[发明专利]基于波束空间的阵列误差和阵元失效的DNN鲁棒性DOA估计方法、装置及存储介质

说明书

本发明实施例公开了基于波束空间的阵列误差和阵元失效的DNN鲁棒性DOA估计方法、装置及存储介质；该方法可以包括：将接收阵列所接收到的原始阵列接收信号通过设定的分类算法确定所述原始阵列接收信号的阵元失效类型；通过已训练完毕的去噪自编码器DAE将所述原始阵列接收信号中由于阵元失效所导致的损坏进行恢复，获得恢复后的阵列接收信号；根据所述恢复后的阵列接收信号的协方差矩阵以及角度空间中各角度区间的波束指向协方差矩阵生成波束空间内的接收信号数据；将所述波束空间内的接收信号数据输入已利用训练数据集完成训练的并行深度神经网络DNN中与所述阵元失效类型相对应的目标DNN；将所述目标DNN输出的信号数据通过线性幅度插值获取DOA估计值。

技术领域

本发明实施例涉及雷达信号处理技术领域，尤其涉及一种基于波束空间的阵列误差和阵元失效的深度神经网络(DNN，Deep Neural Networks)鲁棒性波达方向(DOA，Direction Of Arrival)估计方法、装置及存储介质。

背景技术

DOA估计是阵列信号处理的一个重要研究方向，已经广泛应用于各种军事民用系统，包括无线通信、天文观测、雷达和声纳。DOA估计始终朝着提高精度和超分辨率的趋势发展，并增强对阵列误差、低信噪比、有限快拍等各种未知场景的泛化能力。针对当前常规的DOA估计方案，其都是参数化的方案，也就是说，这些方案都是在假设映射可逆的情况下实现了从信号方向到阵列输出的正向映射。基于上述假设，阵列输出是由预先形成的映射来匹配的，从而实现方向估计。这些参数化方案的性能在很大程度上取决于两种映射之间的一致性，即在数据采集期间从信号方向到阵列输出的正向映射，以及从阵列输出到信号方向的反向映射。

由于在阵列系统中可能存在各种缺陷，例如非理想的传感器设计、阵列的安装、传感器之间的相互干扰以及受到环境因素的影响等；所以，在实际的信号估计过程中，上述缺陷都会对估计性能产生很大的影响，造成估计精度的下降。许多方案通过简化模型来描述各种缺陷的影响，提出自动校准过程来提高 DOA估计的精度。由于简化模型都是从数学角度进行的，并带有各种附加假设。而这些简化和假设不同程度的偏离了实际，如何处理阵列缺陷仍然是一个悬而未决的问题。

此外，除了阵列误差以外，还会存在阵列失效的问题，实际上，阵元失效和阵列误差同时存在才能更加符合阵列系统实际工作情况。但是目前已有的常规方案中，并没有相关方案考虑阵元失效和阵列误差共存时的情况。

发明内容

有鉴于此，本发明实施例期望提供一种基于波束空间的阵列误差和阵元失效的DNN鲁棒性DOA估计方法、装置及存储介质；能够在进行DOA估计时同时考虑阵元失效以及阵列误差所造成的影响，提高对各种阵列缺陷的泛化能力，从而提高DOA估计精度。

本发明实施例的技术方案是这样实现的：

第一方面，本发明实施例提供了一种基于波束空间的阵列误差和阵元失效的深度神经网络DNN鲁棒性波达方向DOA估计方法，所述方法包括：

将接收阵列所接收到的原始阵列接收信号通过设定的分类算法确定所述原始阵列接收信号的阵元失效类型；

通过已训练完毕的去噪自编码器DAE将所述原始阵列接收信号中由于阵元失效所导致的损坏进行恢复，获得恢复后的阵列接收信号；

根据所述恢复后的阵列接收信号的协方差矩阵以及角度空间中各角度区间的波束指向协方差矩阵生成波束空间内的接收信号数据；

将所述波束空间内的接收信号数据输入已利用训练数据集完成训练的并行深度神经网络DNN中与所述阵元失效类型相对应的目标DNN；

将所述目标DNN输出的信号数据通过线性幅度插值获取DOA估计值。

第二方面，本发明实施例提供了一种基于波束空间的阵列误差和阵元失效的DNN鲁棒性DOA估计装置，所述装置包括：确定部分，去噪自编码器DAE，生成部分，并行DNN以及获取部分；其中，