一种入射波探测方法和系统技术方案

本申请实施例公开了一种入射波探测方法和系统，所述方法包括：收集待测入射波进入天线阵列时，天线阵列的每个天线端口产生的幅度数据；将所述幅度数据输入入射波预测神经网络，预测得到待测入射波的水平角、俯仰角和极化角。高效准确且低成本地探测入射波信息。高效准确且低成本地探测入射波信息。高效准确且低成本地探测入射波信息。

【技术实现步骤摘要】
一种入射波探测方法和系统


[0001]本申请实施例涉及雷达通信
，具体涉及一种入射波探测方法和系统。

技术介绍

[0002]入射波方向探测在军事和民生领域均有着重要意义。在军事上，各类雷达系统都需要用到波达方向DOA估计技术；同时，移动通信中的用户精确定位问题，本质上也是DOA问题。
[0003]传统的DOA方法大多用空间谱估计技术进行求解，如MUSIC算法、ESPRIT算法等。但这些方法严重依赖于阵列结构的先验知识，并且其算法都基于阵元接收的相位差信息。这不仅需要复杂的计算方式，还需要昂贵而笨重的装置。并且，考虑到实际场景的随机性，当存在随机噪声或者信噪比不够大时，算法需要针对不同情况做出更合理的选择。
[0004]因此，尽管传统的探测方法在某些情况下能得到很好的探测效果，其使用的必要条件对于硬件和软件都是不小的挑战。

技术实现思路

[0005]为此，本申请实施例提供一种入射波探测方法和系统，高效准确且低成本地探测入射波信息。
[0006]为了实现上述目的，本申请实施例提供如下技术方案：
[0007]根据本申请实施例的第一方面，提供了一种入射波探测方法，所述方法包括：
[0008]收集待测入射波进入天线阵列时，天线阵列的每个天线端口产生的幅度数据；
[0009]将所述幅度数据输入入射波预测神经网络，预测得到待测入射波的水平角、俯仰角和极化角。
[0010]可选地，所述天线阵列包括交替设置的若干第一宽带天线和若干第二宽带天线；所述第一宽带天线用于接收水平方向电场，所述第二宽带天线用于接收垂直方向电场。
[0011]可选地，在天线阵列的每个天线端口设置射频接收电路，以使得在不同入射波条件下产生不同的电压响应，作为幅度数据。
[0012]可选地，所述入射波预测神经网络按照如下步骤设置结构：
[0013]将作为测试样本的幅度数据输入入射波预测神经网络的输入层，所述输入层的节点个数为所述样本的特征维度；
[0014]模式层用于计算测试样本和每个训练样本的高斯函数取值，所述模式层的节点个数为所述训练样本的个数；
[0015]求和层用于对模式层输出的值进行加权求和，所述求和层的节点个数为标签向量的维度加一；所述求和层的第一个节点输出为模式层输出的算术和，其余节点的输出为模式层输出的加权和，权值为对应训练样本的对应标签；
[0016]输出层的节点个数为标签向量的维度，所述标签为水平角、俯仰角和极化角。
[0017]根据本申请实施例的第二方面，提供了一种入射波探测系统，所述系统包括：
[0018]数据收集模块，用于收集待测入射波进入天线阵列时，天线阵列的每个天线端口产生的幅度数据；
[0019]入射波预测模块，用于将所述幅度数据输入入射波预测神经网络，预测得到待测入射波的水平角、俯仰角和极化角。
[0020]可选地，所述天线阵列包括交替设置的若干第一宽带天线和若干第二宽带天线；所述第一宽带天线用于接收水平方向电场，所述第二宽带天线用于接收垂直方向电场。
[0021]可选地，在天线阵列的每个天线端口设置射频接收电路，以使得在不同入射波条件下产生不同的电压响应，作为幅度数据。
[0022]可选地，所述入射波预测神经网络按照如下步骤设置结构：
[0023]将作为测试样本的幅度数据输入入射波预测神经网络的输入层，所述输入层的节点个数为所述样本的特征维度；
[0024]模式层用于计算测试样本和每个训练样本的高斯函数取值，所述模式层的节点个数为所述训练样本的个数；
[0025]求和层用于对模式层输出的值进行加权求和，所述求和层的节点个数为标签向量的维度加一；所述求和层的第一个节点输出为模式层输出的算术和，其余节点的输出为模式层输出的加权和，权值为对应训练样本的对应标签；
[0026]输出层的节点个数为标签向量的维度，所述标签为水平角、俯仰角和极化角。
[0027]根据本申请实施例的第三方面，提供了一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行以实现上述第一方面所述的方法。
[0028]根据本申请实施例的第四方面，提供了一种计算机可读存储介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现上述第一方面所述的方法。
[0029]综上所述，本申请实施例提供了一种入射波探测方法和系统，通过收集待测入射波进入天线阵列时，天线阵列的每个天线端口产生的幅度数据；将所述幅度数据输入入射波预测神经网络，预测得到待测入射波的水平角、俯仰角和极化角。高效准确且低成本地探测入射波信息。
附图说明
[0030]为了更清楚地说明本专利技术的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
[0031]本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本专利技术可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本专利技术所能产生的功效及所能达成的目的下，均应仍落在本专利技术所揭示的
技术实现思路
能涵盖的范围内。
[0032]图1为本申请实施例提供的一种入射波探测方法流程示意图；
[0033]图2为本申请实施例提供的系统整体示意图；
[0034]图3为本申请实施例提供的观测空间整体示意图；
[0035]图4a和图4b为本申请实施例提供的天线单元的3D示意图；
[0036]图5a和图5b为本申请实施例提供的天线单元的S11参数仿真图；
[0037]图6为本申请实施例提供的GRNN神经网络模型示意图；
[0038]图7为本申请实施例提供的一种入射波探测系统框图；
[0039]图8示出了本申请实施例提供的一种电子设备的结构示意图；
[0040]图9示出了本申请实施例提供的一种计算机可读存储介质的示意图。
具体实施方式
[0041]以下由特定的具体实施例说明本专利技术的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本专利技术的其他优点及功效，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0042]入射信号中除了幅度、相位信息外，还有一个重要的信息资源——极化信息。由于电磁波照射目标后，其极化状态将发生改变，且改变情况与目标的形状、结构、材料以及姿态等因素有关，还与照射到目标的极化状态有关，因此，可以利用目标回波中的极化特征来识别目标。基于机器学习的入射波探测系统不仅在接受本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种入射波探测方法，其特征在于，所述方法包括：收集待测入射波进入天线阵列时，天线阵列的每个天线端口产生的幅度数据；将所述幅度数据输入入射波预测神经网络，预测得到待测入射波的水平角、俯仰角和极化角。2.如权利要求1所述的方法，其特征在于，所述天线阵列包括交替设置的若干第一宽带天线和若干第二宽带天线；所述第一宽带天线用于接收水平方向电场，所述第二宽带天线用于接收垂直方向电场。3.如权利要求1所述的方法，其特征在于，在天线阵列的每个天线端口设置射频接收电路，以使得在不同入射波条件下产生不同的电压响应，作为幅度数据。4.如权利要求1所述的方法，其特征在于，所述入射波预测神经网络按照如下步骤设置结构：将作为测试样本的幅度数据输入入射波预测神经网络的输入层，所述输入层的节点个数为所述样本的特征维度；模式层用于计算测试样本和每个训练样本的高斯函数取值，所述模式层的节点个数为所述训练样本的个数；求和层用于对模式层输出的值进行加权求和，所述求和层的节点个数为标签向量的维度加一；所述求和层的第一个节点输出为模式层输出的算术和，其余节点的输出为模式层输出的加权和，权值为对应训练样本的对应标签；输出层的节点个数为标签向量的个数，所述标签为水平角、俯仰角和极化角。5.一种入射波探测系统，其特征在于，所述系统包括：数据收集模块，用于收集待测入射波进入天线阵列时，天线阵列的每个天线端口产生的幅度数据；入射波预测模块，用于将所述幅度数据输入入射波预测神经网络，预测得到待测入射波的水平角...

【专利技术属性】
技术研发人员：陈许慧楠，王浙栋，钱超，陈红胜，
申请(专利权)人：浙江大学，
类型：发明
国别省市：