[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

说明书

本发明实施例提供了一种基于级联神经网络的波达方向估计方法及装置，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；对协方差矩阵进行特征值分解，得到特征值向量；将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；将特征值向量和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；级联神经网络包括信噪比分类网络和波达方向估计网络，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；信噪比分类网络的输出结果为高信噪比激活高信噪比估计子网络；信噪比分类网络的输出结果为低信噪比激活低信噪比估计子网络。能够适用于广泛的信噪比范围。

技术领域

本发明涉及无线通信技术领域，特别是涉及一种基于级联神经网络的波达方向估计方法及装置。

背景技术

DOA(Direction of Arrival Estimation，波达方向)估计是无线通信领域中一个重要研究课题，目的是获取信号到达天线时的入射方向。

现有的基于神经网络的DOA估计方法中，基于接收信号构建协方差矩阵，该协方差矩阵中包含全部的信号DOA信息，将接收信号协方差矩阵的上三角矩阵中的元素输入预先构造并训练完成的神经网络中，输出信号DOA估计结果，即信号入射的方向角度。然而，该DOA估计方法存在一定的缺陷，具体表现为以下两点：1)不适用于信噪比范围较大的场景，如果使用无噪声的信号数据进行网络训练，则网络对于有噪声的信号的估计性能较差；如果使用有噪声的信号数据进行网络训练，则网络虽然可以在低信噪比情况下获得比较好的估计性能，但在高信噪比情况下的估计性能不如传统DOA估计算法。即对噪声的适应性较差。2)只能针对单个信源发送的信号进行DOA估计，无法适用于多个信源的场景。

可见，亟需一种适用于广泛的信噪比范围，且能够同时对多个信源发送的信号进行DOA估计的方法。

发明内容

本发明实施例的目的在于提供一种基于级联神经网络的波达方向估计方法及装置，以实现适用于广泛的信噪比范围，且能够同时对多个信源发送的信号进行波达方向估计。具体技术方案如下：

为实现上述目的，本发明实施例提供了一种基于级联神经网络的波达方向估计方法，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。

可选的，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

可选的，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：