确定波达方向的方法和装置制造方法及图纸

本申请提供了一种确定DOA的方法和装置。该方法包括：获取阵列输出矩阵Y，所述阵列输出矩阵Y为K个电磁信号经过快拍采样得到的输出矩阵，所述K为正整数；根据分类神经网络和所述阵列输出矩阵Y从多个预设DOA中确定K个预测DOA，所述分类神经网络用于确定所述阵列输出矩阵Y与所述K个预测DOA的对应关系。电磁信号的DOA不同，阵列输出矩阵也不同。分类神经网络通过训练，能够学习到不同DOA对应的阵列输出矩阵的特征，从而可以在应用过程中准确确定阵列输出矩阵Y对应的DOA，该过程无需进行迭代求解运算，可以减小计算DOA所需的计算资源，有利于计算能力不足的测量设备快速确定电磁信号的DOA。

【技术实现步骤摘要】
确定波达方向的方法和装置
本申请涉及电子
，尤其涉及一种确定波达方向的方法和装置。
技术介绍
电磁波是由振荡方向垂直的电场和磁场组成的波。电磁波的传播具有方向性，电磁波的发射位置不同，到达接收装置时的入射角度也不同，该入射角度即波达方向(directionofarrival，DOA)。获取入射电磁波的DOA具有重要意义，例如，反辐射导弹获取雷达信号的DOA后，能够基于雷达信号的DOA确定雷达所在位置，准确摧毁雷达。一种测量DOA的方法是利用DOA和传感器阵列输出之间的非线性模型确定目标信号的DOA。例如，可以利用信号在空域是稀疏的这一先验知识，将非线性参数估计问题转化为线性模型下的稀疏信号回复问题求解。然而，基于非线性模型的方法需要迭代求解最优解，因此，这类方法的计算复杂度较高。
技术实现思路
本申请提供了一种确定DOA的方法、装置、计算机可读存储介质和程序，能够减小DOA计算过程中的计算复杂度。第一方面，提供了一种确定DOA的方法，包括：获取阵列输出矩阵Y，所述阵列输出矩阵Y为K个电磁信号经过快拍采样得到的输出矩阵，所述K为正整数；根据分类神经网络和所述阵列输出矩阵Y从多个预设DOA中确定K个预测DOA，所述分类神经网络用于确定所述阵列输出矩阵Y与所述K个预测DOA的对应关系。电磁信号的DOA不同，阵列输出矩阵也不同，因此，阵列输出矩阵与DOA之间存在对应关系，基于阵列输出矩阵确定DOA的问题相当于分类问题。分类神经网络通过训练，能够学习到不同DOA对应的阵列输出矩阵的特征，从而可以在应用过程中准确确定阵列输出矩阵Y对应的DOA(即，确定阵列输出矩阵Y所对应的DOA类别)。该过程无需进行迭代求解运算，可以减小计算DOA所需的计算资源，有利于计算能力不足的测量设备快速确定电磁信号的DOA。可选地，所述分类神经网络包括n个分类器，所述n个分类器中任意一个分类器的分类数小于所述多个预设DOA的数量，所述n为大于1的正整数；所述根据分类神经网络和所述阵列输出矩阵Y从多个预设DOA中确定K个预测DOA，包括：将所述阵列输出矩阵Y分别输入所述n个分类器，得到n个输出结果，所述n个输出结果用于指示所述阵列输出矩阵Y对应的DOA属于所述多个预设DOA中各个DOA的概率；根据所述多个输出结果的连乘结果确定标签矩阵根据所述标签矩阵从所述多个预设DOA中确定所述K个预测DOA，其中，所述标签矩阵中的K个最大的元素值与所述K个预测DOA存在关联关系。预设DOA的数量可以是N，相比于N分类的one-hot分类器，n个分类器的分类数小于N，因此，n个分类器中各个分类器的参数量少于one-hot分类器的参数量。当使用n个分类器提取阵列输出矩阵Y的特征时，可以复用相同的计算资源依次运行n个分类器，从而减少了特征提取所需的计算资源，有利于计算资源不足的测量设备应用上述方法。此外，在训练分类神经网络时，计算资源充足，可以并行训练n个分类器，从而可以提高分类神经网络的训练效率。可选地，所述n个分类器中各个分类器的分类数为互质的数值。当n个分类器的分类数为互质的数值时，n个分类器的分类结果具有高可分性，并且，n个分类器之间具有相互独立性，有利于提高分类神经网络的预测准确性。可选地，所述根据分类神经网络和所述阵列输出矩阵Y从多个预设DOA中确定K个预测DOA，包括：确定所述阵列输出矩阵Y的左奇异矩阵U；根据所述左奇异矩阵U确定向量所述向量由所述左奇异矩阵中的r个列向量组成，所述r为协方差矩阵R的秩，所述L为所述K个电磁信号的快拍采样数，所述H为转置共轭符号；根据所述向量和所述分类神经网络从所述多个预设DOA中确定所述K个预测DOA。在低信噪比的情况下，阵列输出矩阵Y容易受到噪声污染，直接将阵列输出矩阵Y作为分类神经网络的输入数据会导致分类神经网络的预测效果不佳。基于阵列输出矩阵Y获取的向量包含了K个电磁信号的DOA信息，向量是信号子空间的线性组合，因此，向量与噪声子空间正交，将向量作为分类神经网络的输入数据实现了特征增强，有利于分类神经网络更准确地完成特征提取，提高分类神经网络的预测效果。此外，当不同的电磁信号的快拍采样数不同时，阵列输出矩阵Y不能直接用于网络训练，基于阵列输出矩阵Y获取的向量能够克服快拍采样数对网络训练的影响。第二方面，提供了一种确定DOA的装置，包括用于执行第一方面中任一种方法的单元。该装置可以是终端设备，也可以是服务器，还可以是芯片。该装置可以包括输入单元和处理单元。当该装置是终端设备或服务器时，该处理单元可以是处理器，该输入单元可以是通信接口或其它输入设备；该终端设备或该服务器还可以包括存储器，该存储器用于存储计算机程序代码，当该处理器执行该存储器所存储的计算机程序代码时，使得该终端设备或该服务器执行第一方面中的任一种方法。当该装置是芯片时，该处理单元可以是芯片内部的处理单元，该输入单元可以是输入/输出接口、管脚或电路等；该芯片还可以包括存储器，该存储器可以是该芯片内的存储器(例如，寄存器、缓存等)，也可以是位于该芯片外部的存储器(例如，只读存储器、随机存取存储器等)；该存储器用于存储计算机程序代码，当该处理器执行该存储器所存储的计算机程序代码时，使得该芯片执行第一方面中的任一种方法。第三方面，提供了一种计算机程序产品，所述计算机程序产品包括：计算机程序代码，当所述计算机程序代码被确定DOA的装置运行时，使得该装置执行第一方面中的任一种方法。第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序代码，当所述计算机程序代码被确定DOA的装置运行时，使得该装置执行第一方面中的任一种方法。附图说明图1是一种适用于本申请的场景示意图；图2是本申请提供的一种利用神经网络确定DOA的方法的示意图；图3是本申请提供的一种one-hot分类器的工作流程示意图；图4是本申请提供的一种小分类器的工作流程示意图；图5是本申请提供的一种通过MUSIC方法得到的空间谱的示意图；图6是本申请提供的一种通过深度学习方法得到的空间谱的示意图；图7是本申请提供的一种one-hot分类器的结构示意图；图8是本申请提供的一种小分类器的结构示意图；图9是本申请提供的一种one-hot分类器和小分类器的性能比较的示意图；图10是本申请提供的另一种one-hot分类器的结构示意图；图11是本申请提供的另一种小分类器的结构示意图；图12是本申请提供的另一种one-hot分类器和小分类器的性能比较的示意图；图13是本申请提供的一种one-hot分类器和稀疏贝叶斯学习方法的性能比较的示意图；图14是本申请提供的一种分类神经网络和另外两种计算DOA的方法的性能比较的示意图；图15是本申请提供的一种分类神经网络和另外两种计算DOA的方法的性能比较的示意图；图16是本申请提供的一种确定DOA的装置的示意图；图1本文档来自技高网...

