[发明专利]一种基于级联神经网络的波达方向估计方法及装置

权利要求书

1.一种基于级联神经网络的波达方向估计方法，其特征在于，所述方法包括：

基于接收的来自多个信号源的信号，确定所接收信号的协方差矩阵；

对所述协方差矩阵进行特征值分解，得到特征值向量；

将所述协方差矩阵中的元素转换为归一化实向量，得到协方差信息向量；

将所述特征值向量和所述协方差信息向量输入预先训练完成的级联神经网络，得到针对各个信号源的信号的波达方向角；其中，所述级联神经网络包括信噪比分类网络和波达方向估计网络，所述波达方向估计网络包括高信噪比估计子网络和低信噪比估计子网络；所述信噪比分类网络的输入为所述特征值向量，所述高信噪比估计子网络和低信噪比估计子网络的输入为所述协方差信息向量；所述信噪比分类网络的输出结果为高信噪比激活所述高信噪比估计子网络；所述信噪比分类网络的输出结果为低信噪比激活所述低信噪比估计子网络；

所述信噪比分类网络是根据第一样本数据集训练的，所述第一样本数据集的生成步骤包括：

基于预设的高信噪比与低信噪比的分类阈值，生成第一样本信号，以及所述第一样本信号的信噪比标识；所述第一样本信号中包含高信噪比信号和低信噪比信号；

确定所述第一样本信号的第一样本协方差矩阵，并对所述第一样本协方差矩阵进行特征值分解，得到样本特征值向量；

将所述样本特征值向量，以及所述第一样本信号的信噪比标识作为所述第一样本数据集；

所述高信噪比估计子网络是根据第二样本数据集训练的，所述第二样本数据集的生成步骤包括：

基于所述高信噪比与低信噪比的分类阈值，以及波达方向的约束，生成样本高信噪比信号，以及与所述样本高信噪比信号对应的第一样本波达方向角；

确定所述样本高信噪比信号的第二样本协方差矩阵，并将所述第二样本协方差矩阵中的元素转换为归一化实向量，得到第一样本协方差信息向量；

将所述第一样本波达方向角，以及所述第一样本协方差信息向量作为所述第二样本数据集；

所述低信噪比估计子网络是根据第三样本数据集训练的，所述第三样本数据集的生成步骤包括：

基于所述高信噪比与低信噪比的分类阈值，以及波达方向的约束，生成样本低信噪比信号，以及与所述样本低信噪比信号对应的第二样本波达方向角；

确定所述样本低信噪比信号的第三样本协方差矩阵，并将所述第三样本协方差矩阵中的元素转换为归一化实向量，得到第二样本协方差信息向量；

将所述第二样本波达方向角，以及所述第二样本协方差信息向量作为所述第三样本数据集。

2.根据权利要求1所述的方法，其特征在于，所述对所述协方差矩阵进行特征值分解，得到第一特征值向量，包括：

基于如下公式分解所述协方差矩阵R，得到特征值向量σ：

其中，U_s表示信号子空间，U_n表示噪声子空间，其中是与第k个信号源信号功率相关的实数，σ_n表示噪声功率；Λ_n表示噪声功率对角矩阵，R的特征值向量为

3.根据权利要求1所述的方法，其特征在于，所述高信噪比估计子网络按照如下步骤进行训练；

获取预设神经网络，以及所述第二样本数据集；

将所述第一样本协方差信息向量输入所述预设神经网络，得到当前神经网络输出的波达方向角；

基于所述当前神经网络输出的波达方向角和所述第一样本波达方向角，确定损失值；

基于损失值判断神经网络是否收敛，若是则将当前的神经网络确定为高信噪比估计子网络，若否，则返回将所述第一样本协方差信息向量输入所述预设神经网络，得到波达方向角的步骤。