉相结合，提出了镜像综合孔径技术，相较于传统综合孔径所用阵列，镜像综合孔径通过在传统阵列中加入反射面，形成镜面反射阵列，使每个阵元都可接收直接入射信号和经反射面反射的反射信号。两种信号的获得，使每对阵元都可获得和集合与差集合两种基线所对应的可视度函数，从而等效增加阵列的最大基线长度，使在镜像综合孔径中可使用更少的阵元数，达到与传统综合孔径相同的分辨率。
4.同时，现有应用于极化敏感镜面反射阵列的超分辨算法基于的是压缩感知技术，其计算复杂度较高，不利于工程实现。因此针对极化敏感镜面反射阵列研究一种复杂度较低的极化-doa联合估计算法具有非常重要的研究意义。


技术实现要素：

5.本发明针对基于压缩感知技术的超分辨算法和基于空间平滑的超分辨算法计算复杂度较高的问题，明将矩阵重构思想引入极化敏感镜面反射阵列，推导了基于矩阵重构的极化虚拟阵信号模型，进而提出了一种大大降低了计算复杂度，使得基于极化敏感镜面反射阵列的极化-doa联合估计工程实现成为可能的基于矩阵重构的极化敏感镜面反射阵列极化doa联合估计方法。
6.本发明通过以下措施达到：
7.一种基于矩阵重构的极化敏感镜面反射阵列极化doa联合估计方法，其特征在于，通过以下步骤实现：
8.步骤1：获取极化敏感镜面反射阵列接收信号：考虑k个远场窄带信号入射到由n个三正交偶极子构成的极化敏感镜面反射阵列，n个三正交偶极子的位置为d＝[d1,d2,...,dn]
t
，其中d1》0。由于存在反射面，每个偶极子将会同时接收直接入射信号和反射信号，则阵列接收信号为：
[0009][0010]
其中，xd(t)为直接入射信号，xr(t)为反射信号，s(t)＝[s1,s2,...,sk]
t
为信号矢量，n(t)为加性高斯白噪声，x
p
(t)，p＝x,y,z为各偶极子的接收信号，am＝[am(θ1,γ1,η1),...,am(θk,γk,ηk)]为极化敏感镜面反射阵列的阵列流形，am(θk,γk,ηk)为极化敏感镜面反射阵列的导向矢量，其可写为直接入射信号的导向矢量ad(θk,γk,ηk)和反射信号的导向矢量ar(θk,γk,ηk)之和：
[0011][0012]
式中，as(θk)＝[exp(j2π/λ
·
d1sinθk),
…
,exp(j2π/λdnsinθk)],k＝1,
…
k为阵列空域导向矢量，表示kronecker乘，ξ(θk)为三正交偶极子的空间响应矩阵：
[0013][0014]
进而，化简后的镜面反射阵列导向矢量可写为：
[0015][0016]
式中，ξ
p
,p＝x,y,z为各偶极子的极化域导向矢量，d
p
(θk),p＝x,y,z为各偶极子化简后的空域导向矢量：
[0017][0018][0019]
为方便，以代替p＝x,y,z；
[0020]
步骤2：构建和-差共:：
[0021]
步骤2-1：利用和集合{di+dj}和差集合{d
i-dj}获得和-差集合：
[0022]
h＝{di+dj}∪{d
i-dj}
[0023]
步骤2-2：为方便后续算法，去除和-差集合中的大量冗余元素与负值后即可得到具有q个元素的和-差共阵，并且其中的元素代表虚拟阵元位置：
[0024]
h'＝unique(h)
[0025]
其中，unique(
·
)为去除元素中的重复元素与负值；
[0026]
步骤3：分块表示协方差矩阵后利用和-差共阵思想得到各子阵的虚拟阵输：
[0027]
步骤3-1：计算极化敏感镜面反射阵列接收信号的协方差矩阵并分块表示：
[0028][0029]
式中，(
·
)h表示共轭转置，每个子阵对应各偶极子间的协方差矩阵，步骤3-2：向量化协方差矩阵中的子阵r
ij
,i,j＝x,y,z：
[0030][0031]
式中，
⊙
为kr积，i＝x,y,z为各偶极子的空域阵列流形，为噪声功率，为第k个信号的功率，为只有第一个元素为1的列向量，其中，ξ
