申请/专利权人：西北大学

申请日：2021-04-27

公开（公告）日：2024-04-02

公开（公告）号：CN113176532B

主分类号：G01S3/14

分类号：G01S3/14;G06F30/27

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2021.08.13#实质审查的生效;2021.07.27#公开

摘要：本发明实施例公开了基于波束空间的阵列误差和阵元失效的DNN鲁棒性DOA估计方法、装置及存储介质；该方法可以包括：将接收阵列所接收到的原始阵列接收信号通过设定的分类算法确定所述原始阵列接收信号的阵元失效类型；通过已训练完毕的去噪自编码器DAE将所述原始阵列接收信号中由于阵元失效所导致的损坏进行恢复，获得恢复后的阵列接收信号；根据所述恢复后的阵列接收信号的协方差矩阵以及角度空间中各角度区间的波束指向协方差矩阵生成波束空间内的接收信号数据；将所述波束空间内的接收信号数据输入已利用训练数据集完成训练的并行深度神经网络DNN中与所述阵元失效类型相对应的目标DNN；将所述目标DNN输出的信号数据通过线性幅度插值获取DOA估计值。

主权项：1.一种基于波束空间的阵列误差和阵元失效的深度神经网络DNN鲁棒性波达方向DOA估计方法，其特征在于，所述方法包括：将接收阵列所接收到的原始阵列接收信号通过设定的分类算法确定所述原始阵列接收信号的阵元失效类型；通过已训练完毕的去噪自编码器DAE将所述原始阵列接收信号中由于阵元失效所导致的损坏进行恢复，获得恢复后的阵列接收信号；根据所述恢复后的阵列接收信号的协方差矩阵以及角度空间中各角度区间的波束指向协方差矩阵生成波束空间内的接收信号数据；将所述波束空间内的接收信号数据输入已利用训练数据集完成训练的并行深度神经网络DNN中与所述阵元失效类型相对应的目标DNN；将所述目标DNN输出的信号数据通过线性幅度插值获取DOA估计值；其中，所述将接收阵列所接收到的原始阵列接收信号通过设定的分类算法确定所述原始阵列接收信号的阵元失效类型，包括：计算所述原始阵列接收信号的协方差矩阵；针对所述原始阵列接收信号的协方差矩阵的第i行及第j列，当下式所示的不等式成立，且满足i＝j，则确定第i个阵元失效； 其中，ri,:表示所述原始阵列接收信号的协方差矩阵各行绝对值之和，且r:,j表示所述原始阵列接收信号的协方差矩阵各列绝对值之和，且α表示检测门限因子，N表示接收阵列的阵元数目；将失效阵元的数量确定为所述原始阵列接收信号的阵元失效类型；所述根据所述恢复后的阵列接收信号的协方差矩阵以及角度空间中各角度区间的波束指向协方差矩阵生成波束空间内的接收信号数据，包括：将角度空间划分为多个角度区间，并确定每个角度区间对应的波束指向；根据每个角度区间对应的波束指向确定每个角度区间对应的协方差矩阵；将所述每个角度区间对应的协方差矩阵转变为每个角度区间对应的列向量；将所述恢复后的阵列接收信号的协方差矩阵转变为所述恢复后的阵列接收信号的列向量；根据第n个角度区间对应的列向量rγn以及所述恢复后的阵列接收信号的列向量rθ，按照下式进行波束转换，获取所述恢复后的阵列接收信号在第n个角度区间的波束空间值：gn＝rHγnrθ其中，γn表示第n个角度区间的波束指向值，H表示共轭转置运算符；将所有角度区间的波束空间值按照下式形成所述恢复后的阵列接收信号在波束空间的信号数据：g＝[g1,g2,...,gn]T其中，T表示转置运算符。

全文数据：

权利要求：

百度查询： 西北大学 基于波束空间的阵列误差和阵元失效的DNN鲁棒性DOA估计方法、装置及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD