基于多输入残差网络的互质阵列宽窄带目标DOA估计算法制造技术

本发明专利技术公开了一种基于多输入残差网络的互质阵列宽窄带目标DOA估计算法，首先通过两个均匀阵列构造一个互质阵列，确定每个阵列中阵元的位置坐标，获取每个阵元接收到的目标信号；对空间目标信号进行快拍采样，获取目标信号矩阵C，然后进行离散傅里叶变换，得到频谱集G；并处理频谱集G，分别得到单频相关矩阵和多频相关矩阵R；再得到纯实数多频相关矩阵Rr和实数化的纯虚数多频相关矩阵RI；输入多输入残差神经网络；完成DOA估计并输出信号的空间谱。本方法通过残差神经网络有效避免外界干扰的影响从而提高估计的精确度。

DOA Estimation of Broadband and Narrow-Band Targets with Mutual Prime Array Based on Multi-Input Residual Network

【技术实现步骤摘要】
基于多输入残差网络的互质阵列宽窄带目标DOA估计算法
本专利技术涉及阵列的DOA估计
，特别是一种基于多输入残差网络的互质阵列宽窄带目标DOA估计算法。
技术介绍
波达方向DOA估计可以确定多个空间目标的方位角位置信息，具有高分辨率，广泛应用于通信、雷达、声呐、地震传感等领域。近年提出的互质阵列在阵元位置确定、相邻阵元耦合互扰等方面具有突出的优势，逐渐成为关注的热点。目前，利用均匀阵列估计目标方位角，最大可分辨的目标数目受限于物理阵元的数目，为突破此限制，考虑到方位估计自由度取决于物理阵元位置差值，最小冗余阵列、(超级)嵌套阵列、互质阵列等非均匀稀疏阵列被引入目标方位参数估计中，利用协同阵的概念，提升自由度，突破物理阵元数目的限制，同时，在同等阵元数目下，非均匀稀疏阵列扩大了阵列孔径，提高了目标方位估计的分辨率。针对非均匀稀疏阵列方位估计算法的研究，主要集中在传统信号处理类算法，如Capon算法、MUSIC算法、ESPRIT算法、子空间拟合算法、稀疏重构算法等，既打破了阵元数目对最大可分辨目标数目的限制，又提升了目标方位分辨率，但在时效性和鲁棒性(低信噪比、低快拍、大方位角、相干目标)方面存在明显缺陷。此类算法或多或少存在计算复杂时效性不足、低信噪比低快拍估计精度差、大方位角目标和相干目标估计性能下降、环境适应能力不足等问题。基于互质接收阵列的非相干目标DOA估计方法，构建适用于非均匀互质阵列的深度学习方位识别网络，在保留传统信号处理类算法具有的方位分辨率高、最大可分辨目标数目突破物理阵元数目限制的优势下，进一步增强非均匀互质阵列对目标方位估计的时效性和环境适应性，以及在低信噪比、低快拍、大方位角、相干目标条件下的鲁棒性。由于考虑到经典的深度神经网络在训练过程中可能会出现梯度爆炸和消失的缘故，本专利技术选择了残差神经网络。该算法主要解决面向非均匀互质接收阵列的、适用于窄带/宽带和多个相干/非相干信号源的特征表达域的形成问题和对应的深度学习网络的构建问题。其实质是通过将时域多快拍数据转换到频域多频率单快拍数据再针对各个频率进行相关计算，实现对窄带和宽带的兼容；同时利用“差协同阵”的概念，对不同频率的相关矩阵进行矢量化处理，相关矢量合并形成多频相关矩阵特征表达域，既解除了相干源的影响，实现了相干与非相干信号源兼容，又扩充了特征表达维度，提升了多信号源DOA估计能力。对此多频相关矩阵特征表达域，针对性设计残差神经网络从复杂的多频相关矩阵提取与信号源DOA相关的空域特征映射形成空间谱。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于多输入残差网络的互质阵列宽窄带目标DOA估计算法，该方法结合了阵列DOA估计与深度学习。