[發明專利]一種基于圖卷積神經網絡的自適應波束形成方法

有效

• 申請號: 202011177136.1
• 申請日: 2020-10-29
• 公開（公告）號: CN112505628B
• 公開（公告）日: 2023-09-29
• 發明（設計）人: 柏沫羽;劉昊;陳浩川;張彬
• 申請（專利權）人: 北京遙測技術研究所;航天長征火箭技術有限公司
• 主分類號: G01S7/02
• 分類號: G01S7/02;G01S7/41;G06N3/042;G06N3/045;G06N3/0464;G06N3/047;G06N3/048;G06N3/0495;G06N3/096;G06N3/084;G06N3/0985
• 代理公司: 北京巨弘知識產權代理事務所(普通合伙) 11673
• 代理人: 趙洋

1.一種基于圖卷積神經網絡的自適應波束形成方法，其特征在于：包括如下步驟：

S1、去耦合：將接收到的回波數據X進行擴維和歸一化后采用圖卷積神經網絡進行特征變換和降維，得到去耦合回波數據X_o；

S2、建立并訓練教師神經網絡模型：建立一個N層教師神經網絡，每一層所述教師神經網絡的激活函數均為Leaky-Relu函數，并對各層神經元應用dropout方式進行泛化處理；將所述去耦合回波數據X_o作為教師神經網絡訓練數據，將期望權重數據Z作為教師神經網絡測試數據，訓練教師神經網絡模型；當教師神經網絡訓練數據總均方誤差平均值小于等于設定值m時，進行所述教師神經網絡測試數據計算，當所述教師神經網絡測試數據總均方誤差平均值小于等于設定值n時，教師神經網絡模型建立完成；當所述訓練數據總均方誤差平均值大于m，則重新進行步驟S2；

S3、建立并訓練學生神經網絡模型：建立一個M層學生神經網絡，每一層所述學生神經網絡的激活函數均為Leaky-Relu函數；建立泛化訓練樣本，將所述去耦合回波數據X_o和所述泛化訓練樣本作為學生神經網絡訓練數據，將所述學生神經網絡訓練數據分別輸入所述教師神經網絡和所述學生神經網絡中，計算得到教師-學生神經網絡總均方誤差平均值，當所述教師-學生神經網絡總均方誤差平均值小于等于設定值m時，則學生神經網絡模型確定；當所述教師-學生神經網絡總均方誤差平均值大于m，則重新進行步驟S3并增加所述學生神經網絡層數和所述學生神經網絡各層所述神經元數量；

S4、形成波束：將實際得到的回波數據和期望波束方向輸入到所述學生神經網絡模型中，形成期望合成的波束。

2.根據權利要求1所述的一種基于圖卷積神經網絡的自適應波束形成方法，其特征在于：步驟S1包括：

S11、回波數據擴維：將雷達天線接收到的所述回波數據X通過特征矩陣F映射，得到輸入特征向量X_f和輸入特征轉置向量

X_f＝X⊙F，⊙表示對應元素相乘；

表示所述輸入特征向量X_f的轉置；

S12、歸一化：利用softmax函數計算所述輸入特征向量X_f與所述輸入特征轉置向量的關系權重S：

其中所述關系權重S的元素S_ij表示第i個陣源和第j個陣源之間的所述關系權重；

S13、特征變換：采用圖卷積神經網絡，計算得到所述回波數據X的輸出信號特征向量X_u：

X_u＝S·X_f+W_s⊙X_f，

其中W_s是針對中央節點的權重變換矩陣；

S14、輸出信號特征向量降維：將所述輸出信號特征向量X_u與參數矩陣D相乘，得到去耦合回波數據X_o：

X_o＝X_u·D。