[发明专利]一种基于DenseBlock的U-net神经网络的水下DOA估计方法

权利要求书

1.一种基于DenseBlock的U-net神经网络的水下DOA估计方法，其特征在于，所述方法具体包括以下步骤：

步骤一、数据预处理

仿真水听器阵列的接收信号，再将仿真出的阵列接收信号截断为各个时间片段信号；

步骤二、构造训练集

分别对每个时间片段信号进行CBF，得到每个时间片段信号的CBF方位谱；再将各个时间片段信号的CBF方位谱组合起来形成CBF方位历程；

将不同环境和参数下的CBF方位历程以及对应的目标角度方位历程标签作为训练集；

步骤三、搭建神经网络

搭建由一个收缩路径和一个扩展路径组成的U-net网络，所述收缩路径包含一个1×1卷积层，4个DenseBlock和3个池化层，所述扩展路径包含3个DenseBlock，3个上卷积层和一个1×1卷积层；

步骤四、训练神经网络

利用训练集对搭建的神经网络进行训练，获得训练好的神经网络；

步骤五、利用神经网络进行DOA估计

将实际数据截断为各个时间片段信号后，分别对每个时间片段信号进行CBF，得到每个时间片段信号的CBF方位谱；再将各个时间片段信号的CBF方位谱组合起来形成实际CBF方位历程；

将获得的实际CBF方位历程输入训练好的神经网络，得到神经网络输出的DOA估计结果。

2.根据权利要求1所述的一种基于DenseBlock的U-net神经网络的水下DOA估计方法，其特征在于，所述步骤一的具体过程为：

步骤一一、假设平面中有N个目标发射的信号，仿真出利用M元无指向性水听器组成的均匀线列阵接收的目标信号；

同一个目标入射M个阵元的角度相等，则将N个目标的入射角度分别记为θ₁…θ_i…θ_N；

第m个阵元的接收信号x_m(t)为：

其中，s_n(t)代表第n个目标发射的信号，n＝1,2,…,N，n_m(t)代表第m个阵元接收的噪声信号；

假设目标发射的信号是频率为f₀的窄带信号，则

其中，e为自然对数的底数，j为虚数单位，d为均匀线列阵中相邻阵元的间距，c为声速，θ_n为第n个目标的入射角度；

定义向量a(θ)＝[a(θ,1),a(θ,2),…,a(θ,M)]^T，其中，a(θ)为基阵的阵列流形向量，(·)^T表示转置；

所有阵元的接收信号矩阵X为：

其中：

步骤一二、将X分割成T个片段后，将每个时间片段信号记为X^t：

其中，为在第t个片段中第1个阵元的接收信号，为在第t个片段中第M个阵元的接收信号。

3.根据权利要求2所述的一种基于DenseBlock的U-net神经网络的水下DOA估计方法，其特征在于，所述步骤二中，分别对每个时间片段的信号进行CBF，得到每个时间片段信号的CBF方位谱；其具体过程为：

X^t的窄带方位谱表示为：

R_x＝E{X^t(X^t)^H}

其中，E{·}表示期望，(·)^H表示转置共轭，a(θ₀)为阵列流形向量，θ₀∈Θ，Θ是扫描角度的集合，R_x为数据的协方差矩阵，为第t个片段在f₀频率的CBF方位谱；

对于宽带信号，信号的CBF方位谱为窄带方位谱的叠加：

其中，P^t(θ₀)为第t个片段的CBF方位谱，f_L为频率的下限，f_H为频率的上限；

同理，分别得到每个时间片段信号的CBF方位谱。