[发明专利]一种基于图卷积神经网络的自适应波束形成方法

权利要求书

1.一种基于图卷积神经网络的自适应波束形成方法，其特征在于：包括如下步骤：

S1、去耦合：将接收到的回波数据X进行扩维和归一化后采用图卷积神经网络进行特征变换和降维，得到去耦合回波数据X_o；

S2、建立并训练教师神经网络模型：建立一个N层教师神经网络，每一层所述教师神经网络的激活函数均为Leaky-Relu函数，并对各层神经元应用dropout方式进行泛化处理；将所述去耦合回波数据X_o作为教师神经网络训练数据，将期望权重数据Z作为教师神经网络测试数据，训练教师神经网络模型；当教师神经网络训练数据总均方误差平均值小于等于设定值m时，进行所述教师神经网络测试数据计算，当所述教师神经网络测试数据总均方误差平均值小于等于设定值n时，教师神经网络模型建立完成；当所述训练数据总均方误差平均值大于m，则重新进行步骤S2；

S3、建立并训练学生神经网络模型：建立一个M层学生神经网络，每一层所述学生神经网络的激活函数均为Leaky-Relu函数；建立泛化训练样本，将所述去耦合回波数据X_o和所述泛化训练样本作为学生神经网络训练数据，将所述学生神经网络训练数据分别输入所述教师神经网络和所述学生神经网络中，计算得到教师-学生神经网络总均方误差平均值，当所述教师-学生神经网络总均方误差平均值小于等于设定值m时，则学生神经网络模型确定；当所述教师-学生神经网络总均方误差平均值大于m，则重新进行步骤S3并增加所述学生神经网络层数和所述学生神经网络各层所述神经元数量；

S4、形成波束：将实际得到的回波数据和期望波束方向输入到所述学生神经网络模型中，形成期望合成的波束。

2.根据权利要求1所述的一种基于图卷积神经网络的自适应波束形成方法，其特征在于：步骤S1包括：

S11、回波数据扩维：将雷达天线接收到的所述回波数据X通过特征矩阵F映射，得到输入特征向量X_f和输入特征转置向量

X_f＝X⊙F，⊙表示对应元素相乘；

表示所述输入特征向量X_f的转置；

S12、归一化：利用softmax函数计算所述输入特征向量X_f与所述输入特征转置向量的关系权重S：

其中所述关系权重S的元素S_ij表示第i个阵源和第j个阵源之间的所述关系权重；

S13、特征变换：采用图卷积神经网络，计算得到所述回波数据X的输出信号特征向量X_u：

X_u＝S·X_f+W_s⊙X_f，

其中W_s是针对中央节点的权重变换矩阵；

S14、输出信号特征向量降维：将所述输出信号特征向量X_u与参数矩阵D相乘，得到去耦合回波数据X_o：

X_o＝X_u·D。