i,k
为第k个信号平行于i轴偶极子的极化矢量；
[0032]
步骤3-3：将分解为对应差共阵与和共阵的两部分：
[0033][0034]
式中，当j不为y的时，否则其中：
[0035][0036][0037]
此时，按照相同的规则，将各偶极子的向量化数据也分为对应差共阵与和共阵的两部分：
[0038][0039]
式中，对应差共阵，对应和共阵，
±
号的选取与中相同；
[0040]
步骤3-4：按照线性关系求得各子阵的虚拟阵输出：
[0041]
z'
ij
＝pinv(pa
ij
)
·zij
[0042]
式中，为描述线性组合关系的矩阵为转换矩阵，当j≠y时，pa
ij
中任意一行只有|b
m-bn|和|bm+bn|在h中的位置索引上为1，其余元素均为0；而当j＝y时，pa
ij
任意一行在|b
m-bn|的位置索引上为-1，在|bm+bn|的位置索引上为1；
[0043]
步骤4：矩阵重构，包括以下步骤：
[0044]
步骤4-1：扩展各子阵的虚拟阵输出：
[0045]zij
＝[
±
z”ij
,z'
ij
]
t
[0046]
式中，z”ij
为z'
ij
z'
ij
去掉第一个元素后进行上下翻转后的数据矩阵，当i，j任一为y时式中
±
取-，否则取+；
[0047]
步骤4-2：在z
ij
中依次选取q个具有q个元素的子阵输出z
ij,q
，并利用q个子阵构造z
ij
对应的协方差矩阵
[0048][0049]
步骤4-3：利用所有的r
ij
构造一个3q*3q维的协方差矩阵
[0050][0051]
此时，重构后协方差矩阵对应的导向矢量为：
[0052][0053]
式中，p＝x,y,z为各偶极子重构后的空域导向矢量：
[0054][0055][0056]
其中，h'(i),i＝1,
…
q为h'中的第i个元素；
[0057]
步骤5：进行特征值分解得到噪声子空间后进行极化-doa联合估计，包括以下步骤：
[0058]
步骤5-1：对进行特征值分解，得到噪声子空间：
[0059][0060]
步骤5-2：结合秩亏损原理剥离空域参数和极化域参数，构建仅含空域参数的谱函数：
[0061][0062]
即可通过搜索f
θ
(θ)的极大值获得信号的空域参数，其中f
θ
(θ)的q个极大值所对应的θ为信号的来波方向，
[0063]
得到信号的来波方向后，将其代入下式再次进行搜索，q个极大值对应的坐标即为信号的极化辅角：
[0064]
[0065]
在不同信噪比下本发明所提的极化敏感镜面反射阵列极化-doa联合估计方法的空间角估计精度均高于拥有相同阵元数的传统非镜面阵列，并且信噪比较高时的估计精度与拥有与虚拟阵相同阵元数的传统阵列估计精度相近。
附图说明：
[0066]
附图1为本发明的流程图。
[0067]
附图2为阵列间距等于半波长时，在极化敏感镜面反射阵列下使用本发明和空间平滑方法与传统非镜面极化敏感阵列下使用秩亏损降维muisc算法的谱峰功能对比图，其中图2(a)是空间角谱峰对比图，图2(b)是空间平滑极化谱峰图，图2(c)本发明所提方法极化谱峰图，图2(d)是12阵元传统阵列极化谱峰图。
[0068]
附图3为阵列间距小于半波长时，在极化敏感镜面反射阵列下使用本发明和空间平滑方法与传统非镜面极化敏感阵列下使用秩亏损降维muisc算法的谱峰功能对比图，其中图3(a)是空间角谱峰对比图，图3(b)是空间平滑极化谱峰图，图3(c)是本发明所提方法极化谱峰图。
[0069]
附图4为阵列间距等于半波长时，在极化敏感镜面反射阵列下使用本发明和空间平滑方法与传统非镜面极化敏感阵列下使用秩亏损降维muisc算法的各参数估计均方根误差(root mean square error,rsme)随信噪比变化的性能对比图，图4(a)是空间角rsme图，图4(b)是极化辅角rsme图，图4(c)是极化相角rsme图。
