【技术实现步骤摘要】
一种基于深度展开网络的混合源定位方法及系统
[0001]本专利技术涉及阵列信号处理和机器学习
,更具体地说,特别涉及一种基于深度展开网络的混合源定位方法及系统。
技术介绍
[0002]辐射源定位在近炸引信和无源雷达中发挥着重要作用。空间中的远场源需要由波达方向进行描述,而空间中的近场源需要由波达方向和距离参数进行描述。深度展开网络是将迭代压缩感知算法的迭代步骤建模为神经网络层,并将多层网络进行级联成完整的网络结构,其中迭代压缩感知算法的参数可设置为网络的初始化参数。相比于传统深度神经网络结构,深度展开网络的参数具备可解释性,网络的泛化能力得到提升。
[0003]对比文件1“Mixednear
‑
field and far
‑
field source localization utilizing symmetric nested array[J]”(Digital Signal Processing,2018,73:第16页~第23页)采用嵌套对称阵列实现远场和近场混合源进行定位,相比于均匀线阵,该方法在阵元个数相同的情况下增大了阵列孔径,能够提高混合源的参数估计精度,但是该方法需要计算四阶累积量,运算量较大。
[0004]对比文件2“Convolution Neural Networks for Localization ofNear
‑
Field Sources via Symmetric Double
‑
Nested A ...
【技术保护点】
【技术特征摘要】
1.一种基于深度展开网络的混合源定位方法,其特征在于,包括以下步骤:S1、计算嵌套对称阵列下的混合源相位差矩阵;S2、将混合源相位差矩阵的副对角线元素输入至波达方向深度展开网络,计算混合源的波达方向;S3、利用波达方向深度展开网络的输出信息计算距离向量,并将距离向量输入至自动编码器;S4、将自动编码器的输出输入至距离深度展开网络,对混合源进行识别并计算近场源的距离。2.根据权利要求1所述的基于深度展开网络的混合源定位方法,其特征在于,在步骤S1中,嵌套对称阵列包括2M+1个阵元,设表示第m1个阵元频谱中第k个峰值的相位,表示第m2个阵元频谱中第k个峰值的相位,m1,m2=
‑
M,...,
‑
2,
‑
1,0,1,2,...,M,k=1,2,...,K,K表示频谱中峰值的个数,K也为混合源的个数,利用下式计算第m1个阵元和第m2个阵元的频谱中第k个峰值的相位差阵元的频谱中第k个峰值的相位差由相位差构成(2M+1)
×
(2M+1)维的第k个混合源相位差矩阵U
k
为:3.根据权利要求2所述的基于深度展开网络的混合源定位方法,其特征在于,所述步骤S2具体包括:首先、将相位差矩阵U
k
副对角线元素的实部和虚部向量化处理,得到向量副对角线元素的实部和虚部向量化处理,得到向量其中,y
k
=[u
‑
M,M,k
ꢀ…ꢀ
u
‑
1,1,k u
0,0,k u
1,
‑
1,k
ꢀ…ꢀ
u
M,
‑
M,k
]
T
,(
·
)
T
表示向量转置,real(
·
)表示取实部运算,imag(
·
)表示取虚部运算;然后、将输入波达方向深度展开网络,得到网络的输出为第k个混合源波达方向空间谱,L
θ
表示网络的层数,再对波达方向空间谱进行谱峰搜索,由谱峰所对应的位置确定
第k个混合源的波达方向估计值4.根据权利要求3所述的基于深度展开网络的混合源定位方法,其特征在于,所述波达方向深度展开网络的第1层输出为:第l
θ
层的输出为:l
θ
=2,3,...,L
θ
,h
st
(
·
,ε)表示非线性变换函数,h
st
(β,ε)=sgn(β)
⊙
max(|β|
‑
ε,0),sgn(
·
)表示符号函数,
⊙
表示Hadamard积,网络的初始化参数为:表示Hadamard积,网络的初始化参数为:ε(θ)=0.05其中α(θ)=0.9/δ(θ),δ(θ)表示的最大特征值,I(θ)表示单位矩阵,表示波达方向冗余字典矩阵:B(θ)=[b(θ1) b(θ2)
ꢀ…ꢀ
b(θ
p
)
...
【专利技术属性】
技术研发人员:刘振,苏晓龙,户盼鹤,刘天鹏,彭勃,刘永祥,黎湘,
申请(专利权)人:中国人民解放军国防科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。