一种基于一阶卷积神经网络的自适应波束成形方法技术

本发明专利技术提供一种基于一阶卷积神经网络的自适应波束成形方法，针对大型阵列波束赋形计算复杂度高，实时响应慢的问题，分析阵列结构、波束特性等参量与子阵激励的映射关系，构建自适应波束赋形问题的一阶卷积神经网络框架对阵元激励特征的强化表征方法，通过一阶卷积神经网络自适应实时预测阵元激励，针对不同赋形波束指标要求生成理想波束方向图，满足实时响应场景需求。同时针对现有深度学习方法占用内存大，样本需求大的问题，为了在样本量不变的前提下，进一步提高神经网络预测阵元激励的精度，在全连接层基础上连接一阶卷积层，通过将低维特征向高维转换，丰富特征的多样性，强化神经网络的特征映射能力，实现非线性关系的多样性表征。样性表征。样性表征。

【技术实现步骤摘要】
一种基于一阶卷积神经网络的自适应波束成形方法


[0001]本专利技术涉及阵列波束赋形技术，特别涉及基于神经网络的自适应波束成形技术。
现有技术
[0002]阵列波束赋形的目的是通过控制阵元激励的幅度与相位合成不同形状与指向的方向图，此技术被广泛应用于雷达，声呐，阵列天线以及无线通信系统。在过去几十年中，有大量的波束赋形算法被提出，现有的波束赋形方法主要包括进化类算法(如遗传算法、蚁群算法、粒子群算法等等)、优化类算法(如梯度下降法、牛顿法、二次规划法、对偶内点法等等)以及其它数值方法(如快速傅里叶变换法、矩阵束法、锥削密度法等等)。然而，当阵列规模较大时，现有方法也存在着明显的缺陷，即内存需求大，计算时间长。这使得传统方法越来越难以满足规模越来越庞大的阵列天线的快速波束赋形需求。
[0003]以线阵列天线为例，平面阵列天线或更高维阵列天线的结论可以以此类推。假定天线具有同性等间距分布的N个阵元，则阵列天线的远场辐射f(θ)为：
[0004]f(θ)＝a(θ)
H
w
[0005]其中为来波信号角度为θ时的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于一阶卷积神经网络的自适应波束成形方法，其特征在于，包括以下步骤：步骤一：设置波束变量参数，所述波束变量参数包括零陷方向、零陷数量以及零陷宽度，通过半正定规划算法生成对应的阵元激励；将进行了实部、虚部的分离与归一化处理的零陷方向的阵列导向矢量矩阵的向量形式r以及阵元激励z构建训练集{r,z}；步骤二：构建实现阵列导向矢量与阵元激励之间映射关系的一阶卷积神经网络；一阶卷积神经网络是由多层一阶卷积层与全连接深度神经网络组成，多层一阶卷积层用于丰富输入数据的特征维数，全连接深度神经网络用于根据前者学习到的数据特征预测阵元激励；步骤三：确定一阶卷积神经网络的最优结构，输入训练集完成对一阶卷积神经网络的训练；步骤四：根据需要的波束变量参数生成阵列导向矢量矩阵的向量形式并输入至训练好的一阶卷积神经网络，再根据从一阶卷积神经网络输出的阵元激励来完成波束合成。2.如权利要求1所述方法，其特征在于，训练集中每一对r,w为：2.如权利要求1所述方法，其特征在于，训练集中每一对r,w为：其中，r
′
为进行了实部Re、虚部Im分离的零陷方向的阵列导向矢量矩阵的向量形式，r
min
、r
max
分别为全部r
′
中的最小值、最大值；z
′
为进行了实部Re、虚部Im分离的阵元激励z
′
；z
min

【专利技术属性】
技术研发人员：雷世文，张英豪，李天阳，胡皓全，陈波，田径，杨伟，何子远，唐璞，包永芳，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：