[发明专利]基于神经网络的近场源到达角估计方法

说明书

基于神经网络的近场源到达角估计方法，由阵列接收训练区间内K信号所产生的采样数据计算阵列的接收数据，将信号整体旋转，获取下一组接收数据，直至遍历训练区间；构建各组接收数据的协方差矩阵；利用协方差矩阵和信号的到达角构建训练数据集合；利用训练数据集合对神经网络进行训练；由传感器阵列接收训练区间内测试角度间隔下的测试信号所产生的采样数据计算测试数据，得到一组测试数据后，将信号旋转，获取下一组测试数据，构建各组测试数据的协方差矩阵，归一化得到归一化数据协方差矩阵；将归一化数据协方差矩阵的数据输入神经网络中，计算出测试信号的到达角估计值。

技术领域

本发明属于信号处理技术领域，尤其涉及一种近场源的一维到达角估计方法。

背景技术

到达角估计是空间信源无源测向技术的核心，是阵列信号处理中一个重要的研究课题。传统到达角估计主要通过MUSIC方法、ESPRIT方法及其衍生方法进行。MUSIC方法是将阵列接收数据分解为信号子空间和噪声子空间，然后利用导向矢量扫描噪声子空间的方式进行到达角估计。由于此过程中导向矢量必须扫描整个空间，运算量巨大，从而导致无法实现对数据的实时处理。而且MUSIC方法在低信噪比小角度间隔情况下到达角估计性能很差。此外对于相干波源来说，由于相干波源阵列接收信号的信号子空间会滑入噪声子空间中，导致信号子空间维度缺失，MUSIC方法将彻底失效。ESPRIT方法对于相干信号亦存在同样的问题。

发明内容

针对MUSIC方法、ESPRIT方法存在的非相干信号低信噪比下小间隔角度到达角估计效果不佳以及相干信号完全失效的问题，本发明的目的是提供一种基于神经网络的近场源到达角估计方法，可以改善相干信号以及低信噪比下的非相干信号的到达角估计效果。

基于神经网络的近场源到达角估计方法，包括以下步骤：

步骤一、传感器阵列接收入射信号训练区间内的N组训练信号；

K个训练信号的M次采样得到一组训练数据，然后将训练信号整体旋转一个角度，传感器阵列获取下一组训练数据，直至遍历整个训练区间，共得到N组训练数据；

步骤二、构建训练数据的协方差矩阵；

第n组训练数据的协方差矩阵n＝1,…,N；

训练数据的协方差矩阵中各元素的值根据以下公式计算：

式中的x_(n)-p表示第-p个阵元的第n组训练数据，表示第p个阵元的第n组训练数据的转置复共轭，为第n组训练数据的第k个训练信号的方差，为噪声方差，δ(·)表示狄利克雷函数，d为传感器阵列中相邻阵元之间的间距，λ_k为第k个训练信号的波长，θ_(n)k为第n组训练数据的第k个训练信号的到达角，p＝0,…,P，P为传感器阵列中心一侧布置的阵元数量；

步骤三、构建用于对神经网络进行训练的训练数据集合Ω，训练数据集合其中，为归一化数据协方差矩阵，Θ为到达角矩阵；

将每一组训练数据的协方差矩阵中上三角区域的元素置于一个列向量中，得到该组训练数据对应的特征列向量，N组训练数据的特征列向量组成训练数据复数矩阵，对训练数据复数矩阵中的每个元素分别取实部和取虚部，得到训练数据实部矩阵和训练数据虚部矩阵，将训练数据实部矩阵和训练数据虚部矩阵按列排放，构造训练数据特征矩阵；将训练数据特征矩阵的每一行元素分别进行归一化处理，得到归一化训练数据协方差矩阵到达角矩阵Θ由N组训练数据的K个训练信号的到达角组成；

步骤四、利用训练数据集合Ω对神经网络进行训练；