基于DBF+CNN的多目标波达角估计方法与流程

本发明涉及无线电测向领域，具体为基于dbf+cnn的多目标波达角估计方法。

背景技术：

1、辐射源信号的波达角估计，是电子侦察设备，利用接收到的目标信号，通过信号处理，从而估计辐射源信号的到达方向。辐射源信号的波达角估计方法，主要有振幅法测向、相位法测向、空间谱估计测向等，这些方法都是传统的非智能化波达角估计方法。

2、专利公开号为cn111610488a的中国专利文件提出了一种基于卷积神经网络(cnn)的阵列信号波达角估计方法，该方法针对任意给定的多元阵列，通过提取各阵元采样数据的阵元间相位差等特征信息，在深度学习的基础上，实现对辐射源目标的快速高精度测向。

3、但上述智能化波达角估计方法只能对单个辐射源目标进行测向，对于同时多目标的环境，就会出现测向困难。这是因为，第一，该方法是一种基于分类识别的波达角估计方法，对于一个目标，假设要求测向范围为360°，角度分辨率为0.1°，则角度分类数为，同样要求条件下，如果对多目标测向，目标数量未知，有可能为2、3、4、…时，则角度分类数为，再考虑频率的变化，此时需要的训练样本数量巨大，构建样本库几乎不可能完成；第二，该方法利用的是阵元间相位差等特征参数作为cnn的输入参数，在同时多目标的情况下，多信号混叠，阵元间相位差等特征参数会发生变化，因此导致测向错误。

4、为了满足实际应用的需要，解决智能化多目标波达角估计的问题，我们提出了一种基于dbf+cnn的多目标波达角估计方法，该方法利用数字波束形成(dbf：digitalbeamforming)技术实现空间滤波与引导，再利用卷积神经网络模型，在学习训练的基础上，实现同时多目标波达角的高精度估计。

技术实现思路

1、本发明的目的在于提供了基于dbf+cnn的多目标波达角估计方法，该方法针对cnn波达角估计方法只能实现单目标测向的问题，利用数字波束形成技术实现空间滤波与引导，再利用卷积神经网络模型，在学习训练的基础上，实现同时多目标波达角的高精度估计。

2、本发明可以通过以下技术方案实现：基于dbf+cnn的多目标波达角估计方法，该方法包括如下步骤：

3、第一步、构建dbf+cnn多目标波达角估计模型；

4、第二步、正交双通道采样：通过正交变换和数字采样处理，得到i、q双通道采样数据；

5、第三步、数字波束形成与实现空间滤波：基于dbf产生同时多波束，实现空间滤波；

6、第四步、卷积与池化：卷积层抽象出更高层次的特征，池化层通过下采样操作实现数据的压缩，将输入的特征映射划分为多个不重叠的区域；

7、第五步、多目标波达角估计：利用dbf+cnn多目标波达角估计模型，在学习训练的基础上，实现多目标波达角的高精度估计。。

8、本发明的进一步技术改进在于：dbf+cnn多目标波达角估计模型包括2l+m个输入层、3个卷积层、3个池化层、1个全连接层和1个softmax分类层，其中l表示天线的阵元个数，m表示多波束的数量。

9、本发明的进一步技术改进在于：数字波束形成包括同时单波束形成和同时多波束形成，数字波束形成器的输出为各阵元观测信号的加权和：

10、对于同时单波束形成，设第k个阵元的加权系数为wk，令

11、w＝[w1w2…wl]t表示加权矢量，则数字波束形成器的输出为：

12、

13、其中，a(tm)表示tm时刻的信号幅度，l表示阵元的总个数，λ为信号波长；

14、对于同时多波束形成，则同时对阵元进行多组加权再分别进行求和，则能够形成多个不同的接受波束。

15、本发明的进一步技术改进在于：在第五步中的多目标环境中，基于数字波束形成的空间滤波，全连接层把分布的生成特征耦合到不同的空间角度上，在学习训练的基础上，实现基于dbf+cnn多目标波达角的高精度估计。

16、与现有技术相比，本发明具备以下有益效果：

17、1、本发明中的方法增加了数字波束形成网络，完成空间滤波与引导，实现智能化的同时多目标波达角估计；。

18、2、同时多目标波达角精度高，测向精度优于0.15度。

技术特征：

1.基于dbf+cnn的多目标波达角估计方法，其特征在于：该方法包括如下步骤：

2.根据权利要求1所述的基于dbf+cnn的多目标波达角估计方法，其特征在于，所述dbf+cnn多目标波达角估计模型包括2l+m个输入层、3个卷积层、3个池化层、1个全连接层和1个softmax分类层，其中l表示天线的阵元个数，m表示多波束的数量。

3.根据权利要求1所述的基于dbf+cnn的多目标波达角估计方法，其特征在于，所述数字波束形成包括同时单波束形成和同时多波束形成，数字波束形成器的输出为各阵元观测信号的加权和：

4.根据权利要求1所述的基于dbf+cnn的多目标波达角估计方法，其特征在于，在第五步中的多目标环境中，基于数字波束形成的空间滤波，全连接层把分布的生成特征耦合到不同的空间角度上，在学习训练的基础上，实现基于dbf+cnn多目标波达角的高精度估计。

技术总结
本发明公开了基于DBF+CNN的多目标波达角估计方法，涉及无线电测向领域；该方法包括构建DBF+CNN多目标波达角估计模型、正交双通道采样以及数字波束形成与实现空间滤波、卷积与池化和多目标波达角估计等步骤，该方法利用数字波束形成技术实现空间滤波与引导，再利用卷积神经网络模型，在学习训练的基础上，实现同时多目标波达角的高精度估计，同时多目标波达角精度高，测向精度优于0.15度。

技术研发人员：郭振河,王礼俊
受保护的技术使用者：合肥戎科信息技术开发有限公司
技术研发日：
技术公布日：2024/1/13