[发明专利]一种基于RBF神经网络的低仰角DOA估计方法在审
| 申请号： | 201910357489.0 | 申请日： | 2019-04-29 |
| 公开（公告）号： | CN110221241A | 公开（公告）日： | 2019-09-10 |
| 发明（设计）人： | 陈伯孝;刘冬;项厚宏 | 申请（专利权）人： | 西安电子科技大学 |
| 主分类号： | G01S3/14 | 分类号： | G01S3/14;G06N3/04;G06N3/08 |
| 代理公司： | 西安嘉思特知识产权代理事务所(普通合伙) 61230 | 代理人： | 张捷 |
| 地址： | 710071*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于RBF神经网络的低仰角DOA估计方法，包括以下步骤：S1：在实测数据中选取仰角为低仰角的点迹，将所述低仰角的点迹对应的真实仰角作为训练神经网络的标签Y，Y＝[y1,y2,...,yn]，根据标签yi得到与其对应的数据协方差矩阵Ri，从所述数据协方差矩阵Ri中提取对应的实部特征和虚部特征得到列向量ri；S2：将所有所述列向量[r1,r2,...,rn]归一化得到训练RBF神经网络的输入normX；S3：求取所述RBF神经网络基函数中心，并根据所述基函数中心计算基函数方差；S4：根据所述基函数方差计算隐含层和输出层之间的连接权值，以得到训练好的神经网络；S5：将测试集样本进行归一化处理，输入到所述训练好的神经网络中求取来波到达角。本发明提供的方法提高了目标侦察准确性，减少了计算量，解决了现有技术中在复杂环境下DOA估计精度较低计算量大的问题。 | ||
| 搜索关键词： | 低仰角 基函数 协方差矩阵 仰角 神经网络 计算量 列向量 点迹 标签 训练神经网络 归一化处理 方差计算 复杂环境 目标侦察 实测数据 中心计算 测试集 归一化 输出层 隐含层 方差 实部 虚部 样本 | ||
【主权项】：
1.一种基于RBF神经网络的低仰角DOA估计方法，其特征在于，包括以下步骤：S1：在实测数据中选取仰角为低仰角的点迹，将所述低仰角的点迹对应的真实仰角作为训练神经网络的标签Y，Y＝[y1,y2,...,yn]，根据标签yi得到与其对应的数据协方差矩阵Ri，从所述数据协方差矩阵Ri中提取对应的实部特征和虚部特征得到列向量ri；S2：将所有所述列向量[r1,r2,...,rn]归一化得到训练RBF神经网络的输入normX；S3：求取所述RBF神经网络基函数中心，并根据所述基函数中心计算基函数方差；S4：根据所述基函数方差计算隐含层和输出层之间的连接权值，以得到训练好的神经网络；S5：将测试集样本进行归一化处理，输入到所述训练好的神经网络中求取来波到达角。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安电子科技大学，未经西安电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910357489.0/，转载请声明来源钻瓜专利网。
