[发明专利]信源数量检测方法及装置

权利要求书

1.一种信源数量检测方法，其特征在于，包括：

根据天线接收信号，进行特征提取，得到天线接收信号的特征向量；

将所述特征向量输入至预设的深度神经网络模型，根据所述深度神经网络模型的输出结果，获取所述天线接收信号中的信源数量；

所述根据天线接收信号，进行特征提取，得到天线接收信号的特征向量，包括：

根据天线接收信号，获取天线接收信号的协方差矩阵；

对所述协方差矩阵进行特征值分解，得到所述协方差矩阵的特征值，根据所述特征值确定特征向量；

所述根据天线接收信号，获取天线接收信号的协方差矩阵，包括：

将天线接收的阵列信号划分为相互交叠的预设长度的子阵列信号；

计算按天线序号前向空间平滑的子阵列信号协方差矩阵和后向空间平滑的子阵列信号协方差矩阵的平均值；

将平均后的协方差矩阵作为天线接收信号的协方差矩阵，用于特征提取；

其中，所述深度神经网络模型根据带有信源数量标签的天线接收信号的样本训练后得到；子阵列的预设长度大于信源个数，子阵列的数量大于等于信源个数。

2.根据权利要求1所述的方法，其特征在于，所述将所述特征向量输入至预设的深度神经网络模型，根据所述深度神经网络模型的输出结果，获取所述天线接收信号中的信源数量，包括：

将所述特征向量通过输入层输入至所述深度神经网络模型的隐藏层，利用每一隐藏层和隐藏层对应的激活函数，输出经隐藏层后的特征向量；

将所述经隐藏层后的特征向量输入至所述深度神经网络模型的输出层，利用输出层的激活函数，输出信源数量对应的分类向量或信源数量的预测值，根据所述分类向量或所述预测值，确定信源数量。

3.根据权利要求1所述的方法，其特征在于，将所述特征向量输入至预设的深度神经网络模型之前，还包括：

获取多个接收信号样本，以及对应的信源数量标签；

根据每个接收信号样本，进行特征提取，得到接收信号样本的特征向量；

将每个接收信号样本对应的特征向量和信源数量标签的组合作为一个训练样本，从而得到多个训练样本，利用所述多个训练样本对所述深度神经网络模型进行训练。

4.根据权利要求3所述的方法，其特征在于，所述利用所述多个训练样本对所述深度神经网络模型进行训练，包括：

将任意一个接收信号样本的特征向量输入至所述深度神经网络模型，输出所述接收信号样本信源数量对应的分类向量或信源数量的预测值；

利用预设损失函数根据所述接收信号样本信源数量对应的分类向量或信源数量的预测值，分别和所述接收信号样本的信源数量标签计算损失值；

若所述损失值小于预设阈值，则所述深度神经网络模型训练完成。

5.根据权利要求3所述的方法，其特征在于，所述获取多个接收信号样本，以及对应的信源数量标签，包括：

获取信噪比随机改变且到达角在[0，π]随机改变的预设数量的接收信号样本，以及每个接收信号样本对应的信源数量标签。

6.一种信源数量检测装置，其特征在于，包括：

特征提取模块，用于根据天线接收信号，进行特征提取，得到天线接收信号的特征向量；

数量检测模块，用于将所述特征向量输入至预设的深度神经网络模型，根据所述深度神经网络模型的输出结果，获取所述天线接收信号中的信源数量；

所述特征提取模块，具体用于：

根据天线接收信号，获取天线接收信号的协方差矩阵；

对所述协方差矩阵进行特征值分解，得到所述协方差矩阵的特征值，根据所述特征值确定特征向量；

所述根据天线接收信号，获取天线接收信号的协方差矩阵，包括：

将天线接收的阵列信号划分为相互交叠的预设长度的子阵列信号；

计算按天线序号前向空间平滑的子阵列信号协方差矩阵和后向空间平滑的子阵列信号协方差矩阵的平均值；

将平均后的协方差矩阵作为天线接收信号的协方差矩阵，用于特征提取；

其中，所述深度神经网络模型根据带有信源数量标签的天线接收信号的样本训练后得到；子阵列的预设长度大于信源个数，子阵列的数量大于等于信源个数。