[發明專利]基于一維卷積神經網絡的米波雷達DOA估計方法

有效

• 申請號: 201811442372.4
• 申請日: 2018-11-29
• 公開（公告）號: CN109597046B
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 陳伯孝;項厚宏
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G01S7/41
• 分類號: G01S7/41
• 代理公司: 西安睿通知識產權代理事務所(特殊普通合伙) 61218
• 代理人: 惠文軒

本發明屬于雷達技術領域，公開了一種基于一維卷積神經網絡的米波雷達DOA估計方法，包括：獲取P個點跡作為訓練集；計算訓練集中每個點跡的協方差矩陣，以及上三角元素組成上三角元素相位矩陣，得到對應的相位平均值矩陣和相位標準差矩陣；以第i個點跡對應的按列重排后的相位矩陣作為卷積神經網絡的輸入，得到第i個點跡的輸出矩陣；根據目標函數對卷積神經網絡的網絡參數進行修正；獲取實測目標點跡，將實測目標點跡的相位矩陣輸入卷積神經網絡中，重構實測目標點跡的協方差矩陣對目標點跡進行DOA估計，將DOA估計問題轉化成一個純粹的回歸問題。

技術領域

本發明屬于雷達技術領域，尤其涉及一種基于一維卷積神經網絡的米波雷達DOA估計方法，可用于米波雷達低仰角、多徑環境下的波達角(DOA)估計。

背景技術

米波雷達在反隱身及遠程預警方面均起到重要作用。但由于存在波長長，波束寬，陣列孔徑受限等特性，其角分辨率不高。特別是在低仰角情況下，由于波束“打地”，地面反射多徑信號從主瓣進入。由于多徑信號的存在形式包括鏡面反射以及漫反射信號，且多徑信號與直達波信號屬于強相干信號，經典的算法很難有效估計直達波DOA。

針對此問題，國內外大多數學者主要應用數學方法來解決，其主要研究方向可總結為以下兩個方面：

一方面，通過對直達波信號和多徑信號進行解相干處理，進而對直達波DOA進行有效估計。如經典的解相干類算法包括基于解相干處理的多重信號分類(SSMUSIC)算法和旋轉不變子空間(ESPRIT)算法。在相干源環境下，協方差矩陣的秩降為1，解相干類算法通過平滑等處理方法恢復協方差矩陣的秩。雖然平滑處理方法能有效處理相干源信號，但是同時會帶來孔徑的損失。

另一方面，獲取更多的先驗信息來構建更加有效地多徑信號模型。如經典的最大似然算法，申請者所在實驗室提出的基于地形修正的最大似然算法等。其中，最大似然函數中假定噪聲的分布為高斯白噪聲；基于地形修正的最大似然算法則在最大似然算法的模型基礎上加入了雷達架設海拔高度、地球曲率、地面反射高度等先驗信息。但在實際中，噪聲的分布情況且及地面反射情況更為復雜，一旦發生模型失配問題，則算法性能較差。而且，先驗信息如地面反射高度較難獲取。

目前，國內外少數學者將徑向基函數神經網絡(RBFNN)應用到DOA估計問題。如Zooghby等人在1997年發表的論文《Performance of Radial-Basis Function Networksfor Direction of Arrival Estimation with Antenna Arrays》中，將DOA估計問題簡化成一個分類問題。通過學習協方差矩陣上三角元素的相位與DOA之間的關系，進而達到DOA估計目的。在2000年，Shiech等人在IEEE Transaction on Antennas and Propagation上發表《Direction of arrival estimation based on phase differences using neuralfuzzy network》，該文中提到利用學習協方差矩陣上三角元素的相位差與DOA之間的關系。但對于此類將DOA問題簡化成分類問題的神經網絡學習方法存在一個較大問題，那就是DOA是具有連續性，而分類問題通常是非連續的。這個問題也是目前利用RBFNN來做DOA估計的一個重大缺陷。

發明內容

針對上述問題，本發明的目的在于提供一種基于一維卷積神經網絡的米波雷達DOA估計方法，不僅能有效解決米波雷達工程實際中模型失配、先驗信息不充分等問題，而且有效彌補了RBFNN類方法中估計不連續問題，完全將DOA估計問題轉化成一個純粹的回歸問題。