[發明專利]基于小波變換聯合卷積神經網絡的水聲陣列信號波達方向估計方法

有效

• 申請號: 202110387520.2
• 申請日: 2021-04-10
• 公開（公告）號: CN113109759B
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 權天祺;黃子豪;吳承安;矯祿祿;楊作騫;孫雅寧;張威龍;王景景
• 申請（專利權）人: 青島科技大學
• 主分類號: G01S3/802
• 分類號: G01S3/802;G06N3/04;G06N3/08
• 代理公司: 青島海昊知識產權事務所有限公司 37201
• 代理人: 劉艷青

1.一種基于小波變換聯合卷積神經網絡的水聲陣列信號波達方向估計方法，其特征在于，該方法包括以下步驟：

S1：建立水聲陣列信號接收模型并接收信號；

S2：基于小波變換，對接收信號進行時頻分析，計算小波系數，構建時頻陣列模型；

S3：利用時頻陣列模型，計算改進協方差矩陣特征；

S4：根據改進協方差矩陣特征，引入雙支路卷積神經網絡；

S5：利用S1-S3構建深度學習數據集，訓練所述雙支路卷積神經網絡，得到波達方向估計模型；

S6：待測信號數據進行所述S2和S3處理，處理后的待測數據特征導入S5得到的波達方向估計模型，最終輸出結果，實現信號波達方向估計；

所述S4中所述雙支路卷積神經網絡具體為：

S4-1：由于輸入特征為P*P的協方差矩陣，輸入層設計為P*P*1的結構；

S4-2：卷積階段，第一卷積層下支路首先進行P*1的卷積，增強協方差矩陣的列特征關系；同時，上支路進行1*P的卷積，增強協方差矩陣的行特征關系；因此，第一層卷積之后下側結果為1*P的形式，上側結果為P*1的形式；

S4-3:卷積階段，第二個卷積層首先保證兩條支路卷積能夠進行合并，因此在下支路的卷積核選為1*P的形式，上支路選擇P*1；第二次卷積后，上下支路的輸出形式均為1*1；對上下支路輸出進行拼接，形成1*2第三個卷積層的輸入格式；

S4-4：第三個卷積層選擇1*2的卷積核，增強上下支路的聯系；

S4-5：將輸出結果送入全連接層，實現特征和樣本標簽的映射；最后由Softmax層輸出分類結果；

S4-6：選擇去除用于特征降維、壓縮數據的池化層；

S4-7：卷積層使用LeakyRule激活函數，其數學表達式為：

其中，scale為固定的泄露值。

2.如權利要求1所述的水聲陣列信號波達方向估計方法，其特征在于，所述S1包括：

S1-1：假設有頻率為f、聲速為v的遠場窄帶水聲信號入射到有P個陣元的均勻線陣上，相鄰陣元間隔為d，小于信號半波長，第一個陣元為參考陣元，則單一陣元的接收信號表示為：

式中，g_j表示陣元j接收增益，n_j(t)表示陣列j接收噪聲，τ_j表示陣元j相對于參考陣元的時延，表示為：

S1-2：假設各陣元無方向性，且不存在陣間耦合，取各個陣元的接收增益為1，則將陣列在t時刻的接收信號表示為：

S1-3：將S1-2所示接收信號用矩陣形式表示：

Y(t)＝AX(t)+N(t)

其中，Y(t)為陣列接收信號矩陣，A＝[a₁(ω₀),a₂(ω₀),...,a_P(ω₀)]為陣列流型矩陣，X(t)為水聲信號矩陣，N(t)為噪聲矩陣，導向矢量a(ω₀)所示如下：

其中，ω₀＝2πf＝2πv/λ，λ為波長。