具体实施方式：
[0070]
下面结合附图和实施例，对本发明做进一步的说明。
[0071]
如附图1所示，本发明提出了一种基于矩阵重构的极化敏感镜面反射阵列极化-doa联合估计方法，具体如下：
[0072]
步骤1-1：考虑k个远场窄带信号入射到由n个三正交偶极子构成的极化敏感镜面反射阵列，n个三正交偶极子的位置为d＝[d1,d2,...,dn]
t
，其中d1》0，由于存在反射面，每个偶极子将会同时接收直接入射信号和反射信号，则阵列接收信号为：
[0073][0074]
其中，xd(t)为直接入射信号，xr(t)为反射信号，s(t)＝[s1,s2,...,sk]
t
为信号矢量，n(t)为加性高斯白噪声，x
p
(t)，p＝x,y,z为各偶极子的接收信号，am=[am(θ1,γ1,η1),...,am(θk,γk,ηk)]为极化敏感镜面反射阵列的阵列流形，am(θk,γk,ηk)为极化敏感镜面反射阵列的导向矢量，其可写为直接入射信号的导向矢量ad(θk,γk,ηk)和反射信号的导向矢量ar(θk,γk,ηk)之和：
[0075]
[0076]
式中，as(θk)＝[exp(j2π/λ
·
d1sinθk),
…
,exp(j2π/λ
·dn
sinθk)],k＝1,
…
k为阵列空域导向矢量，表示kronecker乘。ξ(θk)为三正交偶极子的空间响应矩阵：
[0077][0078]
进而，化简后的镜面反射阵列导向矢量可写为：
[0079][0080]
式中，ξ
p
,p＝x,y,z为各偶极子的极化域导向矢量，d
p
(θk),p＝x,y,z为各偶极子化简后的空域导向矢量：
[0081][0082][0083]
为方便，下文以代替p＝x,y,z；
[0084]
第二步，构建和-差共阵，所述第二步包括以下步骤：
[0085]
步骤2-1：利用和集合{di+dj}和差集合{d
i-dj}获得和-差集合：
[0086]
h＝{di+dj}∪{d
i-dj}
[0087]
步骤2-2：为方便后续算法，去除和-差集合中的大量冗余元素与负值后即可得到具有q个元素的和-差共阵，并且其中的元素代表虚拟阵元位置：
[0088]
h'＝unique(h)
[0089]
其中，unique(
·
)为去除元素中的重复元素与负值。
[0090]
第三步，分块表示协方差矩阵后利用和-差共阵思想得到各子阵的虚拟阵输出，所述第三步包括以下步骤：
[0091]
步骤3-1：计算极化敏感镜面反射阵列接收信号的协方差矩阵并分块表示：
[0092]
[0093]
式中，(
·
)h表示共轭转置，每个子阵对应各偶极子间的协方差矩阵。
[0094]
步骤3-2：向量化协方差矩阵中的子阵r
ij
,i,j＝x,y,z：
[0095][0096]
式中，
⊙
为kr积，i＝x,y,z为各偶极子的空域阵列流形，为噪声功率，为第k个信号的功率，为只有第一个元素为1的列向量。其中，ξ
i,k
为第k个信号平行于i轴偶极子的极化矢量；
[0097]
步骤3-3：将分解为对应差共阵与和共阵的两部分：
[0098][0099]
式中，当j不为y的时，否则其中：
[0100]
[0101][0102]
此时，按照相同的规则，将各偶极子的向量化数据也分为对应差共阵与和共阵的两部分：
[0103][0104]
式中，对应差共阵，对应和共阵，
±
号的选取与中相同；
[0105]
步骤3-4：按照线性关系求得各子阵的虚拟阵输出：
[0106]
z'
ij
＝pinv(pa
ij
)
·zij
[0107]
式中，为描述线性组合关系的矩阵为转换矩阵，当j≠y时，pa
ij
中任意一行只有|b
m-bn|和|bm+bn|在h中的位置索引上为1，其余元素均为0；而当j＝y时，pa
ij
任意一行在|b
m-bn|的位置索引上为-1，在|bm+bn|的位置索引上为1；
[0108]
第四步，矩阵重构，所述第四步包括以下步骤：
[0109]
步骤4-1：扩展各子阵的虚拟阵输出：
[0110]zij
＝[
±
z”ij
,z'
ij
]
t
[0111]
式中，z”ij
为z'
ij
z'
ij
去掉第一个元素后进行上下翻转后的数据矩阵，当i，j任一为y时式中
±
取-，否则取+；
[0112]
步骤4-2：在z
ij
中依次选取q个具有q个元素的子阵输出z
ij,q
，并利用q个子阵构造z
ij
对应的协方差矩阵
[0113][0114]
步骤4-3：利用所有的r
ij
构造一个3q*3q维的协方差矩阵
[0115][0116]
此时，重构后协方差矩阵对应的导向矢量为：
[0117][0118]
式中，p＝x,y,z为各偶极子重构后的空域导向矢量：
[0119][0120][0121]
其中，h'(i),i＝1,
…
q为h'中的第i个元素。
[0122]
第五步，进行特征值分解得到噪声子空间后进行极化-doa联合估计，所述第五步包括以下步骤：
[0123]
步骤5-1：对进行特征值分解，得到噪声子空间：
[0124][0125]
步骤5-2：结合秩亏损原理剥离空域参数和极化域参数，构建仅含空域参数的谱函数：
[0126][0127]
即可通过搜索f
θ
(θ)的极大值获得信号的空域参数，其中f
θ
(θ)的q个极大值所对应的θ为信号的来波方向。
[0128]
得到信号的来波方向后，将其代入下式再次进行搜索，q个极大值对应的坐标即为信号的极化辅角：
[0129][0130]
实施例：
[0131]
本发明的性能可通过以下仿真说明：
[0132]
1.仿真条件：
[0133]
仿真1：镜面反射阵列由12个双正交偶极子构成，传统阵列分别有12和25个双正交偶极子，布阵形式均为均匀线阵，阵元间距均为6ghz半波长，即25mm；快拍数为200，信噪比为13db，三个信号的中心频率均为6ghz，入射角度分别为40
°
、50
°
和75
°
，极化信息分别为(γ1,η1)＝(15
°
,20
°
)、(γ2,η2)＝(30
°
,35
°
)和(γ3,η3)＝(45
°
,45
°
)，在镜面反射阵列下使用本发明所提方法和基于空间平滑的极化-doa联合估计方法，在传统阵列下使用秩亏损降
维music算法，功能仿真结果如图2所示。
[0134]
仿真2：镜面反射阵列由12个双正交偶极子构成，传统阵列分别有12和25个双正交偶极子，布阵形式均为均匀线阵，阵元间距均为6ghz半波长，即25mm；快拍数为200，信噪比为13db，三个信号的中心频率均为5ghz，入射角度分别为40
°
、50
°
和75
°
，极化信息分别为(γ1,η1)＝(15
°
,20
°
)、(γ2,η2)＝(30
°
,35
°
)和(γ3,η3)＝(45
°
,45
°
)，在镜面反射阵列下使用本发明所提方法和基于空间平滑的极化-doa联合估计方法，在传统阵列下使用秩亏损降维music算法，功能仿真结果如图3所示。
[0135]
仿真3：镜面反射阵列由12个双正交偶极子构成，传统阵列分别有12和25个双正交偶极子，布阵形式均为均匀线阵，阵元间距均为6ghz半波长，即25mm；快拍数为200，信噪比以3db为步长，从0db变化至21db，三个信号的中心频率均为6ghz，入射角度分别为40
°
、50
°
和75
°
，极化信息分别为(γ1,η1)＝(15
°
,20
°
)、(γ2,η2)＝(30
°
,35
°
)和(γ3,η3)＝(45
°
,45
°
)，在镜面反射阵列下使用本发明所提方法和基于空间平滑的极化-doa联合估计方法，在传统阵列下使用秩亏损降维music算法，分别进行500次蒙特卡洛实验，将各参数估计的均方根误差作为评价指标，仿真结果如图4所示。