【技术保护点】
1.一种确定波达方向DOA的方法，其特征在于，包括：/n获取阵列输出矩阵Y，所述阵列输出矩阵Y为K个电磁信号经过快拍采样得到的输出矩阵，所述K为正整数；/n根据分类神经网络和所述阵列输出矩阵Y从多个预设DOA中确定K个预测DOA，所述分类神经网络用于确定所述阵列输出矩阵Y与所述K个预测DOA的对应关系。/n

【技术特征摘要】
1.一种确定波达方向DOA的方法，其特征在于，包括：
获取阵列输出矩阵Y，所述阵列输出矩阵Y为K个电磁信号经过快拍采样得到的输出矩阵，所述K为正整数；
根据分类神经网络和所述阵列输出矩阵Y从多个预设DOA中确定K个预测DOA，所述分类神经网络用于确定所述阵列输出矩阵Y与所述K个预测DOA的对应关系。


2.根据权利要求1所述的方法，其特征在于，所述分类神经网络包括n个分类器，所述n个分类器中任意一个分类器的分类数小于所述多个预设DOA的数量，所述n为大于1的正整数；
所述根据分类神经网络和所述阵列输出矩阵Y从多个预设DOA中确定K个预测DOA，包括：
将所述阵列输出矩阵Y分别输入所述n个分类器，得到n个输出结果，所述n个输出结果用于指示所述阵列输出矩阵Y对应的DOA属于所述多个预设DOA中各个DOA的概率；
根据所述多个输出结果的连乘结果确定标签矩阵
根据所述标签矩阵从所述多个预设DOA中确定所述K个预测DOA，其中，所述标签矩阵中的K个最大的元素值与所述K个预测DOA存在关联关系。


3.根据权利要求2所述的方法，其特征在于，所述n个分类器中各个分类器的分类数为互质的数值。


4.根据权利要求1至3中任一项所述的方法，其特征在于，所述根据分类神经网络和所述阵列输出矩阵Y从多个预设DOA中确定K个预测DOA，包括：
确定所述阵列输出矩阵Y的左奇异矩阵U；
根据所述左奇异矩阵U确定向量所述向量由所述左奇异矩阵中的r个列向量组成，所述r为协方差矩阵R的秩，所述L为所述K个电磁信号的快拍采样数，所述H为转置共轭符号；
根据所述向量和所述分类神经网络从所述多个预设DOA中确定所述K个预测DOA。


5.根据权利要求1至3中任一项所述的方法，其特征在于，所述阵列输出矩阵Y为训练数据，所述方法还包括：
根据所述K个预测DOA和所述K个电磁信号的...

【专利技术属性】
技术研发人员：刘博，杨润珊，张春荣，王文涛，程新红，李武娟，
申请(专利权)人：西安天和防务技术股份有限公司，
类型：发明
国别省市：陕西;61