【技術實現(xiàn)步驟摘要】
本專利技術涉及編碼傳感器領域，尤其涉及一種基于自編碼器和深度神經(jīng)網(wǎng)絡的低信噪比doa估計方法。
技術介紹
1、傳感器陣列的高分辨到達角(direction-of-arrive,doa)估計是現(xiàn)代陣列信號處理中的重要研究方向，準確的角度估計可以有效提升雷達目標的測量精度。
2、采用傳統(tǒng)多重信號分類算法(music)等估計算法雖然能夠獲得較高的測量精度，但是其估計精度對環(huán)境依賴性較強，易受到噪聲影響。為了解決低信噪比工作環(huán)境下傳統(tǒng)估計算法存在較高測量誤差的問題，本文提出一種利用降噪自編碼器(dae)和深度神經(jīng)網(wǎng)絡(dnn)的混合模型，將doa估計建模為分類問題，以提高低信噪比下算法估計精度及抗干擾能力。
3、傳感器陣列波達方向(doa)估計作為陣列信號處理的重要研究內(nèi)容之一，在雷達、通信、聲吶和天文等經(jīng)濟和軍事領域都有著廣泛的應用。
4、傳統(tǒng)測向方法如music、espirt、capon及其各種改進算法在實際應用場景中，往往要求測向算法能夠適應復雜多變的信號環(huán)境和應用環(huán)境，并能夠盡量做到快速(實時)測向，然而上述幾類傳統(tǒng)模型驅動類測向方法通常很難做到實時性、適用性、泛化性等需求，特別是在低信噪比工作情況下傳統(tǒng)算法表現(xiàn)較差。
5、有鑒于此，針對現(xiàn)有的問題予以研究改良，提供一種基于自編碼器和深度神經(jīng)網(wǎng)絡的低信噪比doa估計方法，具有結構設計合理，提取陣列接收數(shù)據(jù)協(xié)方差矩陣的實部、虛部和相位特征，接著利用dae對帶有噪聲的陣列協(xié)方差矩陣數(shù)據(jù)進行無監(jiān)督的訓練。隨后將去噪數(shù)據(jù)接入dnn網(wǎng)絡，利用
技術實現(xiàn)思路
1、本專利技術的目的是為了解決現(xiàn)有技術中存在的缺點，而提出的一種基于自編碼器和深度神經(jīng)網(wǎng)絡的低信噪比doa估計方法。
2、為了實現(xiàn)上述目的，本專利技術采用了如下技術方案：一種基于自編碼器和深度神經(jīng)網(wǎng)絡的低信噪比doa估計方法，包括低信噪比doa估計方法和結合dae和cnn的doa估計方法，低信噪比doa估計方法步驟如下：
3、s1：給定陣列雷達接收天線陣元數(shù)m、陣元位置dm、信噪比snr、輸入信號sin等參數(shù)；
4、s2：得到陣列接收數(shù)據(jù)協(xié)方差陣r；
5、s3：取入射角度[-60°，60°]范圍內(nèi)接收信號協(xié)方差矩陣r的實部和虛部作為神經(jīng)網(wǎng)絡的輸入y1，構建數(shù)據(jù)集，按照8:2的比例區(qū)分訓練集和測試集；
6、s4：初始化dae網(wǎng)絡參數(shù)，將訓練集內(nèi)數(shù)據(jù)導入，完成前向傳播，同時對誤差進行反向傳播，同步更新網(wǎng)絡權值；多次重復這個步驟直至網(wǎng)絡收斂，保存網(wǎng)絡參數(shù)，得到dae輸出數(shù)據(jù)
7、s5：初始化cnn網(wǎng)絡，將送入網(wǎng)絡，添加幅角通道、插值后開始訓練cnn網(wǎng)絡，以實際角度為標簽，訓練完成后保存網(wǎng)絡參數(shù)；
8、s6：將測試集數(shù)據(jù)導入網(wǎng)絡檢驗網(wǎng)絡性能；
9、s7：測試完成后固定網(wǎng)絡結構及參數(shù)，可使用該網(wǎng)絡進行低信噪比情況下doa估計，可得仰角估計值
10、作為上述技術方案的進一步描述：
11、結合dae和cnn的doa估計方法步驟如下：
12、s1、首先提取低信噪比情況下信號和噪聲子空間相互滲透后的協(xié)方差矩陣；
13、s2、分別取其協(xié)方差矩陣實部、虛部和相位作為網(wǎng)絡輸入特征，引入dae中提高陣列接收信號信噪比以提高后續(xù)cnn分類準確率；
14、s3、將doa估計問題建模為多標簽的分類模型，將降噪后的協(xié)方差矩陣加入cnn，利用cnn構造深度學習網(wǎng)絡進行doa估計；
15、s4、通過cnn的泛化能力和非線性映射能力提高低信噪比下估計性能和計算負責度；仿真結果表明，在低信噪比下，相較music、espirt、capon等傳統(tǒng)算法，本文所提方法顯著降低角度估計均方誤差。
16、作為上述技術方案的進一步描述：
17、建立信號模型：
