一种基于RBF神经网络的自修正波束设计方法技术

本发明专利技术公开了一种基于RBF神经网络的自修正波束设计方法，利用RBF神经网络逼近MVDR算法求解的最优权值进而实现拟合的波束形成。通过构造RBF神经网络，求取样本的协方差矩阵，利用MVDR算法计算最优权向量，再采用递归最小二乘法完成权迭代修正，最终求出最优波束权向量，得到RBF神经网络输出，即改进后的阵列波束输出。本发明专利技术方法具有RBF神经网络逼近快速、结构简单、容错和归纳能力强的优点，在降低MVDR算法运算量的同时，具备较强的抗干扰性，对包含干扰和噪声的来波信号快速、准确识别定向的能力。

【技术实现步骤摘要】
一种基于RBF神经网络的自修正波束设计方法
本专利技术属于信号处理
，具体涉及一种自修正波束设计方法。
技术介绍
神经网络是深度学习算法的基础，是近年来随着机器学习的火热而渐渐为人们所熟知的一类深度学习算法结构的总称，基本原理是使用类似于生物神经网络信号传输的信息传递方法来自动搜索样本中的固有规律和基本属性，自组织和自适应地改变网络参数和结构，以实现优化输出的目标。其自适应、自组织和自学习特性使其在信号处理中具有良好的应用前景。从神经网络的基本模式看，主要有：前馈型、反馈型、自组织型及随机型网络。这4种类型各自具有不同的网络模型。在前馈网络中主要有感知器网络、BP网络及RBF网络；反馈型网络主要有Hopfield网络；自组织网络主要有ART网络；随机网络主要有波茨曼机网络。在信号处理、模式识别等系统中,多层前馈网络是应用较为广泛的模型。实际应用中，用的较多的是BP神经网络，但BP网络存在局部最优问题，并且训练速度慢，效率低。RBF神经网络是一种前向反馈网络，在逼近能力、分类能力和学习速度等方面都优于BP神经网络。>波束形成技术在无线本文档来自技高网...

【技术保护点】
1.一种基于RBF神经网络的自修正波束设计方法，其特征在于，包括以下步骤：/n步骤1：构造RBF神经网络；/n阵元数设为N，RBF神经网络输入层及输出层有N个节点，隐藏层设为M个节点；/n输入层输入信号为阵列接收信号的协方差矩阵R

【技术特征摘要】
1.一种基于RBF神经网络的自修正波束设计方法，其特征在于，包括以下步骤：
步骤1：构造RBF神经网络；
阵元数设为N，RBF神经网络输入层及输出层有N个节点，隐藏层设为M个节点；
输入层输入信号为阵列接收信号的协方差矩阵R1，R2，...，PN，表示为R＝[R1，R2，...，RN]；
隐藏层的径向基函数采用高斯函数，隐藏层的输出信号表示为：其中σi为第i个神经元节点上用最小二乘法求得的高斯函数方差，ci为第i个神经元节点上的函数中心点；
输出层表示为ω11，ω12，...，ωMN为隐藏层到输出层的连接权值；
步骤2：利用RBF神经网络设计波束；
步骤2-1：设置RBF神经网络参数：
用K-means聚类算法把训练样本X分成M类；第m类的聚类中心矢量设为c(m)，m＝1，2，...，M；各个聚类中心之间的最小距离设为σ(m)；设置网络期望误差e；
步骤2-2：RBF神经网络学习；
步骤2-2-1：获取归一化样本rn＝X/||X||；
步骤2-2-2：求协方差...

【专利技术属性】
技术研发人员：周逸凡，王英民，任笑莹，王奇，牛奕龙，诸国磊，郑琨，陶林伟，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西;61