申请/专利权人：江苏科技大学

申请日：2021-11-16

公开（公告）日：2024-07-02

公开（公告）号：CN114048681B

主分类号：G06F30/27

分类号：G06F30/27;G06F30/25;G06N3/0464;G06N3/047;G06N3/084;G06N3/086

优先权：

专利状态码：有效-授权

法律状态：2024.07.02#授权;2022.03.04#实质审查的生效;2022.02.15#公开

摘要：本发明公开了一种基于自选择神经网络的DOA估计方法和估计系统，其中的估计方法包括：1、在窄带远场信号从不同方向入射时采集阵列接收数据并计算其协方差矩阵，根据协方差矩阵生成双通道阵列接收矩阵；以所述双通道阵列接收矩阵和入射方向作为样本构建样本集；2、生成N个初始卷积神经网络，每个卷积神经网络的输入为双通道阵列接收矩阵，输出为入射方向的概率向量；3、采用粒子群算法对N个卷积神经网络进行优化，确定最优卷积神经网络；4、根据天线阵列接收到的数据生成接收矩阵，将所述矩阵输入最优卷积神经网络，输出为DOA估计结果。该方法无需凭经验设计卷积神经网络，且DOA估计时收敛速度快，精度高。

主权项：1.一种基于自选择神经网络的DOA估计方法，其特征在于，包括：S1、在窄带远场信号从不同方向入射时采集阵列接收数据，计算阵列接收数据的协方差矩阵，将所述协方差矩阵的实部和虚部分别转换为二维矩阵，并组合为双通道阵列接收矩阵；以所述双通道阵列接收矩阵和入射方向作为样本构建训练样本集；S2、根据预设的卷积神经网络结构参数，生成N个初始卷积神经网络，每个卷积神经网络的输入为双通道阵列接收矩阵，输出为入射方向的概率向量；每个卷积神经网络由级联的两部分组成，第一部分由卷积层和最大池化层组成，且第一层为卷积层；第二部分由至少一个全连接层组成；初始化每个卷积神经网络的权重；S3、采用粒子群算法对N个卷积神经网络进行优化，确定最优卷积神经网络；S4、根据天线阵列接收到的数据生成接收矩阵，将所述矩阵输入步骤S3中确定的最优卷积神经网络，所述最优卷积神经网络的输出为DOA估计结果；所述步骤S3包括：S31、初始化：生成数量为N的粒子群，粒子的位置坐标维数D为N个卷积神经网络第一部分层数的最大值D1与第二部分层数的最大值D2之和；初始化迭代次数τ＝0；初始化每个粒子的位置： 其中n＝1,2，…，N，l1＝1,2，…，D1，l2＝1,2，…，D2；Pn[l1]表示第n个粒子位置的第l1个元素；CNNn[l1]表示第n个卷积神经网络第一部分第l1层；CNNn[l2]表示第n个卷积神经网络第二部分第l2层；采用训练样本集对N个卷积神经网络进行训练；误差函数为：其中ys,w为第s个训练样本的入射方向概率向量的第w个元素；y′s,w为第s个训练样本中的双通道阵列接收矩阵作为输入时卷积神经网络输出的入射方向概率向量的第w个元素；将每个粒子的个体最优pBestn初始化为自身；将N个卷积神经网络中误差函数最小的作为全局最优卷积神经网络，根据所述全局最优神经网络的结构映射得到全局最优粒子gBest；S32、更新粒子的速度和位置：计算每个粒子与个体最优和全局最优的位置差异项；对于第n个粒子，其与个体最优的位置差异项中第l个元素为： 与全局最优粒子的位置差异项中第l个元素为： 其速度的第l个元素取值方法为：生成[0,1内均匀分布的随机数r，如果r＞c，的取值为如果r≤c，的取值为其中c为预设的加速常数；l＝1,2,…,D；更新粒子的位置，对于第n个粒子，更新后的位置为： S33、更新粒子的个体最优以及全局最优粒子：根据更新后的N个粒子位置建立N个卷积神经网络，网络中的层类型与粒子位置中的元素对应，网络结构参数根据预设的卷积神经网络结构参数设置；采用训练样本集对N个卷积神经网络进行训练，在层与层之间增加dropout和批归一化BN防止训练中的过拟合；根据本次训练后的每个卷积神经网络的误差函数更新对应粒子的个体最优pBestn；根据本次训练后的N个卷积神经网络中误差函数最小值更新全局最优卷积神经网络，根据所述全局最优神经网络的结构更新全局最优粒子gBest；S34、令迭代次数τ加一；如果达到迭代终止条件，根据当前全局最优粒子gBest进行迁移学习，映射成卷积神经网络，即为最优卷积神经网络；如果没有达到迭代终止条件，跳转至步骤S32进行下一次迭代。

全文数据：

权利要求：

百度查询： 江苏科技大学 基于自选择神经网络的DOA估计方法、系统、存储介质、设备

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD