买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏屹信航天科技有限公司

摘要：本发明公开了一种基于深度神经网络的多目标DOA估计方法，该方法包括：第一步，接收端通过阵列天线接收多目标信号，并使用低精度ADC对接收的多目标信号进行采样量化，得到量化信号；第二步，通过所设计的深度神经网络模型对量化信号进行DOA估计。该方法通过深度神经网络模型能够降低量化误差对DOA估计性能的影响，降低了硬件成本，同时不损失估计精度，而且能够适应各种环境，兼容性好。

主权项：1.一种基于深度神经网络的多目标DOA估计方法，其特征在于，包括：第一步，接收端通过阵列天线接收多目标信号，并使用低精度ADC对接收的多目标信号进行采样量化，得到量化信号；在第一步中，所述阵列天线为均匀线阵，阵列天线的数量M，间距为，所述多目标信号的数量为，与阵列天线之间的夹角为；为多目标信号矢量，多目标信号的导向矢量为： ；其中，为目标信号波长；多目标信号在t时刻到达所述阵列天线的信号矢量为： 其中，为转置矢量，且有：；所述阵列天线在t时刻所接收的信号矩阵为： 其中，为加性高斯白噪声，为阵列天线的导向矩阵；使用低精度ADC对接收的信号矩阵进行采样量化，通过低精度ADC后的量化信号表示为： 其中，为ADC的量化位数，为向上取整运算符，为信噪比SNR的倒数，为采样后的信号，；；第二步，通过所设计的深度神经网络模型对量化信号进行DOA估计，所述深度神经网络模型一共有十七层，其中：第一层至第五层均为全连接层，节点数分别为2M、256、1024、256和2M，激活函数为LeakyReLU函数；第六层为卷积层，卷积核长为2，输出张量通道数为32；第七层为卷积层，卷积核长为2，输出张量通道数为64；第八层为池化层，池化窗口大小为2；第九层为卷积层，卷积核长为2，输出张量通道数为128；第十层为池化层，池化窗口大小为2；第十一层为卷积层，卷积核长为2，输出张量通道数为64；第十二层为池化层，池化窗口大小为2；第十三层为卷积层，卷积核长为2，输出张量通道数为32；第十四层为池化层，池化窗口大小为2；第十五层为Flatten层；第十六层为全连接层，节点数为2048，激活函数为LeakyReLU函数；第十七层为最后的输出层，为全连接层，节点数为1800，激活函数为Sigmoid函数。

全文数据：

权利要求：

百度查询： 江苏屹信航天科技有限公司 一种基于深度神经网络的多目标DOA估计方法