[发明专利]一种基于RBF神经网络的低仰角DOA估计方法

说明书

本发明公开了一种基于RBF神经网络的低仰角DOA估计方法，包括以下步骤：S1：在实测数据中选取仰角为低仰角的点迹，将所述低仰角的点迹对应的真实仰角作为训练神经网络的标签Y，Y＝[y₁,y₂,...,y_n]，根据标签y_i得到与其对应的数据协方差矩阵R_i，从所述数据协方差矩阵R_i中提取对应的实部特征和虚部特征得到列向量r_i；S2：将所有所述列向量[r₁,r₂,...,r_n]归一化得到训练RBF神经网络的输入normX；S3：求取所述RBF神经网络基函数中心，并根据所述基函数中心计算基函数方差；S4：根据所述基函数方差计算隐含层和输出层之间的连接权值，以得到训练好的神经网络；S5：将测试集样本进行归一化处理，输入到所述训练好的神经网络中求取来波到达角。本发明提供的方法提高了目标侦察准确性，减少了计算量，解决了现有技术中在复杂环境下DOA估计精度较低计算量大的问题。

技术领域

本发明属于雷达技术领域，具体涉及一种基于RBF神经网络的低仰角DOA估计方法。

背景技术

信号的DOA(Direction of Arrival，波达方向)估计又称谱估计(spectralestimation)、波达角(Angle Of Arrival)估计，是阵列信号处理领域的一个重要分支。它的基本思想是运用阵列信号处理的相关知识，处理阵列接收到的回波信号，从而获取目标距离信息和方位信息的。具体来说，DOA估计是指利用天线阵列对空间信号、电磁信号进行感应接收，再运用现代信号处理方法快速准确的估计出信号源的方向，在电子、无线通信、雷达、声呐等领域具有重要应用价值。

上海无线电设备研究所在其申请的专利文献“一种基于极化时频分布的波达方向估计算法”(专利申请号CN2018112490832，公开号CN109633558A)中公开了一种基于极化时频分布的波达方向估计算法。该方法用极化时频ESPRIT算法对来波信号确定大致方位角，再以每个方位角为中心确定小的角度范围，用MUSIC算法进行谱峰搜索得到较准确的DOA估计值。四川九洲电器集团有限责任公司在其申请的专利文献“一种基于均匀线性阵列的空时参数估计方法(专利申请号2018114341758，公开号CN109582919A)中公开了一种基于均匀线性阵列的空时参数估计方法。该方法利用Toeplitz重构算法进行矩阵重组，2D-MUSIC算法对重组矩阵进行特征分解产生信号子空间和噪声子空间，利用信号子空间和噪声子空间的正交性进行DOA估计，达到相干信号源分离的目的。

但是，上述方法一的不足是，当目标仰角为低仰角时，由于低仰角接收环境存在多径效应，导致接收信号中存在与目标信源相干的信号，无法对信源相干信号进行有效分离，从而无法实现对于来波方向的估计。上述方法二的不足之处是，需要进行大量的矩阵重组和矩阵特征分解，计算量大，DOA估计速度较慢，不具有实时性。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于RBF神经网络的低仰角DOA估计方法。本发明要解决的技术问题通过以下技术方案实现：

一种基于RBF神经网络的低仰角DOA估计方法，包括以下步骤：

S1：在实测数据中选取仰角为低仰角的点迹，将所述低仰角的点迹对应的真实仰角作为训练神经网络的标签Y，Y＝[y₁,y₂,...,y_n]，根据标签y_i得到与其对应的数据协方差矩阵R_i，从所述数据协方差矩阵R_i中提取对应的实部特征和虚部特征得到列向量r_i；

S2：将所有所述列向量[r₁,r₂,...,r_n]归一化得到训练RBF神经网络的输入normX；