[发明专利]基于互逆深度神经网络的目标外辐射源被动定位方法

权利要求书

1.一种基于互逆深度神经网络的目标外辐射源被动定位方法，其特征在于，包括：

获取从接收信号数据的特征矢量到目标位置的映射关系，包括：

(1)获取感兴趣区域的目标位置-接收信号数据对；

将感兴趣区域均匀地划分为N个单元，将标准散射球依次放在每个单元的中心，N个标准散射球的位置坐标记为X＝{x₁,x₂,...,x_N}；

当将标准散射球放置于第i个单元时，记录第i个标准散射球的位置坐标x_i与M台接收机的接收信号数据为(s_i,1,...,s_i,M)，构成目标位置-接收信号数据对，其中1≤i≤N；

N个标准散射球的位置坐标与M台接收机的接收信号数据为S：

S＝{(s_1,1,...,s_1,M),(s_2,1,...,s_2,M),...,(s_N,1,...,s_N,M)}

(2)对于接收信号数据(s_i,1,...,s_i,M)中的每个s_i,j，计算一阶矩与二阶矩，其中1≤j≤M；利用接收机的接收信号数据与噪声统计矩的统计散度，降低训练数据维数，获取特征矢量；将特征矢量与目标位置的数据对作为训练数据，构成训练集，其中对于每个接收信号数据其中l为数据长度，计算一阶矩与二阶矩的方法如下：

其中，

上标*表示对复数取共轭；

设接收机测量噪声方差σ，求得接收机的接收信号数据与噪声间的KL散度作为特征矢量：

其中，I表示单位矩阵，KL散度的计算公式为：

其中，矢量的上标H表示厄米特转置，tr(·)表示矩阵的迹，|·|表示矩阵的行列式，ln(·)表示自然对数函数；

(3)建立径向基神经网络，学习从目标位置到接收信号数据的特征矢量的映射关系；

(4)利用径向基网络生成数据，建立深度神经网络，学习从接收信号数据的特征矢量到目标位置的映射关系；

提取接收机接收到的实时接收信号数据的特征矢量；基于从接收信号数据的特征矢量到目标位置的映射关系，得到实时接收信号数据对应的目标位置。

2.根据权利要求1所述的基于互逆深度神经网络的目标外辐射源被动定位方法，其特征在于：步骤(3)中，建立径向基神经网络对γ_i做函数变换之后，将训练集中的各训练数据即特征矢量与目标位置的数据对(x_i,g(γ_i))作为输入/输出数据训练径向基神经网络学习由x_i到g(γ_i)的映射关系。

3.根据权利要求2所述的基于互逆深度神经网络的目标外辐射源被动定位方法，其特征在于：步骤(4)中，随机生成N′个坐标X_T＝{x′₁,x′₂,...,x′_N′}，通过步骤(3)训练得到的径向基神经网络计算随机生成的各坐标所对应的特征矢量：

Γ＝{g(γ′₁),g(γ′₂),...,g(γ′_N′)}

其中，g(γ′_i)由x′_i输入步骤(3)训练得到的径向基神经网络得到；

建立深度网络并利用生成的数据(x′_i,g(γ′_i))进行训练，并且每隔一定轮数的训练后，生成一组新的数据训练深度网络直到网络的输出值与x_i的均方差无法明显下降或者低于某一阈值η达到预期。

4.根据权利要求3所述的基于互逆深度神经网络的目标外辐射源被动定位方法，其特征在于：提取接收机接收到的实时接收信号数据的特征矢量；经过函数变换g(γ)后，将其输入训练得到的深度网络中，得到实时接收信号数据对应的目标位置。