[发明专利]块近端梯度双稀疏字典学习波束形成方法及系统

权利要求书

1.块近端梯度双稀疏字典学习波束形成方法，其特征是，包括：

建立基于双稀疏字典学习的多重约束最优化数学模型；

通过引入拉格朗日乘子，获得与上述模型等效的无约束的代价函数表示，并确定各参数数值；

将无约束代价函数的最小化求解转化为稀疏编码、字典学习和信号源估计三个子问题分别求解，规定各变量迭代初值，实现基于信号源估计的波束形成。

2.如权利要求1所述的块近端梯度双稀疏字典学习波束形成方法，其特征是，采用块近端梯度方法进行字典学习和稀疏编码。

3.如权利要求1所述的块近端梯度双稀疏字典学习波束形成方法，其特征是，建立模型之前前提条件是：声呐M个接收通道的换能器阵列并行接收反射声回波，系统阵元均匀排布，获得阵元之间的间距及海底目标的散射点位置矢量表示，阵列中心位置设为坐标原点。

4.如权利要求1所述的块近端梯度双稀疏字典学习波束形成方法，其特征是，建立基于双稀疏字典学习的多重约束最优化数学模型时，包括：

将声呐接收阵元记录的回波在频域上表示；

基于散射点与接收阵元之间的信号传播延迟时间重新表示记录的回波；

将重新表示的记录的回波在时域上进行表示；

基于时域表示建立离散后的线性方程，表示测量声回波；

基于线性方程表示基于双稀疏字典学习的多重约束最优化数学模型。

5.如权利要求1所述的块近端梯度双稀疏字典学习波束形成方法，其特征是，通过求解稀疏表示系数矩阵来求解稀疏编码，具体包括：

获得收缩算子表示的迭代形式；

基于常数计算公式、由向量收缩算子定义的矩阵收缩算子来求解收缩算子表示的迭代形式。

6.如权利要求1所述的块近端梯度双稀疏字典学习波束形成方法，其特征是，解字典学习子问题时，采用BPG方法得到收缩算子表示的迭代形式，基于常数计算公式及考虑约束最小化问题进行求解。

7.如权利要求1所述的块近端梯度双稀疏字典学习波束形成方法，其特征是，规定各变量迭代初值之后，判断如下迭代条件：

其中tol为容差；

迭代次数预设最大迭代次数；

如果上述条件均不满足，则继续迭代；否则判断达到收敛，并输出信号源估计值X。

8.块近端梯度双稀疏字典学习波束形成系统，其特征是，包括：

模型模块，被配置为：建立基于双稀疏字典学习的多重约束最优化数学模型；

等效表示模块，被配置为：通过引入拉格朗日乘子，获得与上述模型等效的无约束的代价函数表示，并确定各参数数值；

求解模块，被配置为：将无约束代价函数的最小化求解转化为稀疏编码、字典学习和信号源估计三个子问题分别求解，规定各变量迭代初值，实现基于信号源估计的波束形成。

9.一种计算装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现上述权利要求1-7任一所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征是，该程序被处理器执行时执行上述权利要求1-7任一所述的方法的步骤。