买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国人民解放军国防科技大学

摘要：本发明公开了一种在低信噪比背景下高精度DOA估计的方法，该方法针对低信噪比、短快拍、宽带信号等特定环境时，利用深度学习大数据样本处理技术进行DOA估计，为提高估计精度，设计BiLSTM‑ResNet融合模型的DOA估计方法，以阵列信号采样数据和信号特征作为网络的数据输入，BiLSTM网络具有对于序列数据处理的优势，先用BiLSTM提取局部的长距离特征，挖掘各个阵元数据先后顺序隐含的关联性，再融合ResNet作为采样数据的特征提取网络，有效地挖掘各个阵元之间的非线性时空深度关联特征，从而实现高精度测向，该模型对阵列结构、多通道的幅相误差、信号入射方向以及信号带宽具有自适应性。

主权项：1.一种在低信噪比背景下高精度DOA估计的方法，其特征在于，包括以下步骤:步骤一：数字采样，对阵元通道的信号进行AD采样，并进行预处理，得到数字采样信号；步骤二:特征提取，提取各阵元通道数据采样信号的特征数据，特征数据包括频率特征、各阵元通道信号相对幅度特征、相位差特征和协方差特征；步骤三：根据定义BiLSTM-ResNe网络结构，使用步骤一的采样数据和步骤二中特征数据对进行BiLSTM-ResNe网络训练，得到BiLSTM-ResNet融合网络的DOA估计模型；DOA估计模型的隐藏层采用3层BiLSTM网络结构；步骤四：通过BiLSTM-ResNet融合网络的DOA估计模型进行测向；步骤三中，BiLSTM-ResNe网络对训练集的训练过程为：S1：加载数据，随机抽取测试样本集中70％样本作为训练数据；S2：定义BiLSTM-ResNet网络结构，BiLSTM隐藏层输出连接单层卷积神经网络后，再加载预训练好的ResNet50网络，卷积层用于调整ResNet50输入数据的维度，由DOA类别个数对ResNet50网络结构的池化层、全连接层、Softmax层和输出分类层的结构进行调整；S3：转换输入层数据格式，设置mini-batch为100，初始学习率设置为0.01，最大训练轮数Epoch最大训练次数为50；根据数据集设定2个全连接层输出的参数，输出分类数设置与DOA估计模型的分类数相同；S4：BiLSTM-ResNet网络模型训练，使用设置好的参数训练BiLSTM-ResNet网络并存储模型；S2中，对ResNet50网络结构的调整是用1个最大池化、2个全连接层，1个Softmax层和1个输出分类层替换池化层、全连接层、Softmax层和输出分类层。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 一种在低信噪比背景下高精度DOA估计的方法