为达到上述目的，本专利技术提供如下技术方案：本专利技术提供的基于多输入残差网络的互质阵列宽窄带目标DOA估计算法，包括以下步骤：(1)使用两个均匀阵列构造一个互质阵列，确定每个阵列中阵元的位置坐标，获取每个阵元接收到的目标信号；(2)目标向整个空域辐射信号波，对空间目标信号进行快拍采样，获取目标信号矩阵C，所述目标信号矩阵C的每一排为同一阵元接收的信号，每一列为同一快拍下整个阵列接收的信号；(3)将目标信号矩阵C中每一排数据进行离散傅里叶变换，得到频谱集G；(4)将频谱集G按频率划分为N个窄带信号，对每个窄带进行单频率相关处理得到单频相关矩阵(5)将单频相关矩阵中的元素一一取出并按照差值大小进行重新排序，生成单频率相关向量：将宽带中所有的相关向量按频率大小从低到高进行组合，生成多频相关矩阵R；(7)将多频相关矩阵R分解为两个对应的纯实数多频相关矩阵Rr和纯虚数多频相关矩阵Ri，提取目标信号表征域矩阵，得到纯实数多频相关矩阵Rr和实数化的纯虚数多频相关矩阵RI，至此完成阵列信号特征表达域处理与提取过程；(8)建立提取表征域矩阵中角度信息的残差神经网络，用于鉴别目标波达方向，输入网络的数据为纯实数多频相关矩阵Rr和实数化的纯虚数多频相关矩阵RI，构造多输入残差神经网络；完成DOA估计并输出信号的空间谱。进一步，所述互质矩阵是使用两个均匀阵列按照以下方式进行构造的：均匀阵列P的阵元坐标集合为A1＝{A1i|i＝0,Qd,...(P-1)Qd}；均匀矩阵Q的阵元坐标集合为A2＝{A2i|i＝Pd,2Pd,...(2Q-1)Pd}；其中，P和Q为互质关系，Q<P，λ为波长，对应信号频率为fmax且为宽带信号中最大频率，基础间距为表示均匀阵列P的第i个阵元的坐标；表示均匀阵列Q的第i个阵元的坐标；i表示阵元的序数；p表示均匀阵列P的阵元数目；Q表示均匀阵列Q的阵元数目；其中阵元接收到的目标信号按照以下公式表示：xm(t)＝sm(t)e-i2πd(m-1)sin(θ+nm(t)；其中，xm(t)为坐标m的阵元接收的信号，θ为信号源入射角度，nm(t)为坐标m的阵元接收的高斯白噪声，Sm(t)表示信号源的信号。进一步，所述目标信号矩阵C具体如下表示：其中，每一排为同一阵元接收的信号，每一列为同一快拍下整个阵列接收的信号；信号波的辐射频率为0-fmax；其中，fmax表示最大辐射频率；K表示对空间目标信号进行快拍采样的次数。进一步，所述频谱集G的表示具体如下：其中，为坐标i的阵元接收的第n个频点的频谱，N表示离散傅里叶变换点数。进一步，所述单频相关矩阵是按照按照以下步骤进行处理的：将频谱集G按频率划分为N个窄带信号，每个窄带表示为：Xn＝gn；其中，gn表示所有阵元离散傅里叶变换后第n个频点的频谱；n表示第n个频点；对每个窄带Xn按照如下公式进行单频率相关处理；其中，xn(0)表示坐标为原点的阵元接到到的空间中的信号，xn(Q)表示坐标为Q的阵元接到到的空间中的信号，rn(0)表示表示坐标为原点的阵元接收到的信息，rn(Q)表示表示坐标为Q的阵元接收到的信息，H表示矩阵的共轭转置，右上角的*表示共轭操作，单频相关矩阵中每个元素由两个物理阵元决定，对两个物理阵元求差值得到以单位间距d为增加量的阵元信息，从(1-2Q)Pd延伸到(2Q-1)Pd的2P(2Q-1)+1个差值。进一步，所述多频相关矩阵R按照以下方式生成：将单频相关矩阵中的元素一一取出并按照差值大小进行重新排序，生成频点为n的单频相关向量：r＝[rn((1-2Q)P…rn(-1)rn(0)rn(1)…rn((2Q-1)P)]；其中，r表示相关向量；n表示频点n；将宽带中所有的相关向量按频率大小从低到高进行组合，生成多频相关矩阵R；所述多频相关矩阵R的表示如下：其中，r1表示频点为1的单频相关矩阵矢量化后的单频相关向量；rN表示频点为N的单频相关矩阵矢量化后的单频相关向量；1和N分别对应前面的N点DFT的第1点和第N点。进一步，所述实数化的纯虚数多频相关矩阵RI是按照以下步骤形成：将多频相关矩阵R分解为两个对应的纯实数矩阵Rr和纯虚数矩阵Ri，所述纯实数矩阵和纯虚数矩阵的大小与多频相关矩阵R相同；所述纯实数矩阵Rr如下所示：其中，表示频点为1的单频相关矩阵矢量化后的单频相关向量的纯实数部分；rrN表示频点为N的单频相关矩阵矢量化后的单频相关向量的纯实数部分；所述纯虚数矩阵Ri如下所示：其中，表示频点为1的单频相关矩阵矢量化后的单频相关向量的纯虚数本文档来自技高网...

