[发明专利]面向电力物联网的DOA估计方法、装置和存储介质

权利要求书

1.面向电力物联网的DOA估计方法，其特征在于，包括以下步骤：

获取电力物联网终端的1比特实测测量信号，基于获得的1比特实测测量信号建立原始的稀疏实值信号向量；

利用软阈值收缩函数以及软阈值收缩算子对稀疏实值信号向量的每个非零分量进行标量缩减，得到标量缩减后的稀疏实值信号向量；

将标量缩减后的稀疏实值信号向量以及原始的稀疏实值信号向量输入到训练获得的深度神经网络，基于深度神经网络的输出获得面向电力物联网的DOA估计结果；其中所述深度神经网络包括依次设置的一个输入层、至少一个更新层和一个归一化层，所述输入层用于输入标量缩减后的稀疏实值信号向量以及原始的稀疏实值信号向量，所述更新层采用由不动点延拓算法中的更新梯度公式转化获得的更新迭代规则更新线性权值，所述归一化层的输出就是面向电力物联网的DOA估计结果；

所述由不动点延拓算法中的更新梯度公式转化获得的更新迭代规则，表达式如下：

；

其中表示更新迭代公式，为软阈值收缩算子，是当前的稀疏实值信号向量估计值，是上一更新步骤输出的稀疏实值信号向量估计值；x是输入的原始的稀疏实值信号向量，N、M表示网络更新层中的线性权值。

2.根据权利要求1所述的面向电力物联网的DOA估计方法，其特征在于， 所述归一化层采用的归一化函数表达式为：

；

其中是下一更新步骤输出的稀疏实值信号向量估计值，=-N。

3.面向电力物联网的DOA估计装置，其特征在于，包括：信号获取模块、标量缩减处理模块以及DOA估计模块；

所述信号获取模块，用于获取电力物联网终端的1比特实测测量信号，基于获得的1比特实测测量信号建立原始的稀疏实值信号向量；

所述标量缩减处理模块，用于利用软阈值收缩函数以及软阈值收缩算子对稀疏实值信号向量的每个非零分量进行标量缩减，得到标量缩减后的稀疏实值信号向量；

所述DOA估计模块，用于将标量缩减后的稀疏实值信号向量以及原始的稀疏实值信号向量输入到训练获得的深度神经网络，基于深度神经网络的输出获得面向电力物联网的DOA估计结果；其中所述深度神经网络包括依次设置的一个输入层、至少一个更新层和一个归一化层，所述输入层用于输入标量缩减后的稀疏实值信号向量以及原始的稀疏实值信号向量，所述更新层采用由不动点延拓算法中的更新梯度公式转化获得的更新迭代规则更新线性权值，所述归一化层的输出就是面向电力物联网的DOA估计结果；

所述由不动点延拓算法中的更新梯度公式转化获得的更新迭代规则，表达式如下：

表达式如下：

；

其中表示更新迭代公式，为软阈值收缩算子，是当前的稀疏实值信号向量估计值，是上一更新步骤输出的稀疏实值信号向量估计值；x是输入的原始的稀疏实值信号向量，N、M表示网络更新层中的线性权值。

4.根据权利要求3所述的面向电力物联网的DOA估计装置，其特征在于，

所述归一化层采用的归一化函数表达式为：

；

其中是下一更新步骤输出的稀疏实值信号向量估计值，=-N。

5.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1~2任意一项权利要求所述方法的步骤。