一种基于深度神经网络的MIMO雷达稀疏阵列设计方法技术

该发明专利技术公开了一种基于深度神经网络的MIMO雷达稀疏阵列设计方法,属于属于信号处理领域，它特别涉及杂波环境下MIMO雷达宽带DOA估计中的稀疏阵列设计问题。在该方法中，设计一个与优化问题模型匹配的DNN结构，在该DNN结构中，将优化问题中的目标函数和约束作为DNN的损失函数，优化问题的解看作网络中的连接权重，通过训练DNN来求解优化问题。仿真结果表明在高信噪比和信杂比情况下，其测试精度与满阵下的测试精度接近，并且可以准确的估计出目标的DOA。

【技术实现步骤摘要】
一种基于深度神经网络的MIMO雷达稀疏阵列设计方法
本专利技术属于信号处理领域，它特别涉及杂波环境下MIMO雷达宽带DOA估计中的稀疏阵列设计问题。
技术介绍
与传统的相控阵雷达不同，MIMO(MultipleInputMultipleOutput)雷达是利用多个发射天线独立地发射不同的波形，同时使用多个接收天线将接收到的回波信号联合处理。相比于传统的相控阵雷达，MIMO雷达具有明显优势，如更高的分辨率，更好的目标检测、定位和跟踪性能，更好的目标参数估计和识别能力。DOA估计研究是阵列信号处理中的一项重要内容，其在雷达、通信、勘测、声呐、无线传感网络以及生物医学等多个领域都有极其广泛的应用。目前已有多种经典的DOA估计方法，如多信号分类(MultipleSignalClassification,MUSIC)，基于旋转不变技术的信号参数估计(EstimationofSignalParametersviaRotationalinvariancetechniques,ESPRIT)等。近年来，压缩感知(CompressiveSensing,CS)理论本文档来自技高网...

【技术保护点】
1.一种基于深度神经网络的MIMO雷达稀疏阵列设计方法，该方法包括：/n步骤1：设发射天线位置确定，放置接收天线的可行域为[0,D

【技术特征摘要】
1.一种基于深度神经网络的MIMO雷达稀疏阵列设计方法，该方法包括：
步骤1：设发射天线位置确定，放置接收天线的可行域为[0,Dr]，为了简化分析，将可行域以间隔Δr离散化为Nr个格点，且有N个接收天线放置在其中一些格点上，N＜＜Nr；
步骤2：建立MIMO雷达回波信号模型，得到回波信号时域采样数据n＝1,...,Nr和p＝1,...,L，其中p表示时域快拍，L为快拍数；
步骤3：对接收信号进行L点离散傅里叶变换得到频域数据，即并将Nr个格点在频点fl接收的信号表示成矢量形式，即其中p＝1,...,L，l＝1,...,L；
步骤4：将目标角度观测区域离散化为G个格点θ1,...,θG，K＜＜G，其中K表示目标个数，将信号模型表示成稀疏形式：
y[l]＝Φ[l]x+c[l]+u[l]
其中ar(θ,fl)表示在方向θ、频率fl处的接收导向矢量，at(θ,fl)表示在方向θ、频率fl处的发射导向矢量，s[l]表示频域发射信号，x＝[x1,...,xG]T是K稀疏的，也就是x只有K个非零元素，且非零元素的值和位置为目标反射系数和DOA，c[l]表示杂波，u[l]表示噪声；
步骤5：将波束形成权...

【专利技术属性】
技术研发人员：何茜，任刚强，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51