[發(fā)明專利]基于卷積神經(jīng)網(wǎng)絡的頻率分集陣列的雷達目標定位方法

在審

• 申請?zhí)枺?/td>: 202010830159.1
• 申請日: 2020-08-18
• 公開（公告）號: CN112147589A
• 公開（公告）日: 2020-12-29
• 發(fā)明（設計）人: 劉慶華;朱彩球;陽佳慧;吳丙森;晉良念
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G01S7/41
• 分類號: G01S7/41
• 代理公司: 桂林文必達專利代理事務所(特殊普通合伙) 45134
• 代理人: 張學平

本發(fā)明提供一種基于卷積神經(jīng)網(wǎng)絡的頻率分集陣列的雷達目標定位方法，涉及雷達定位技術領域，根據(jù)構造頻率分集陣列，獲取K個目標的回波信號，計算每個目標的回波信號的協(xié)方差矩陣，將每個目標的協(xié)方差矩陣進行實虛部分離操作，經(jīng)過歸一化后形成目標的數(shù)據(jù)集。將部分數(shù)據(jù)集輸入卷積神經(jīng)網(wǎng)絡作為訓練數(shù)據(jù)，得到對應的目標位置預測輸出，根據(jù)目標函數(shù)使用優(yōu)化器對網(wǎng)絡的權值和閾值進行修正更新，達到設置誤差范圍后固定權值和閾值，將余下的樣本輸入最終訓練好的網(wǎng)絡，進行目標位置的估計。計算機仿真實驗表明，該方法解決了由于數(shù)據(jù)樣本龐大造成的過擬合問題，提高了算法的收斂速度和目標定位的精確度，證明了本發(fā)明的有效性和可靠性。

技術領域

本發(fā)明涉及雷達定位技術領域，尤其涉及基于卷積神經(jīng)網(wǎng)絡的頻率分集陣列的雷達目標定位方法。

背景技術

雷達目標定位技術被越來越廣泛的研究應用在軍事和民用領域，其中，增加目標定位的精度是雷達目標定位技術研究的熱點問題。

目前，提高目標定位的精度方法就是增加樣本數(shù)據(jù)，但在大量的樣本數(shù)據(jù)量情況下，算法無法進行快速有效的計算，且容易產(chǎn)生過擬合的問題，難以實現(xiàn)實時性和準確性的要求。

發(fā)明內容

本發(fā)明的目的在于提供一種基于卷積神經(jīng)網(wǎng)絡的頻率分集陣列的雷達目標定位方法，旨在解決現(xiàn)有技術中增加目標定位的精度的技術問題。

為實現(xiàn)上述目的，本發(fā)明采用的一種基于卷積神經(jīng)網(wǎng)絡的頻率分集陣列的雷達目標定位方法，包括：

將FDA雷達設置為兩個正負頻率偏置，并分別發(fā)射信號；

構造單頻接收頻率分集陣列為N陣元的均勻線陣，獲取所述FDA雷達采集的K個目標點{(θ₁,R₁),…,(θ_k,R_k),…,(θ_K,R_K)}作為訓練集，其中k為K個所述目標點中的任意目標；

獲取所述訓練集中的每個所述目標點的協(xié)方差矩陣，得到K個所述協(xié)方差矩陣，將所述K個協(xié)方差矩陣構成K個目標的初始數(shù)據(jù)集；

獲取第k個目標對應的所述協(xié)方差矩陣，并將第k個目標的所述協(xié)方差矩陣在所述訓練集中位置對應為(θ_k,R_k)，將第k個目標的所述協(xié)方差矩陣進行歸一化，獲取對應第k個目標的的歸一化矩陣；

構建卷積神經(jīng)網(wǎng)絡模型，將所述訓練集輸入所述卷積神經(jīng)網(wǎng)絡模型，獲得第K個目標的卷積神經(jīng)網(wǎng)絡的預測的目標位置

將第K個目標的卷積神經(jīng)網(wǎng)絡的預測的目標位置與第K個真實目標的位置(θ_k,R_k)比較，計算兩者的均方誤差，并作為所述卷積神經(jīng)網(wǎng)絡模型的目標函數(shù)；

對所述目標函數(shù)進行迭代，獲取所述卷積神經(jīng)網(wǎng)絡模型中目標定位的各項參數(shù)。

其中，在獲取獲取對應第k個目標的的歸一化矩陣之后，

對K個目標的所述第一數(shù)據(jù)集和所述訓練集進行歸一化，獲取K個真實的目標位置的數(shù)據(jù)集。

其中，在獲取將所述K個協(xié)方差矩陣構成K個目標的初始數(shù)據(jù)集時，對協(xié)方差矩陣的實部和虛部進行分離。

其中，在對所述目標函數(shù)進行迭代具體步驟中，包括

將第k個目標的目標個數(shù)循環(huán)加1，重復所述訓練集中的每個所述目標點的協(xié)方差矩陣至獲得所述目標函數(shù)之間的步驟，直到每個所述目標函數(shù)收斂最優(yōu)時或達到最大迭代次數(shù)。

其中，構建卷積神經(jīng)網(wǎng)絡模型，將所述訓練集輸入所述卷積神經(jīng)網(wǎng)絡模型的步驟中，所述訓練集的數(shù)據(jù)為所述初始數(shù)據(jù)集中的隨機抽取的百分之七十數(shù)據(jù)。

其中，在獲取所述卷積神經(jīng)網(wǎng)絡模型中目標定位的各項參數(shù)后，