申请/专利权人:西安交通大学
申请日:2022-03-11
公开(公告)日:2024-04-26
公开(公告)号:CN114624646B
主分类号:G01S3/14
分类号:G01S3/14;G06N3/084;G06N3/0495;G06T3/4046
优先权:
专利状态码:有效-授权
法律状态:2024.04.26#授权;2022.07.01#实质审查的生效;2022.06.14#公开
摘要:一种基于模型驱动复数神经网络的DOA估计方法,阵列接收到与当前时刻远场信源发送的信源向量对应的接收向量,基于等正弦划分,构造覆盖潜在DOA域的等正弦间隔的流形矩阵,并将所述信源向量转换为稀疏向量,进而将DOA估计问题转化为一个稀疏重构问题;将所有数据的维度扩充一维,用于存储数据的实部和虚部,然后利用rONE_l1算法展开得到模型驱动复数神经网络CrONE_l1‑Net,并在在固定信噪比下进行训练,利用训练好的CrONE_l1‑Net重构出信源向量转化后的稀疏向量;根据重构出的稀疏向量,寻找峰值对应的位置并转化为角度值,从而估计出DOA。本发明可降低计算复杂度与快拍数量,同时提高估计精度。
主权项:1.一种基于模型驱动复数神经网络的DOA估计方法,其特征在于,包括如下步骤:S1、阵列接收到与当前时刻远场信源发送的信源向量对应的接收向量,所述信源向量为单快拍信源向量;S2、基于等正弦划分,构造覆盖潜在DOA域的等正弦间隔的流形矩阵,并将所述信源向量转换为稀疏向量,进而将DOA估计问题转化为一个稀疏重构问题;S3、基于DOA在划分角度上的稀疏性,首先将包括等正弦间隔的流形矩阵、阵列接收向量以及信源向量转换后的稀疏向量在内的所有数据的维度扩充一维,用于存储数据的实部和虚部,然后利用rONE_l1算法展开得到模型驱动复数神经网络CrONE_l1-Net;S4、在固定信噪比下,使用所述接收向量、所述流形矩阵和所述信源向量转换后的稀疏向量训练步骤S3得到的CrONE_l1-Net,并在不同信噪比下利用训练好的CrONE_l1-Net重构出信源向量转化后的稀疏向量;S5、根据S4重构出的稀疏向量,寻找峰值对应的位置并转化为角度值,从而估计出DOA。
全文数据:
权利要求:
百度查询: 西安交通大学 一种基于模型驱动复数神经网络的DOA估计方法
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。