一种基于深度展开网络的近场源定位方法及系统技术方案

本发明专利技术公开了一种基于深度展开网络的近场源定位方法及系统，方法包括：S1、利用嵌套对称阵列得到近场源波达方向的四阶累积量矩阵；S2、将四阶累积量矩阵的信息输入波达方向深度展开网络，计算近场源的波达方向；S3、利用波达方向深度展开网络的输出信息，得到近场源距离相位向量；S4、将距离相位向量的信息输入距离深度展开网络，计算近场源的距离。本发明专利技术本发明专利技术相较于传统神经网络，深度展开网络的参数具有可解释性，具有泛化能力，而相较于ISTA算法，本发明专利技术能够提高近场源波达方向的分辨力，加快收敛速度，提高参数估计精度。提高参数估计精度。提高参数估计精度。

【技术实现步骤摘要】
一种基于深度展开网络的近场源定位方法及系统


[0001]本专利技术涉及阵列信号处理和深度学习
，更具体地说，特别涉及一种基于深度展开网络的近场源定位方法及系统。

技术介绍

[0002]近场源定位在近炸引信和无源雷达中发挥着重要作用。空间中的辐射源按照与接收阵列的距离可以分为远场源和近场源，远场源可以看做平面波入射，需要对波达方向参数进行估计；近场源需要由球面波进行描述，需要对波达方向和距离参数进行估计。
[0003]现有技术“Deep Learning Based Localization of Near
‑
Field Sources with Exact Spherical Wavefront Model[J]”(27th European Signal Processing Conference(EUSIPCO),2019:第1页～第5页)采用卷积神经网络对近场源进行定位，该方法收敛速度快，但是泛化能力较差，即对没有经过训练的近场源参数进行估计时会出现较大的误差。
[0004]现有技术“Convolution Neural Networks for Localization of Near
‑
Field Sources via Symmetric Double
‑
Nested Array[J]”(Wireless Communications and Mobile Computing，2021，DOI:10.1155/2021/9996780)采用嵌套对称阵列，能够在阵元数相同的情况下能够增大阵列孔径，从而提高近场源参数估计精度，但是该方法为“黑箱模型”，网络的参数不具备可解释性。
[0005]现有技术“Direction
‑
of
‑
arrival estimation with circular array using compressed sensing in 20GHz band[J]”(IEEEAntennas andWireless Propagation Letters,2021，20(5):第703页～第707页)将迭代收缩阈值算法(Iterative Shrinkage ThresholdingAlgorithm，ISTA)展开为网络级联形式，实现对远场源波达方向估计。相较于传统的基于深度学习的数据驱动类方法，该方法将模型驱动的方法融入到网络结构设计中，使得网络的参数具备可解释性，泛化能力得到提高。但是该方法不能够实现近场源定位，并且只能对实数处理，不能对复数信号进行处理。
[0006]为此，有必要设计一种基于深度展开网络的近场源定位方法及系统来克服上述技术问题。

技术实现思路

[0007]本专利技术的目的在于提供一种基于深度展开网络的近场源定位方法及系统，以克服现有技术所存在的缺陷。
[0008]为了达到上述目的，本专利技术采用的技术方案如下：
[0009]一种基于深度展开网络的近场源定位方法，包括：
[0010]S1、利用嵌套对称阵列得到近场源波达方向的四阶累积量矩阵；
[0011]S2、将四阶累积量矩阵的信息输入波达方向深度展开网络，计算近场源的波达方向；
[0012]S3、利用波达方向深度展开网络的输出信息，得到近场源距离相位向量；
[0013]S4、将距离相位向量的信息输入距离深度展开网络，计算近场源的距离。
[0014]进一步地，所述步骤S1具体包括：
[0015]嵌套对称阵列包括2M+1个阵元，设x
m
(n)表示第m个阵元的第n个采样点的数值，m＝
‑
M,...,
‑
2,
‑
1,0,1,2,...,M，n＝1,2,...,N，N为快拍数，利用下式计算第m1个阵元、第
‑
m1个阵元、第m2个阵元和第
‑
m2个阵元的四阶累积量c4(m1,m2)：
[0016][0017]其中(
·
)
*
表示取共轭复数运算，m1,m2＝
‑
M,...,
‑
2,
‑
1,0,1,2,
…
,M，由四阶累积量构成M
×
M维的近场源波达方向的四阶累积量矩阵C，其中第(m1,m2)个元素为c4(m1,m2)。
[0018]进一步地，所述步骤S2具体包括：
[0019]首先、将四阶累积量矩阵C的实部和虚部向量化处理，得到向量
[0020][0021]其中(
·
)
T
表示向量转置，real(
·
)表示取实部运算，imag(
·
)表示取虚部运算，表示四阶累积量矩阵C的第m3列，m3＝
‑
M,...,
‑
2，
‑
1,0,1,2,...,M；
[0022]然后、将输入波达方向深度展开网络，得到网络的输出即为近场源波达方向空间谱，L
θ
表示网络的层数，对近场源波达方向空间谱进行谱峰搜索，由谱峰所对应的位置即可确定近场源的波达方向估计值k＝1,2,
…
,K，K表示近场源的数量。
[0023]进一步地，所述波达方向深度展开网络的第1层的输出为
[0024][0025]第l
θ
层的输出为
[0026][0027]l
θ
＝2,3,...,L
θ
，h
st
(
·
,ε)表示非线性变换函数，即
[0028]h
st
(β,ε)＝sgn(β)
⊙
max(|β|
‑
ε,0)
[0029]sgn(
·
)表示符号函数，
⊙
表示Hadamard积，波达方向深度展开网络的初始化参数
为：
[0030][0031][0032]ε(θ)＝0.05
[0033]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，即
[0034][0035][0036][0037]其中，表示Kronecker积，p＝1,2，
…
，P，P表示波达方向采样点数，λ表示近场源的波长，表示第m3个阵元的位置。
[0038]进一步地，在使用波达方向深度展开网络之前需对其进行训练，训练中使用随机梯度下降对网络参数Ψ(θ)、Φ(θ)、ε(θ)进行更新，优化的目标函数为：
[0039][0040]其中，表示2
‑
范数的平方，||
·
||1表示1
‑
范数，μ表示正则化参数。
[0041]进一步地，所述步骤S3具体包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度展开网络的近场源定位方法，其特征在于，包括：S1、利用嵌套对称阵列得到近场源波达方向的四阶累积量矩阵；S2、将四阶累积量矩阵的信息输入波达方向深度展开网络，计算近场源的波达方向；S3、利用波达方向深度展开网络的输出信息，得到近场源距离相位向量；S4、将距离相位向量的信息输入距离深度展开网络，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近场源定位方法，其特征在于，所述步骤S1具体包括：嵌套对称阵列包括2M+1个阵元，设x
m
(n)表示第m个阵元的第n个采样点的数值，m＝
‑
M，...，
‑
2，
‑
1，0，1，2，...，M，n＝1，2，...，N，N为快拍数，利用下式计算第m1个阵元、第
‑
m1个阵元、第m2个阵元和第
‑
m2个阵元的四阶累积量c4(m1，m2)：其中(
·
)
*
表示取共轭复数运算，m1，m2＝
‑
M，...，
‑
2，
‑
1，0，1，2，...，M，由四阶累积量构成M
×
M维的近场源波达方向的四阶累积量矩阵C，其中第(m1，m2)个元素为c4(m1，m2)。3.根据权利要求2所述的基于深度展开网络的近场源定位方法，其特征在于，所述步骤S2具体包括：首先、将四阶累积量矩阵C的实部和虚部向量化处理，得到向量首先、将四阶累积量矩阵C的实部和虚部向量化处理，得到向量其中(
·
)
T
表示向量转置，real(
·
)表示取实部运算，imag(
·
)表示取虚部运算，表示四阶累积量矩阵C的第m3列，m3＝
‑
M，
…
，
‑
2，
‑
1，0，1，2，...，M；然后、将输入波达方向深度展开网络，得到网络的输出即为近场源波达方向空间谱，L
θ
表示网络的层数，对近场源波达方向空间谱进行谱峰搜索，由谱峰所对应的位置即可确定近场源的波达方向估计值K表示近场源的数量。4.根据权利要求3所述的基于深度展开网络的近场源定位方法，其特征在于，所述波达方向深度展开网络的第1层的输出为
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，即h
st
(β，ε)＝sgn(β)
⊙
max(|β|
‑
ε，0)sgn(
·
)表示符号函数，
⊙
表示Hadamard积，波达方向深度展开网络的初始化参数为：表示Hadamard积，波达方向深度展开网络的初始化参数为：ε(θ)＝0.05其中α(θ)...

【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：