一种基于协方差数据的辐射源目标侧向方法技术

本发明专利技术公开了一种基于协方差数据的辐射源目标侧向方法，属于无线电目标定位侧向领域，涉及协方差数据，解决了现有技术采样数据的维数高且在进行侧向时，信号频率、阵元间相位差与采样数据之间有信息冗余，且这些特征信息具有一定的局限性的问题，通过对各阵元接收到的辐射源信号进行正交变换和数字采样处理，利用快拍数为N的采样数据，估计协方差矩阵提取协方差数据；利用协方差数据深度学习测向的网络模型选择卷积神经网络，输入协方差数据；仅利用协方差矩阵数据作为深度学习的输入数据，在不损失目标角度信息的前提下，通过降低输入的数据维数，实现对辐射源目标的实时高精度测向。精度测向。精度测向。

【技术实现步骤摘要】
一种基于协方差数据的辐射源目标侧向方法


[0001]本专利技术属于无线电目标定位侧向领域，涉及协方差数据，具体是一种基于协方差数据的辐射源目标侧向方法。

技术介绍

[0002]辐射源目标的测向是指电子侦察设备利用接收到的目标信号通过信号处理估计目标信号的到达方向。对辐射源目标的测向方法，主要有振幅法测向、相位法测向、空间谱估计测向等，这些方法都是传统的非智能化测向方法。
[0003]公开号为CN111610488A的专利技术专利“基于深度学习的任意阵列波达角估计方法”，提出了一种基于卷积神经网络(CNN)的阵列信号测向方法，该方法提取接收信号的特征信息，包括信号频率、阵元间相位差等，将采样数据和特征信息作为深度学习的输入数据。
[0004]输入数据的维数对深度学习模型的构建与学习训练的关系很大。首先，数据维数越高，数据样本之间的关联性越弱，越难以利用样本间的关联性构建深度学习模型，模型结构越复杂；其次，数据维数越高，学习训练越困难，学习收敛速度越慢、训练时间越长。
[0005]在上面的方法中，一方面，采样数据的维数非常高本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于协方差数据的辐射源目标侧向方法，其特征在于，包括以下步骤：对各阵元接收到的辐射源信号进行正交变换和数字采样处理，利用快拍数为N的采样数据，估计协方差矩阵提取协方差数据；利用协方差数据深度学习测向的网络模型选择卷积神经网络，输入协方差数据；卷积层采用局部连接的方式，通过不同的卷积核与输入的协方差数据进行卷积操作实现对数据的非线性特征映射实现特征提取；池化层进行数据压缩，将输入的特征映射划分为多个不重叠的区域；基于协方差数据输入，在卷积与池化的基础上，全连接层把分布的生成特征耦合到不同的角度上，实现目标的角度估计。2.根据权利要求1所述的...

【专利技术属性】
技术研发人员：郭振河，王礼俊，
申请(专利权)人：合肥戎科信息技术开发有限公司，
类型：发明
国别省市：