[發明專利]一種基于DNN的大氣波導參數估計方法

在審

• 申請號: 202011481232.5
• 申請日: 2020-12-15
• 公開（公告）號: CN112560342A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 蔣伊琳;姚欣;趙忠凱;陳濤;郭立民;劉魯濤;肖易寒;禹永植
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于DNN的大氣波導參數估計方法，其特征在于，包括以下步驟：

步驟1：電磁波傳播損耗模型采用窄角拋物線方程進行建模，具體為：

其中，設沿電磁波水平傳播方向為x軸，豎直方向為z軸，n(x,z)為折射指數，k₀表示真空中的傳播常數，u(x,z)滿足：Ψ(x,z)代表電場分量或者磁場分量；

計算電磁波在波導中的傳播損耗L，具體為：

L＝L_f-L_A＝32.45+20lgf+20lgr-20lgF

其中，L_f為電磁波自由空間傳播損耗，L_A為媒質傳播損耗，r表示發射源和接收點之間的距離，F為波導中的傳播因子，f表示頻率；

步驟2：建立網絡訓練集，在選定的水平范圍內，每隔設定距離選取一個點采樣得到電磁波功率并根據步驟1計算相對于發射點的傳播損耗值，組成一組傳播損耗序列值作為網絡的輸入，天線信號選擇單載頻正弦信號s(t)，具體為：

s(t)＝sin(2πf_i)

其中，f_i為信號的頻率，在訓練集選取的頻段范圍內，按頻段劃分成多個小訓練集，設置每個小訓練集的信號頻率相同大氣波導高度，在大氣波導高度范圍內每隔給定高度選取一個點仿真得到多組數據，設定天線和接收機高度；

步驟3：構建DNN支路，定義DNN的層和參數，具體為：DNN共有五層，包含輸入層，輸出層和三層隱藏層，每一層的輸出定義為：

假設第l-1層共有m個神經元，第l層共有n個神經元，則第l層的線性系數w組成了一個n×m的矩陣W^l，第l層的偏置值b組成了一個n×l的向量b^l,第l-1層的的輸出a組成了一個m×l的向量a^l-1，第l層的的未激活前線性輸出z組成了一個n×l的向量z^l，即為第l層的輸出；

激活函數均為ReLU函數，ReLU激活函數具體為：

步驟4：使用訓練集訓練模型，使用驗證集評估模型，不斷調整模型參數至滿足精度要求，獲得神經網絡模型，具體為：損失函數采用二次損失函數為：

其中，y代表真實值，y′代表預測值，設置訓練batch數量和測試batch數量；

設定學習率初始值，采用指數衰減的自動調節學習率方式，通過DNN網絡對信號加通道數據進行計算，輸出天線信號的原始相位差；經過多次迭代訓練，通過估計結果的誤差調整DNN模型的各神經元的權重至誤差滿足精度要求，保存訓練模型；

步驟5：利用測試集對訓練好的模型進行大氣波導參數估計，輸出大氣波導高度估計結果。