【技术保护点】
1.基于多输入残差网络的互质阵列宽窄带目标DOA估计算法，其特征在于：包括以下步骤：(1)使用两个均匀阵列构造一个互质阵列，确定每个阵列中阵元的位置坐标，获取每个阵元接收到的目标信号；(2)目标向整个空域辐射信号波，对空间目标信号进行快拍采样，获取目标信号矩阵C，所述目标信号矩阵C的每一排为同一阵元接收的信号，每一列为同一快拍下整个阵列接收的信号；(3)将目标信号矩阵C中每一排数据进行离散傅里叶变换，得到频谱集G；(4)将频谱集G按频率划分为N个窄带信号，对每个窄带进行单频率相关处理得到单频相关矩阵

【技术特征摘要】
1.基于多输入残差网络的互质阵列宽窄带目标DOA估计算法，其特征在于：包括以下步骤：(1)使用两个均匀阵列构造一个互质阵列，确定每个阵列中阵元的位置坐标，获取每个阵元接收到的目标信号；(2)目标向整个空域辐射信号波，对空间目标信号进行快拍采样，获取目标信号矩阵C，所述目标信号矩阵C的每一排为同一阵元接收的信号，每一列为同一快拍下整个阵列接收的信号；(3)将目标信号矩阵C中每一排数据进行离散傅里叶变换，得到频谱集G；(4)将频谱集G按频率划分为N个窄带信号，对每个窄带进行单频率相关处理得到单频相关矩阵(5)将单频相关矩阵中的元素一一取出并按照差值大小进行重新排序，生成单频率相关向量：将宽带中所有的相关向量按频率大小从低到高进行组合，生成多频相关矩阵R；(7)将多频相关矩阵R分解为两个对应的纯实数多频相关矩阵Rr和纯虚数多频相关矩阵Ri，提取目标信号表征域矩阵，得到纯实数多频相关矩阵Rr和实数化的纯虚数多频相关矩阵RI，至此完成阵列信号特征表达域处理与提取过程；(8)建立提取表征域矩阵中角度信息的残差神经网络，用于鉴别目标波达方向，输入网络的数据为纯实数多频相关矩阵Rr和实数化的纯虚数多频相关矩阵RI，构造多输入残差神经网络；完成DOA估计并输出信号的空间谱。2.如权利要求1所述的基于多输入残差网络的互质阵列宽窄带目标DOA估计算法，其特征在于：所述互质矩阵是使用两个均匀阵列按照以下方式进行构造的：均匀阵列P的阵元坐标集合为A1＝{A1i|i＝0,Qd,…(P-1)Qd}；均匀矩阵Q的阵元坐标集合为A2＝{A2i|i＝Pd,2Pd,…(2Q-1)Pd}；其中，P和Q为互质关系，Q<P，λ为波长，对应信号频率为fmax且为宽带信号中最大频率，基础间距为表示均匀阵列P的第i个阵元的坐标；表示均匀阵列Q的第i个阵元的坐标；i表示阵元的序数；p表示均匀阵列P的阵元数目；Q表示均匀阵列Q的阵元数目；其中阵元接收到的目标信号按照以下公式表示：xm(t)＝sm(t)e-i2πd(m-1)sin(θ)+nm(t)；其中，xm(t)为坐标m的阵元接收的信号，θ为信号源入射角度，nm(t)为坐标m的阵元接收的高斯白噪声，Sm(t)表示信号源的信号。3.如权利要求1所述的基于多输入残差网络的互质阵列宽窄带目标DOA估计算法，其特征在于：所述目标信号矩阵C具体如下表示：其中，每一排为同一阵元接收的信号，每一列为同一快拍下整个阵列接收的信号；信号波的辐射频率为0-fmax；其中，fmax表示最大辐射频率；K表示对空间目标信号进行快拍采样的次数。4.如权利要求1所述的基于多输入残差网络的互质阵列宽窄带目标DOA估计算法，其特征在于：所述频谱集G的表示具体如下：其中，为坐标i的阵元接收的第n个频点的频谱，N表示离散傅里叶变换点数。5.如权利要求1所述的基于多输入残差网络的互质阵列宽窄带目标DOA估计算法，其特征在于：所述单频相关矩阵是按照按照以下步骤进行处理的：将频谱集G按频率划分为N个窄带信号，每个窄带表示为：Xn＝...

【专利技术属性】
技术研发人员：贾勇，郭勇，钟晓玲，肖钧友，晏超，王刚，宋瑞源，陈胜亿，胡月杨，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：四川,51