18、一般情況下，對于遠場信號，同一信號到達不同陣元存在波程差，這個波程差進而引起了各接收陣元之間信號的相位差，利用各陣元之間相位差可以得出信號到來的方位；
19、回波信號可用以下復包絡形式表示：
20、
21、式中，ui(t)為接收信號幅度，為接收信號相位，ω0為接收信號頻率；
22、考慮到雷達工作中目標與天線陣列之間的距離r>>λ，即可將回波視為遠場窄帶信號，則有
23、
24、則第l個陣元接收到的信號為
25、
26、式中，表示第l個陣元對i個信號的增益，nl(t)為第l個陣元在t時刻接收到的噪聲，τli表示第i個信號到達第l個陣元時相對參考陣元的時延；
27、理想情況下假設各個陣元滿足各向同性且不存在互耦、通道不一致等因素影響，則式(3)中增益可歸一化為1，再將式(3)改寫為矢量形式
28、x(t)＝as(t)+n(t)??(4)
29、式中x(t)為陣列m×1維度快拍數(shù)據(jù)矢量，n(t)為m×1維噪聲數(shù)據(jù)矢量，a(t)為接收信號的n×1維矢量，a為m×n維導向矢量陣，有
30、a＝[a1(w0)?a2(ω0)?…?an(ω0)]??(5)
31、其中導向矢量為
32、
33、本文以典型的均勻線陣為例，陣列結構示意圖如圖1所示，陣元位置為xk(k＝1，2，...，m)，信號入射俯仰角和方位角分別為(i＝1，2，...，n)，則有
34、
35、(1)為確保導向矢量矩陣各列線性獨立，信源數(shù)少于陣元數(shù)；
36、(2)噪聲序列服從零均值高斯過程，各陣元噪聲相互獨立，信號和噪聲相互獨立；
37、(3)各陣元滿足各向同性，無互耦合通道不一致干擾；
38、由上述式(4)的數(shù)學模型，根據(jù)上述假設可得陣列快拍數(shù)據(jù)的協(xié)方差矩陣為
39、r＝e{xxh}
40、＝ae{ssh}ah+e{nnh}
41、＝arsah+rn??(8)
42、式中rs，rn分別為信號和噪聲的協(xié)方差矩陣，對于功率為σ2的理想白噪聲序列則有
43、r＝arsah+rn
44、＝arsah+σ2i??(9)。
45、作為上述技術方案的進一步描述：
46、建立多重信號分類算法和旋轉不變子空間算法；
47、所述多重信號分類算法是對陣列輸出協(xié)方差矩陣特征分解，得到信號分量長成的信號子空間和與其正交的噪聲子空間，然后利用子空間的正交性來估計信號參數(shù)(入射方向、信本文檔來自技高網(wǎng)...
【技術保護點】
1.一種基于自編碼器和深度神經(jīng)網(wǎng)絡的低信噪比DOA估計方法，包括低信噪比DOA估計方法和結合DAE和CNN的DOA估計方法，其特征在于：低信噪比DOA估計方法步驟如下：
2.根據(jù)權利要求1所述的一種基于自編碼器和深度神經(jīng)網(wǎng)絡的低信噪比DOA估計方法，其特征在于：結合DAE和CNN的DOA估計方法步驟如下：
3.根據(jù)權利要求2所述的一種基于自編碼器和深度神經(jīng)網(wǎng)絡的低信噪比DOA估計方法，其特征在于：建立信號模型：
4.根據(jù)權利要求3所述的一種基于自編碼器和深度神經(jīng)網(wǎng)絡的低信噪比DOA估計方法，其特征在于：建立多重信號分類算法和旋轉不變子空間算法；
5.根據(jù)權利要求1所述的一種基于自編碼器和深度神經(jīng)網(wǎng)絡的低信噪比DOA估計方法，其特征在于：建立DAE網(wǎng)絡結構：DAE是自編碼器(AE)的一個變形，其不同之處在于DAE通過訓練加入噪聲后的損壞數(shù)據(jù)進行特征學習，利用輸入原始數(shù)據(jù)和輸出降噪后的數(shù)據(jù)計算損失函數(shù)并進行誤差反向傳播；
【技術特征摘要】
1.一種基于自編碼器和深度神經(jīng)網(wǎng)絡的低信噪比doa估計方法，包括低信噪比doa估計方法和結合dae和cnn的doa估計方法，其特征在于：低信噪比doa估計方法步驟如下：
2.根據(jù)權利要求1所述的一種基于自編碼器和深度神經(jīng)網(wǎng)絡的低信噪比doa估計方法，其特征在于：結合dae和cnn的doa估計方法步驟如下：
3.根據(jù)權利要求2所述的一種基于自編碼器和深度神經(jīng)網(wǎng)絡的低信噪比doa估計方法，其特征在于：建立信號模型：...
【專利技術屬性】
技術研發(fā)人員：鄭桂妹，鄭合，宋玉偉，
申請(專利權)人：中國人民解放軍空軍工程大學，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。