基于DBF+CNN的多目标波达角估计方法技术

本发明专利技术公开了基于DBF+CNN的多目标波达角估计方法，涉及无线电测向领域；该方法包括构建DBF+CNN多目标波达角估计模型、正交双通道采样以及数字波束形成与实现空间滤波、卷积与池化和多目标波达角估计等步骤，该方法利用数字波束形成技术实现空间滤波与引导，再利用卷积神经网络模型，在学习训练的基础上，实现同时多目标波达角的高精度估计，同时多目标波达角精度高，测向精度优于0.15度。测向精度优于0.15度。测向精度优于0.15度。

【技术实现步骤摘要】
基于DBF+CNN的多目标波达角估计方法


[0001]本专利技术涉及无线电测向领域，具体为基于DBF+CNN的多目标波达角估计方法。

技术介绍

[0002]辐射源信号的波达角估计，是电子侦察设备，利用接收到的目标信号，通过信号处理，从而估计辐射源信号的到达方向。辐射源信号的波达角估计方法，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波达角估计方法。
[0003]专利公开号为CN111610488A的中国专利文件提出了一种基于卷积神经网络(CNN)的阵列信号波达角估计方法，该方法针对任意给定的多元阵列，通过提取各阵元采样数据的阵元间相位差等特征信息，在深度学习的基础上，实现对辐射源目标的快速高精度测向。
[0004]但上述智能化波达角估计方法只能对单个辐射源目标进行测向，对于同时多目标的环境，就会出现测向困难。这是因为，第一，该方法是一种基于分类识别的波达角估计方法，对于一个目标，假设要求测向范围为360
°
，角度分辨率为0.1
°
，则角度分类数为，同样要求条件下，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于DBF+CNN的多目标波达角估计方法，其特征在于：该方法包括如下步骤：第一步、构建DBF+CNN多目标波达角估计模型；第二步、正交双通道采样：通过正交变换和数字采样处理，得到I、Q双通道采样数据；第三步、数字波束形成与实现空间滤波：基于DBF产生同时多波束，实现空间滤波；第四步、卷积与池化：卷积层抽象出更高层次的特征，池化层通过下采样操作实现数据的压缩，将输入的特征映射划分为多个不重叠的区域；第五步、多目标波达角估计：利用DBF+CNN多目标波达角估计模型，在学习训练的基础上，实现多目标波达角的高精度估计。。2.根据权利要求1所述的基于DBF+CNN的多目标波达角估计方法，其特征在于，所述DBF+CNN多目标波达角估计模型包括2L+M个输入层、3个卷积层、3个池化层、1个全连接层和1个Softmax分类层，其中L表示天线的阵元个数，M表示多波束的数量。3.根据权利要求1所述的基于DBF+CNN的多目标波达角估计...

【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：