一种阵列模型误差下基于神经网络的波达方向估计方法技术

本发明专利技术公开了一种阵列模型误差下基于神经网络的波达方向估计方法，包括以下步骤：S1：搭建天线阵列模型；S2：设置不同比例系数生成训练集样本和测试集样本；S3：对训练集样本和测试集样本进行自相关操作，得到特征数据向量，并生成训练集样本和测试集样本的来向角对应标签；S4：搭建全连接神经网络模型；S5：将特征数据向量和来向角对应标签输入至全连接神经网络模型中进行训练；S6：将测试集样本输入至全连接神经网络模型中进行测试，得到估计角度。采用本发明专利技术的全连接神经网络结构，能够更好地消除实际工程中阵元物理特性对接收信号造成的影响。并且本发明专利技术的网络结构中待训练参数少，可以实现快速高精度测向。

【技术实现步骤摘要】
一种阵列模型误差下基于神经网络的波达方向估计方法
本专利技术属于波达方向
，具体涉及一种阵列模型误差下基于神经网络的波达方向估计方法。
技术介绍
阵列信号处理中的一个基本问题是空间信号到达方向的问题，同时这也是雷达、声呐和医学等领域中的重要任务之一。传统的波达方向估计算法都是基于理想的数学模型进行估计，然而实际工程应用中，阵列接收信号存在各种模型误差影响接收数据进而影响估计结果。现有的基于机器学习的波达方向估计算法在训练网络模型中需要训练参数数目过大，网络较为复杂，训练时间过长。
技术实现思路
本专利技术的目的是为了解决现有波达方向估计算法需要训练参数数目过大，网络较为复杂且训练时间过长的问题，提出了一种阵列模型误差下基于神经网络的波达方向估计方法。本专利技术的技术方案是：一种阵列模型误差下基于神经网络的波达方向估计方法包括以下步骤：S1：搭建包含阵列模型误差的天线阵列模型；S2：基于阵列模型，通过设置不同比例系数生成训练集样本和测试集样本；S3：对训练集样本和测试集样本进行自相关操作，本文档来自技高网...

【技术保护点】
1.一种阵列模型误差下基于神经网络的波达方向估计方法，其特征在于，包括以下步骤：/nS1：搭建包含阵列模型误差的天线阵列模型；/nS2：基于阵列模型，通过设置不同比例系数生成训练集样本和测试集样本；/nS3：对训练集样本和测试集样本进行自相关操作，得到特征数据向量作为神经网络的输入数据，并生成训练集样本和测试集样本的来向角对应标签；/nS4：搭建全连接神经网络模型，并初始化参数；/nS5：将特征数据向量和来向角对应标签输入至全连接神经网络模型中进行训练，并保存已训练好的模型和参数；/nS6：将测试集样本输入至保存好的全连接神经网络模型中进行测试，得到估计角度，完成阵列模型误差下的波达方向估计。...

【技术特征摘要】
1.一种阵列模型误差下基于神经网络的波达方向估计方法，其特征在于，包括以下步骤：
S1：搭建包含阵列模型误差的天线阵列模型；
S2：基于阵列模型，通过设置不同比例系数生成训练集样本和测试集样本；
S3：对训练集样本和测试集样本进行自相关操作，得到特征数据向量作为神经网络的输入数据，并生成训练集样本和测试集样本的来向角对应标签；
S4：搭建全连接神经网络模型，并初始化参数；
S5：将特征数据向量和来向角对应标签输入至全连接神经网络模型中进行训练，并保存已训练好的模型和参数；
S6：将测试集样本输入至保存好的全连接神经网络模型中进行测试，得到估计角度，完成阵列模型误差下的波达方向估计。


2.根据权利要求1所述的阵列模型误差下基于神经网络的波达方向估计方法，其特征在于，所述步骤S1包括以下子步骤：
S11：将M个具有任意方向性的阵元按均匀线性阵列结构排列，形成无阵列模型误差下的天线阵列；
S12：在无阵列模型误差的天线阵列中依次加入互耦误差、位置误差、幅度误差和相位误差；
S13：根据互耦误差、位置误差、幅度误差和相位误差，得到阵列导向矢量，并通过阵列导向矢量产生阵列模型误差下的天线阵列接收信号，完成天线阵列模型的搭建。


3.根据权利要求2所述的阵列模型误差下基于神经网络的波达方向估计方法，其特征在于，所述步骤S11中，天线阵列中阵元间距为电磁波半波长，在远场有K个窄带信号以平面波入射时，无阵列模型误差下的天线阵列接收信号X(t)的表达式为：
X(t)＝AS(t)+N(t)
其中，S(t)表示K个信号源复包络矢量，N(t)表示阵列的背景噪声，A表示阵列导向矢量集合，A＝[A1,A2,...,AM]T，i＝1,2,...,M，第i个阵元对应的导向矢量Ai的计算公式为：



其中，exp(·)表示指数运算，表示第i个阵元相对标准点阵元的位置矢量，θi,i＝1,2,…,K表示i个信号的来向角，λ表示电磁波波长，j表示虚数单位；
所述步骤S12中，加入互耦误差的方法为：以第一个阵元作为标准点，第二个阵元相对第一个阵元的互耦因子为γ1,2，则所有阵元相对第一个阵元的互耦系数emc的表达式为emc＝[γ1,1,γ1,2,…,γ1,M]，互耦误差矩阵Emc的表达式为Emc＝Toeplitz(emc)，其中，M表示阵元个数，Toeplitz(·)表示生成主对角线上元素、平行于主对角线上的元素相等且各元素关于次对角线对称的矩阵运算；
加入位置误差的计算公式为：



其中，Ai(θ,δi)表示扰动对导向矢量的影响值，δi表示第i个阵元的真实位置在标准位置基础上存在的扰动，di表示理想情况下第i个阵元相对于标准点阵元的位置矢量，表示考虑位置误差后第i个阵元实际位置相对于标准点阵元的实际位置矢量；
加入幅度误差的计算公式为：
Eam＝EM*M+Diag([eam1,eam2,…,eamM])
其中，Eam表示阵列结构的幅度误差值，EM*M表示M*M维的单位矩阵，Diag(·)表示将[eam1,eam2,…,eamM]中元素依次作为对角元素、创建矩阵且其余元素全为0的运算，eami,i＝1,2,…,M表示第i个阵元的幅度误差；
加入相位误差的计算公式为：
Eph＝Diag(exp(jeph1,jeph2,…,jephM))
其中，Eph表示阵列结构的相位误差值，ephi,i＝1,2,…,M表示第i个阵元的幅度误差；
所述步骤S13中，阵列导向矢量A(θ,emc,δ,eam,eph)的计算公式为：
A(θ,emc,δ,eam,eph)＝Emc*Eam*Eph*A(θ,δ)
其中，θ表示信号的来向角，δ表示阵元位置扰动影响因子，A(θ,δ)＝[A1(θ,δ1),A2(θ,δ2),…,AM(θ,δM)]T，A(θ,δ)表示所有M个阵元带有位置扰动的方向矢量矩阵，eam表示幅度误差影响因子，eph表示相位误差影响因子；
阵列模型误差下的天线阵列接收信号的计算公式为：





4.根据权利要求1所述的阵列模型误差下基于神经网络的波达方向估计方法，...

【专利技术属性】
技术研发人员：韩莉，林静然，邵怀宗，利强，潘晔，杨健，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51