[發(fā)明專(zhuān)利]基于二維卷積神經(jīng)網(wǎng)絡(luò)的米波雷達(dá)DOA估計(jì)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811442386.6
• 申請(qǐng)日: 2018-11-29
• 公開(kāi)（公告）號(hào): CN109597048B
• 公開(kāi)（公告）日: 2023-08-11
• 發(fā)明（設(shè)計(jì)）人: 陳伯孝;項(xiàng)厚宏
• 申請(qǐng)（專(zhuān)利權(quán)）人: 西安電子科技大學(xué)
• 主分類(lèi)號(hào): G01S7/41
• 分類(lèi)號(hào): G01S7/41
• 代理公司: 西安睿通知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 61218
• 代理人: 惠文軒

本發(fā)明屬于雷達(dá)技術(shù)領(lǐng)域，公開(kāi)了一種基于二維卷積神經(jīng)網(wǎng)絡(luò)的米波雷達(dá)DOA估計(jì)方法，包括：獲取P個(gè)點(diǎn)跡作為訓(xùn)練集；計(jì)算訓(xùn)練集中每個(gè)點(diǎn)跡的協(xié)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(duì)應(yīng)的相位平均值矩陣和相位標(biāo)準(zhǔn)差矩陣；以第i個(gè)點(diǎn)跡對(duì)應(yīng)的補(bǔ)零重排后的相位矩陣作為卷積神經(jīng)網(wǎng)絡(luò)的輸入，得到第i個(gè)點(diǎn)跡的輸出矩陣；根據(jù)目標(biāo)函數(shù)對(duì)卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)進(jìn)行修正；獲取實(shí)測(cè)目標(biāo)點(diǎn)跡，將實(shí)測(cè)目標(biāo)點(diǎn)跡的相位矩陣輸入卷積神經(jīng)網(wǎng)絡(luò)中，重構(gòu)實(shí)測(cè)目標(biāo)點(diǎn)跡的協(xié)方差矩陣對(duì)目標(biāo)點(diǎn)跡進(jìn)行DOA估計(jì)，將DOA估計(jì)問(wèn)題轉(zhuǎn)化成一個(gè)純粹的回歸問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明屬于雷達(dá)技術(shù)領(lǐng)域，尤其涉及基于二維卷積神經(jīng)網(wǎng)絡(luò)的米波雷達(dá)DOA估計(jì)方法，可用于米波雷達(dá)低仰角、多徑環(huán)境下的波達(dá)角(DOA)估計(jì)。

背景技術(shù)

目前，大多數(shù)隱身飛機(jī)或戰(zhàn)機(jī)為達(dá)到其戰(zhàn)略需求，多采用低空/超低空飛行的方式對(duì)其戰(zhàn)略目標(biāo)進(jìn)行有效打擊。而米波雷達(dá)波長(zhǎng)較長(zhǎng)，相比其他更高頻段而言具有更好的反隱身作用。但關(guān)中不足的是，由于波束較寬，當(dāng)目標(biāo)處于低空/超低空飛行時(shí)，存在嚴(yán)重的波束“打地”現(xiàn)象，經(jīng)地面反射的多徑信號(hào)被雷達(dá)所接收，大大削弱了雷達(dá)的威力及其測(cè)量精度。

針對(duì)此多徑問(wèn)題，目前主要以精確建模和提高算法估計(jì)能力兩方面為主。由于多徑反射信號(hào)與直達(dá)波信號(hào)屬于強(qiáng)相干源，代表性的解相干算法有空間平滑多重信號(hào)分類(lèi)算法(SSMUSIC)。通過(guò)平滑的手段，有效恢復(fù)協(xié)方差矩陣的秩，進(jìn)而有效估計(jì)相干源的DOA。但對(duì)于SSMUSIC算法，信源個(gè)數(shù)需要是先驗(yàn)的。而在實(shí)際陣地環(huán)境下，多徑信號(hào)的個(gè)數(shù)總是未知且多變的，這容易導(dǎo)致信號(hào)子空間與噪聲子空間不完全正交，大大降低了DOA估計(jì)精度。另外，平滑的方法總是會(huì)帶來(lái)孔徑的損失，直接降低了DOA估計(jì)精度。