[0136]
2.仿真结果
[0137]
由图2(a)可看出，当阵元间距等于半波长时，传统阵列和极化敏感镜面反射阵列均可分辨三个目标，但在镜面阵列下使用本发明所提方法的谱峰高度和尖锐程度要明显优于传统阵列。对比图2(b)、(c)和(d)，可看出本发明所提方法的极化谱峰形状也要优于传统阵列，并且没有基于空间平滑的极化-doa联合估计方法无法估计极化相角的缺点。
[0138]
由图3(a)可看出，当阵元间距小于半波长时，拥有12个阵元的传统阵列均无法分辨两个角度间隔为10
°
的目标，但在镜面阵列下使用本发明所提方法依然成功分辨三个目标，同时谱峰高度要优于拥有25个阵元的传统阵列。并且可正确估计出目标的极化较，如图3(c)。
[0139]
由图4(a)可看出，在不同信噪比下本发明所提的极化敏感镜面反射阵列极化-doa联合估计方法的空间角估计精度均高于拥有相同阵元数的传统非镜面阵列，并且信噪比较高时的估计精度与拥有与虚拟阵相同阵元数的传统阵列估计精度相近。可以证明本发明所提方法利用镜面反射阵列的特性进行阵列孔径扩展后，达到与传统非镜面阵列相同空间角估计精度的同时使用了更少的阵元数。但如图4(b)和(c)所示的极化参数性能曲线可看出，本发明所提方法的极化参数估计精度要优于拥有相同物理阵元数的传统非镜面阵列，与25阵元的传统非镜面阵列估计精度相近。综上，本发明所提算法与基于空间平滑的极化-doa联合估计算法香港比，在降低了算法的计算量的同时保持了较高的参数估计精度。

技术特征：
1.一种基于矩阵重构的极化敏感镜面反射阵列极化doa联合估计方法，其特征在于，通过以下步骤实现：步骤1：获取极化敏感镜面反射阵列接收信号：考虑k个远场窄带信号入射到由n个三正交偶极子构成的极化敏感镜面反射阵列，n个三正交偶极子的位置为d＝[d1，d2，...，d
n
]
t
，其中d1＞0。由于存在反射面，每个偶极子将会同时接收直接入射信号和反射信号，则阵列接收信号为：其中，x
d
(t)为直接入射信号，x
r
(t)为反射信号，s(t)＝[s1，s2，...，s
k
]
t
为信号矢量，n(t)为加性高斯白噪声，x
p
(t)，p＝x，y，z为各偶极子的接收信号，a
m
＝[a
m
(θ1，γ1，η1)，...，a
m
(θ
k
，γ
k
，η
k
)]为极化敏感镜面反射阵列的阵列流形，a
m
(θ
k
，γ
k
，η
k
)为极化敏感镜面反射阵列的导向矢量，其可写为直接入射信号的导向矢量a
d
(θ
k
，γ
k
，η
k
)和反射信号的导向矢量a
r
(θ
k
，γ
k
，η
k
)之和：式中，a
s
(θ
k
)＝[exp(j2π/λ
·
d1sinθ
k
)，
…
，exp(j2π/λ
·
d
n
sinθ
k
)]，k＝1，
…
k为阵列空域导向矢量，表示kronecker乘，ξ(θ
k
)为三正交偶极子的空间响应矩阵：进而，化简后的镜面反射阵列导向矢量可写为：式中，ξ
p
，p＝x，y，z为各偶极子的极化域导向矢量，d
p
(θ
k
)，p＝x，y，z为各偶极子化简后的空域导向矢量：
为方便，以代替p＝
×
，y，z；步骤2：构建和-差共：：步骤2-1：利用和集合{d
i
+d
j
}和差集合{d
i-d
j
}获得和-差集合：h＝{d
i
+d
j
}u{d
i-d
j
}步骤2-2：为方便后续算法，去除和-差集合中的大量冗余元素与负值后即可得到具有q个元素的和-差共阵，并且其中的元素代表虚拟阵元位置：h
′
＝unique(h)其中，unique(
·
)为去除元素中的重复元素与负值；步骤3：分块表示协方差矩阵后利用和-差共阵思想得到各子阵的虚拟阵输：步骤3-1：计算极化敏感镜面反射阵列接收信号的协方差矩阵并分块表示：式中，(.)
