[发明专利]一种基于深度神经网络回归模型的近场信号源定位方法有效
| 申请号： | 201910817644.2 | 申请日： | 2019-08-30 |
| 公开（公告）号： | CN110531313B | 公开（公告）日： | 2021-05-28 |
| 发明（设计）人： | 辛景民;刘文怡;左炜亮;李杰;郑南宁 | 申请（专利权）人： | 西安交通大学 |
| 主分类号： | G01S3/22 | 分类号： | G01S3/22;G01S5/08;G06N3/04;G06N3/08 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 孟大帅 |
| 地址： | 710049 *** | 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深度神经网络回归模型的近场信号源定位方法，包括以下步骤：根据协方差矩阵R计算获得特征提取矩阵r；构建深度神经网络回归模型；产生深度神经网络回归模型的训练集；确定训练深度神经网络回归模型所需的各项参数；通过确定的参数和训练集训练构建的深度神经网络回归模型，获得训练好的深度神经网络回归模型；将特征提取矩阵r输入训练好的深度神经网络回归模型中，通过深度神经网络回归模型输出近场信号的波达方向和距离，完成近场信号源定位。本发明引入了深度神经网络回归模型，在信噪比低于15dB和快拍数小于200的情况下波达方向角的估计精度提高了十倍，距离的估计精度接近理论上的最优解。 | ||
| 搜索关键词： | 一种 基于 深度 神经网络 回归 模型 近场 信号源 定位 方法 | ||
【主权项】：
1.一种基于深度神经网络回归模型的近场信号源定位方法，其特征在于，包括以下步骤：/n步骤1，采集或仿真获取待定位的近场信号数据，根据近场信号数据计算获得协方差矩阵R，根据协方差矩阵R计算获得特征提取矩阵r；/n步骤2，构建深度神经网络回归模型；所述深度神经网络回归模型以步骤1获得的特征提取矩阵r为输入，通过卷积层和回归层将深度神经网络回归模型的输出映射成近场信号的波达方向和距离；/n步骤3，通过仿真产生深度神经网络回归模型的训练集；确定训练深度神经网络回归模型所需的各项参数；/n步骤4，通过步骤3确定的参数和训练集训练步骤2构建的深度神经网络回归模型，获得训练好的深度神经网络回归模型；/n步骤5，将步骤1获得的特征提取矩阵r输入步骤4获得的训练好的深度神经网络回归模型中，通过深度神经网络回归模型输出近场信号的波达方向和距离，完成近场信号源定位。/n
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交通大学，未经西安交通大学许可，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/201910817644.2/，转载请声明来源钻瓜专利网。
