[发明专利]一种基于动态优化策略的MVDR波束成形方法

权利要求书

1.一种基于动态优化策略的MVDR波束成形方法，其特征在于：包括如下步骤：

步骤一：通过均匀天线阵列获取n组不同方向的入射信号，并将获得的样本数据进行归一化处理之后作为网络模型的输入向量，统一量化标准为[0,1]范围内的所有实数，通过BP神经网络建立权重目标函数和DL因子的模型；

步骤二：基于蚂蚁算法和BP神经网络进行权值和阈值的选取：通过蚂蚁算法的全局搜索算法来获得BP神经网络模型的优化后的初始权值、阈值，并且根据蚁群的最优选择路径，重新更新权值和阈值；

所述蚂蚁算法的全局搜索算法步骤为：

定义蚂蚁种群由集合J_i(1≤i≤N)组成，对于蚂蚁k(1≤k≤M)，按照一定概率选择下一步路径方向，其概率公式为：

式中：τ_ij表示集合t时刻蚂蚁k在路径(i,j)上留下的信息素，为信息素的相关参数，η_ij为路径选择i点与j点之间的启发程度，β为启发因子的相关参数；

经过多次迭代，最大循环次数为N_c，在所有路径中选择最优路径，获得最优信息增量Δτ_ij，则在(t+1)时刻路径上的信息素进行如下更新：

τ_ij(t+1)＝(1-p)*τ_ij(t)+Δτ_ij；

式中：1-p为信息衰减程度；

根据更新信息素获得蚂蚁种群最优路径，不断更新并最终获得最优BP神经网络中的权值和阈值；

步骤三：对BP神经网络中的阈值进行迭代优化，使误差实现最小化，获得优化后的对角加载参数；

构建的BP神经网络拓扑结构为基础构建网络模型，依次为输入层、隐藏层、输出层；

在输入层和输出层中，通过天线阵列接收的获取n组不同方向的入射信号作为样本输入，其中一组为期望信号，余下的为非期望信号；

在隐藏层的神经网络中，隐藏层的神经元个数为r，输入层的神经元个数为n，两者之间的关系近似为r＝2×n+1，同时输出层的神经元个数为1；

基于上述网络模型将BP神经网络分为两部分进行训练：

第一部分训练为输入量的正向传播，在隐藏层的输出为：

式中：a_j(1≤j≤3)为隐藏层阈值，s＝{s₁,s₂L s_n}为输入层神经元的样本量，U_ij为输入层和隐藏层神经元之间的连接权值；

第二部分训练为反向传播，从输出层到隐藏层，到达输入层，若输出层的预测输出与期望输出之间的误差较大，此时需要对神经网路各层的权值进行调节修正，如此重复进行，直到输出误差在允许的误差范围之内，模型训练过程参数调整公式如下：

式中，η＞0为步长，w_ij(t)为更新迭代之前的神经网路模型参数，w_ij(t+1)为更新迭代之后的神经网路模型参数，E(t)为神经网络的目标函数。