h
表示共轭转置，每个子阵对应各偶极子间的协方差矩阵，步骤3-2：向量化协方差矩阵中的子阵r
ij
，i，j＝x，y，z：式中，
⊙
为kr积，为各偶极子的空域阵列流形，为噪声功率，为第k个信号的功率，为只有第一个元素为1的列向量，其中，ξ
i，k
为第k个信号平行于i轴偶极子的极化矢量；步骤3-3：将分解为对应差共阵与和共阵的两部分：式中，当j不为y的时，否则其中：
此时，按照相同的规则，将各偶极子的向量化数据也分为对应差共阵与和共阵的两部分：式中，对应差共阵，对应和共阵，
±
号的选取与中相同；步骤3-4：按照线性关系求得各子阵的虚拟阵输出：z
′
ij
＝pinv(pa
ij
)
·
z
ij
式中，为描述线性组合关系的矩阵为转换矩阵，当j≠y时，pa
ij
中任意一行只有|b
m-b
n
|和|b
m
+b
n
|在h中的位置索引上为1，其余元素均为0；而当j＝y时，pa
ij
任意一行在|b
m-b
n
|的位置索引上为-1，在|b
m
+b
n
|的位置索引上为1；步骤4：矩阵重构，包括以下步骤：步骤4-1：扩展各子阵的虚拟阵输出：z
ij
＝[
±
z
″
ij
，z
′
ij
]
t
式中，z
″
ij
为z
′
ij
z
′
ij
去掉第一个元素后进行上下翻转后的数据矩阵，当i，j任一为y时式中
±
取-，否则取+；步骤4-2：在z
ij
中依次选取q个具有q个元素的子阵输出z
ij，q
，并利用q个子阵构造z
ij
对应的协方差矩阵
步骤4-3：利用所有的r
ij
构造一个3q*3q维的协方差矩阵构造一个3q*3q维的协方差矩阵此时，重构后协方差矩阵对应的导向矢量为：式中，p＝x，y，z为各偶极子重构后的空域导向矢量：p＝x，y，z为各偶极子重构后的空域导向矢量：其中，h
′
(i)，i＝1，
…
q为h
′
中的第i个元素；步骤5：进行特征值分解得到噪声子空间后进行极化-doa联合估计。2.根据权利要求1所述的一种基于矩阵重构的极化敏感镜面反射阵列极化doa联合估计方法，其特征在于，所述步骤5包括以下步骤：步骤5-1：对进行特征值分解，得到噪声子空间：步骤5-2：结合秩亏损原理剥离空域参数和极化域参数，构建仅含空域参数的谱函数：即可通过搜索f
θ
(θ)的极大值获得信号的空域参数，其中f
θ
(θ)的q个极大值所对应的θ为信号的来波方向，得到信号的来波方向后，将其代入下式再次进行搜索，q个极大值对应的坐标即为信号的极化辅角：

技术总结
本发明涉及极化敏感镜面反射阵列信号处理技术领域，具体的说是一种基于矩阵重构的极化敏感镜面反射阵列极化DOA联合估计方法，其特征在于，通过以下步骤实现：获取极化敏感镜面反射阵列接收信号，构建和-差共，分块表示协方差矩阵后利用和-差共阵思想得到各子阵的虚拟阵输，矩阵重构，进行特征值分解得到噪声子空间后进行极化-DOA联合估计，在不同信噪比下本发明所提的极化敏感镜面反射阵列极化-DOA联合估计方法的空间角估计精度均高于拥有相同阵元数的传统非镜面阵列，并且信噪比较高时的估计精度与拥有与虚拟阵相同阵元数的传统阵列估计精度相近。阵列估计精度相近。阵列估计精度相近。


技术研发人员：闫锋刚 赵伟程 曹丙霞 娄毅 金铭 位寅生
受保护的技术使用者：哈尔滨工业大学（威海）
技术研发日：2023.03.20
技术公布日：2023/7/13