[发明专利]一种MIMO雷达智能DOA估计方法

权利要求书

1.一种MIMO雷达智能DOA估计方法，具体步骤如下：

步骤一、建立稀疏场景下的集中式MIMO雷达回波模型；

采用一个装备有M_t个发射天线和M_r个接收天线的MIMO雷达系统模型，设定MIMO雷达探测到K个相互独立的远场目标，目标的方向可表示为目标信号可表示为T表示矩阵的转置，t表示距离向时间变量；

当目标源相对于整个空域是稀疏时，令表示整个空域的离散采样角度集，L表示采样点数，采样间隔为则在稀疏背景下，接收天线阵列经过匹配滤波后的超完备形式y(t)表示为：

其中，表示阵列导向矩阵，表示M_tM_r×L维的复值列矢量，符号表示Kronecker积，n(t)表示满足高斯分布的加性噪声；表示发射阵列导向矢量，表示接收阵列导向矢量，表达式如下：

其中，λ表示载波波长，d_t和d_r分别表示发射天线之间和接收天线之间的阵元间距，且满足d_r＝d_t/M_r＝λ/2；

s(t)＝[s₁(t),s₂(t),...,s_L(t)]^T表示原始目标信号向量从θ映射到的扩展形式，满足：

其中，s_l(t)表示s(t)中第l个元素，表示中第k个元素；

当对接收阵列的输出进行单快拍采样时，式(1)表示为：

y＝As+n             (5)

其中，和分别表示观察信号矢量、目标信号矢量和噪声矢量，表示导向矩阵；

步骤二、构建深度展开网络的迭代过程；

迭代过程表示为：

其中，s⁽ⁿ⁾和v⁽ⁿ⁾分别表示第n次迭代过程的重构信号和残差，β表示更新步长，func()表示进行稀疏信号重构，h⁽ⁿ⁾表示func()的输入，H表示共轭转置；

步骤三、构建深度展开网络的单层网络结构；

结合式(6)、式(7)和式(8)，第n轮迭代重构的稀疏信号表示为：

其中，W和B表示预先设定的可学习参数，且W＝I-βA^HA，B＝βA^H，I表示单位矩阵；

对于N层的深度展开网络，参数W和B迭代过程展开为一个特殊的前馈神经网络结构，该结构通过反向传播算法进行网络参数的优化，待优化参数即为和则单层网络结构可表示为：

步骤四、构建基于深度神经网络的降噪自编码器；

重新考虑式(7)，令：

其中，δ⁽ⁿ⁾表示第n轮迭代中与真实目标信号矢量s₀之间的误差；

当算法收敛时，稀疏恢复信号会无限逼近真实目标信号矢量s₀，即：

基于式(12)，构建降噪自编码器作为func(·)的具体实现；

步骤五、训练深度展开网络，得到重构的空间谱；

基于步骤一提到的MIMO雷达相关参数生成模型训练所需要的数据集，具体训练过程如下：

首先，将接收阵列经过匹配滤波后的观测信号输入深度展开网络进行前向传播，并计算损失函数值，具体采用均方误差MSE函数作为损失函数；然后，使用自适应矩估计Adam优化器通过反向传播对网络的参数进行更新；最后，经过数次迭代直至损失函数收敛，得到训练完成的深度展开网络模型；

对和进行专门的初始化，即：

且初始化为零向量；

步骤六、对重构的空间谱进行谱峰搜索，实现DOA估计。