[发明专利]一种基于人工神经网络的罗兰天地波时延估计方法

说明书

本发明公开了一种基于人工神经网络的罗兰天地波时延估计方法，具体包括设计人工神经网络结构，采集样本并进行预处理，采用预处理后的样本对人工神经网络进行训练，得到训练完成的人工神经网络，将待估计时延的罗兰天地波信号代入训练好的人工神经网络即可输出得到其罗兰天地波时延。本发明估计罗兰天地波时延不仅精度较高，尤其在低信噪比环境中也可以正常使用。

技术领域

本发明属于数字信号处理技术领域，具体涉及一种基于人工神经网络的罗兰天地波时延估计方法。

背景技术

罗兰C系统是一种地基长波无线导航系统，长期作为卫星导航系统的备份使用。近年来随着无线电技术发展迅速，罗兰系统的定位精度和使用条件也需要进一步的提升。罗兰信号为低频电磁波信号，受到地形和电离层影响较大，一些处在内陆远离沿海的城市接收到的信号信噪比较低，现有的天地波时延估计算法无法正常使用。人工神经网络算法是一种机器学习算法，模拟人脑的结构来建立数学模型，通过大量的数据学习来调整参数逼近实际模型，设计合理，可以模拟任何非线性的系统，使用该算法来估计罗兰天地波时延不仅精度较高，尤其在低信噪比环境中也可以正常使用，而目前的罗兰天地波时延并未有效使用人工神经网络进行估计计算。

发明内容

本发明的目的是提供一种基于人工神经网络的罗兰天地波时延估计方法，基于人工神经网络，可以在低信噪比情况下估计罗兰天地波时延。

本发明所采用的技术方案是，一种基于人工神经网络的罗兰天地波时延估计方法，具体按照以下步骤实施：

步骤1、设计人工神经网络的结构，采集罗兰天地波信号样本，根据罗兰信号的长度和周期，将用于人工神经网络训练的罗兰天地波信号样本进行预处理；

步骤2、设置人工神经网络的初始参数，初始参数包括每层人工神经网络的权值和偏重、人工神经网络的学习率及各层神经元之间的激活函数，同时，设置罗兰天地波信号样本的训练次数和训练误差函数的目标门限；

步骤3、使用预处理后的罗兰天地波信号样本对人工神经网络进行训练，当误差函数值小于门限值或者学习次数达到最大设置值训练停止，得到训练完成的人工神经网络；

步骤4、将待估计时延的罗兰天地波信号代入训练好的人工神经网络即可输出得到其罗兰天地波时延。

本发明的特点还在于，

步骤1具体按照以下步骤实施：

步骤1.1、设计人工神经网络结构为5层，包括输入层、第一隐藏层、第二隐藏层、第三隐藏层和输出天地波延迟层，输入层的输入向量为5000x1，第一隐藏层的神经元数为3000神经元，第二隐藏层的神经元数为10000神经元，第三隐藏层的神经元数为3000神经元，输出天地波延迟层的输出向量为2x1；

步骤1.2、采集罗兰天地波信号样本，采样频率10MHz，罗兰信号单个脉冲重复周期为1毫秒，截取5000点长度为500微秒；

步骤1.3、罗兰天地波信号样本值规划至[-1,1]区间进行归一化处理，得到罗兰天地波信号预处理样本。

步骤2中，设置每层人工神经网络的权值和偏置值均为0.5，人工神经网络的学习率为0.01，各层神经元之间的激活函数为sigmoid函数，罗兰天地波信号样本的训练次数为300次，罗兰天地波信号样本的训练误差函数目标门限即误差函数阈值为1e-4。

步骤3是将罗兰天地波信号预处理样本由输入层输入，通过第一隐藏层、第二隐藏层和第三隐藏层进行训练，由输出层输出，具体按照以下步骤实施：

步骤3.1、前向输出

根据下式计算罗兰天地波信号样本每层隐藏层的输出向量O_j，