[发明专利]K聚类智能择取的微波信号多径干扰抑制方法

权利要求书

1.K聚类智能择取的微波信号多径干扰抑制方法，其特征在于包括几个步骤：

1）建立并训练多径干扰抑制模型，具体步骤为：以单极天线为实验天线，以垂直波传播的平面上的x轴为采样点，以原点为起点、0.1mm为移动单位在x轴正方向取10个采样点，分别采集存在干扰与不存在干扰下的数据；以干扰信号与直接信号的合成信号为输入，相同采样点的直接信号为输出，训练数据；以矩阵面上任意点的合成信号为输入，将所得到的输出值与该点上已知的直接信号作比较，进而定义输出值与已知的直接信号的误差和，通过求误差的梯度，采用梯度下降法进行更新权值和偏置，不断进行迭代，直至输出值与已知的直接信号无限接近时，结束训练并保存模型；

2）设定天线在微波暗室的测试条件，具体步骤为：将微波混合暗室中的多径干扰特征化为一个三维的MPM处理过程，将天线远场方向图的测量系统假设为：在辐射场中待测天线AUT作为传输天线TX，而接收天线RX沿着一个矩形平面区域移动，在各个采样点收集测量数据，该矩形平面区域取自平面近场测量系统有限扫描面的一部分；

设定传输天线位于接收天线的远场区域，以此来满足天线的远场测量条件；同样的，来自于其他信号源或者衍射的多路径信号也可看为远场信号，以近似区域平面波入射到接收区域；在测量的过程中，将该矩形区域分为L×M个矩形格子来收集采样信号，以此来达到计算简便的效果；

3）加入不同材质或形状的反射板干扰源以建立干扰模型；

4）划分干扰程度的难易情况；所述划分干扰程度的难易情况，按多径干扰程度的不同将多径干扰信号智能划分为简单模式、中等模式、困难模式三类，分别对应N块反射板多径干扰源，N = 1、3、5；对每种材质下的N块反射板进行平均误差的对比分析，从而模拟真实通信过程中干扰源的多样性；按干扰程度分类相应分别选择合适的算法完成K聚类智能择取的微波信号多径干扰抑制；

5）按干扰程度分类相应分别选择合适的算法完成K聚类智能择取的微波信号多径干扰抑制，所述按干扰程度分类相应分别选择合适的算法，简单模式对应1块反射板，选择多项式回归算法；中等模式对应3块反射板，选择随机森林算法；困难模式对应5块反射板，选择BP神经网络算法。

2.如权利要求1所述K聚类智能择取的微波信号多径干扰抑制方法，其特征在于在步骤3）中，所述干扰源采用PEC、铝、铜三种材质的反射板，所述反射板的形状采用平面、凹面、凸面；反射板选择不同材质或形状进行多次训练，以让模型泛化不同的干扰源；最后，通过仿真运算得到干扰环境下的天线辐射值，并导出干扰环境下的天线辐射值以供使用。

3.如权利要求1所述K聚类智能择取的微波信号多径干扰抑制方法，其特征在于在步骤5）中，所述多项式回归算法的具体步骤为：当干扰源为一块反射板的简单模式下所产生的微波混合暗室多径干扰信号，采用基于多项式回归的多径干扰抑制方法，将仿真数据分为训练集和测试集两部分，训练集用来给机器学习算法进行数据挖掘工作，学习率设置为0.01，损失函数采用均方误差，以此获取可靠特征来分离标准信号和干扰信号，测试集用来验证模型的可靠性，并采用交叉验证来保证每一个采样点均被测试，最后取平均误差值作为模型评价指标；

根据预设初始参数，训练干扰环境下的天线辐射值至无干扰环境下的天线辐射值的映射关系模型；干扰环境下的天线辐射值输入目前所训练出的模型进行预测，得到预测值，并将其真实值之间采用均方误差的方式来度量预测值与真实值之间的总体差异；不断重复上述操作步骤并调参，设定了不同的传播路径数量，当数量为5时对应的误差最小，因此以5路干扰信号来建模整个暗室的多径干扰信号传播过程，通过梯度下降法来最小化损失函数直至收敛，并保存模型。