而目前，國(guó)內(nèi)外僅有極少數(shù)專(zhuān)家引入神經(jīng)網(wǎng)絡(luò)技術(shù)來(lái)解決DOA估計(jì)問(wèn)題。直至現(xiàn)在，在IEEE上公布的論文成果僅有幾篇。而且，其研究?jī)?nèi)容均是將DOA估計(jì)問(wèn)題看成一個(gè)分類(lèi)問(wèn)題去處理，如Zooghby等人在1997年發(fā)表的論文《Performance?of?Radial-BasisFunction?Networks?for?Direction?of?Arrival?Estimation?with?Antenna?Arrays》和Shiech等人2000年在IEEE?Transaction?on?Antennas?and?Propagation上發(fā)表《Direction?of?arrival?estimation?based?on?phase?differences?using?neuralfuzzy?network》等。通過(guò)學(xué)習(xí)接收數(shù)據(jù)的某個(gè)特征與真實(shí)角度的非線性關(guān)系，進(jìn)而達(dá)到DOA估計(jì)的目的。但對(duì)于DOA估計(jì)問(wèn)題而言，其角度是連續(xù)的，分類(lèi)的思想總是去解決一個(gè)非連續(xù)性的問(wèn)題。因此，此類(lèi)學(xué)習(xí)機(jī)制存在一定的弊端。

發(fā)明內(nèi)容

針對(duì)上述問(wèn)題，本發(fā)明的目的在于提供一種基于二維卷積神經(jīng)網(wǎng)絡(luò)的米波雷達(dá)DOA估計(jì)方法，不僅能有效解決米波雷達(dá)工程實(shí)際中模型失配、先驗(yàn)信息不充分等問(wèn)題，而且不存在有已有研究成果的弊端，完全將DOA估計(jì)問(wèn)題轉(zhuǎn)化成一個(gè)純粹的回歸問(wèn)題。

實(shí)現(xiàn)本發(fā)明的技術(shù)思路是：首先提取帶標(biāo)簽的訓(xùn)練集數(shù)據(jù)的協(xié)方差矩陣的上三角元素的相位，并計(jì)算相位數(shù)據(jù)集的均值μ_X和標(biāo)準(zhǔn)差σ_X，并利用μ_X和σ_X對(duì)相位數(shù)據(jù)集進(jìn)行歸一化；由于提取到的相位數(shù)據(jù)格式是倒三角格式，需要根據(jù)卷積的性質(zhì)對(duì)相位數(shù)據(jù)進(jìn)行重排以便卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練使用；同時(shí)，根據(jù)標(biāo)簽角度計(jì)算出理想的協(xié)方差矩陣的上三角元素的相位數(shù)據(jù)集。以網(wǎng)絡(luò)的輸出和理想的相位的均方誤差作為網(wǎng)絡(luò)的目標(biāo)函數(shù)。利用自適應(yīng)時(shí)刻估計(jì)(Adam)算法更新網(wǎng)絡(luò)權(quán)值，利用誤差反向傳播修正網(wǎng)絡(luò)權(quán)值，直至目標(biāo)函數(shù)收斂。在測(cè)試過(guò)程中，提取協(xié)方差矩陣的相位與幅度，利用μ_X和σ_X對(duì)提取到的相位進(jìn)行歸一化處理后根據(jù)卷積的性質(zhì)重排后輸入網(wǎng)絡(luò)，并將網(wǎng)絡(luò)的輸出和提取到的幅度重構(gòu)出新的協(xié)方差矩陣，并利用經(jīng)典的算法實(shí)現(xiàn)DOA估計(jì)。

為達(dá)到上述目的，本發(fā)明采用如下技術(shù)方案予以實(shí)現(xiàn)。