[发明专利]分布式MIMO雷达目标定位的全连接网络结构选择方法

说明书

本申请公开了分布式MIMO雷达目标定位的全连接网络结构选择方法，涉及信号处理技术领域。本申请包括采集目标的回波信号并按信号采样值顺序排列成一列接收信号；处理接收信号，计算每条信号路径的时延的极大似然估计；整合所有路径的时延估计为一个估计向量，并基于估计向量采用FCN作为估计器得到最终的目标物体位置估计；推导给定FCN，训练集，以及训练方法下的均方误差界并基于均方误差界，构建网络结构设计的优化问题；采用遗传算法解决网络结构设计的优化问题得到最优FCN结构。本申请选取的FCN结构实现更好的估计性能。

技术领域

本申请涉及信号处理技术领域，具体涉及分布式MIMO雷达目标定位的全连接网络结构选择方法。

背景技术

目标定位问题是分布式多输入多输出(Multiple Input Multiple Out，MIMO)雷达中一个非常重要的问题。在该类问题中，先通过本地的处理估计得到中间观测值，比如到达时间，到达时间差，或到达角，然后将该中间观测值送到融合中心得到目标物体的位置估计。虽然通过本地信号处理得到了中间观测值，但它与目标物体位置之间的映射依然比较复杂。

基于学习的方法能够在可控的复杂度内较好的拟合复杂的映射，但基于学习的方法的性能与神经网络的结构有较大的关系。

故，如何研究用于分布式MIMO雷达目标定位的FCN结构设计方法是有必要的。

发明内容

针对背景技术的不足，本申请提供了解决上述问题的分布式MIMO雷达目标定位的全连接网络结构选择方法。因MIMO雷达目标定位的性能与全连接网络(Fully ConnectedNetwork，FCN)结构有较强的关系，而学习的方法的性能与神经网络的结构有较大的关系。本申请采用机器学习中的FCN来完成目标定位。

本申请通过下述技术方案实现：

第一方面，本申请提供一种分布式MIMO雷达目标定位的全连接网络结构选择方法，包括：

采集目标的回波信号并按信号采样值顺序排列成一列接收信号；

处理接收信号，计算每条信号路径的时延的极大似然估计；

整合所有路径的时延估计为一个估计向量，并基于所述估计向量采用FCN作为估计器得到最终的目标物体位置估计；

推导给定FCN，训练集，以及训练方法下的均方误差界并基于所述均方误差界，构建网络结构设计的优化问题；

采用遗传算法解决网络结构设计的优化问题得到最优FCN结构。

可选的，所述采集MIMO雷达发射向目标的回波信号并按采样值顺序排列成一列接收信号，包括：

分布式MIMO雷达系统的多个发射机发射至目标的发射信号，经目标后多个接收机接收，并依据接收信号的信号采样值按顺序排列成一列接收信号，其中，所述发射信号正交且经过时间后保持正交，所述一列接收信号包括路径下的目标物体反射系数、时间白和空间白的高斯噪声、发射信号功率和采用时间间隔。

可选的，所述训练集根据时延和位置的关系产生，所述训练集的收集过程，即构建训练集的过程，包括：

选定一区域，对二维坐标系的两个维度分别进行间隔采样，对采样收集的数据进行处理，包括对时延处理至时延的每一个元素在范围[0,1]之内，对目标物体位置归一化处理至目标物体位置的每一个元素在范围[0,1]之内。

可选的，所述推导给定FCN，训练集，以及训练方法下的均方误差界并基于所述均方误差界，构建网络结构设计的优化问题，包括：

FCN的输入是归一化后的时延，输出经过线性变换得到最终的目标物体位置估计，在训练阶段采用MSE作为损失函数，当训练迭代次数达到设定值时迭代停止，得到优化后的FCN网络参数。