[發明專利]一種基于神經網絡的干涉儀角度解算方法

有效

• 申請號: 202010791037.6
• 申請日: 2020-08-07
• 公開（公告）號: CN111983555B
• 公開（公告）日: 2023-07-11
• 發明（設計）人: 郭磊;余建宇;喬宏樂
• 申請（專利權）人: 西安電子工程研究所
• 主分類號: G01S3/40
• 分類號: G01S3/40;G06N3/044;G06N3/0464;G06N3/084
• 代理公司: 西安凱多思知識產權代理事務所(普通合伙) 61290
• 代理人: 劉新瓊

1.一種基于神經網絡的干涉儀角度解算方法，其特征在于步驟如下：

步驟1：利用干涉儀獲取確定角度下的相位信息；對獲得的信息進行預處理：

S101、在微波暗室中，將干涉儀安裝于實驗轉臺，利用轉臺調整干涉儀與信號源之間的角度，按照一定的角度間隔調整轉臺，利用干涉儀對信號的相位及頻率進行測量，干涉儀的4個測量天線得到四個不同的相位值，同一信號對應一個頻率值f；

S102、根據先驗信息，刪除一些明顯是干擾信號的相位數據；

S103、干涉儀4個天線為橫向分布，計算相鄰位置天線的相位差，得到3組相位差數據PH＝[PH₁,PH₂,PH₃]，對相位差數據和頻率進行歸一化處理：

步驟2：選擇全連接網絡作為訓練模型，輸入節點對應輸入的相位差及頻率值Data＝[PH,f]，因此輸入層節點數設置為4，輸出神經元對應角度；網絡層數設置為4-10層，每層神經元個數設置為20-200；訓練時選用網絡預測值與真實值的均方誤差函數作為網絡的損失函數：

其中，Ang_i為轉臺的角度作為已知的信號角度，即真實值；Ang_i′為網絡預測值；

步驟3：對網絡中的權值進行隨機初始化，將訓練數據輸入到網絡中進行網絡訓練，輸入數據根據數據量的大小進行分批次訓練，基于梯度的反向傳播算法進行網絡的訓練直至損失函數收斂；

步驟4：將干涉儀的觀測到的相位信息和信號頻率經過數據預處理之后輸入訓練好的網絡，利用模型進行前向運算就能得到信號角度的預測值。

2.根據權利要求1所述的一種基于神經網絡的干涉儀角度解算方法，其特征在于步驟1中所述的一定的角度為1°。

3.根據權利要求1所述的一種基于神經網絡的干涉儀角度解算方法，其特征在于步驟2中所述的全連接網絡替換為遞歸網絡、殘差網絡。