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：重庆邮电大学

摘要：本发明涉及一种基于多标签条件生成对抗网络稀疏重构的互质相控阵列DoA估计方法，属于计算机人工智能领域。首先进行数据预处理，将归一化互质阵列协方差矩阵的实部和虚部数据作为生成器的特征输入，同时将待重构的均匀阵列的协方差矩阵作为生成器特征输出；最后，对生成的均匀阵列协方差应用旋转不变性的信号参数估计技术来获得目标信号的DoA估计。仿真实验表明，mcGAN能有效控制目标模式的生成，避免了模式错配或模式崩溃，并且生成器具有较好的泛化能力。基于重构数据，mcGAN‑ESPRIT能快速、准确地获得目标信号的DoA估计，特别是对空间对紧邻信号有较好的空间辨识能力，从而验证了所提算法的有效性和精确性。

主权项：1.基于多标签条件生成对抗网络稀疏重构的互质相控阵列DoA估计方法，其特征在于：该方法包括以下步骤：S1：建立系统模型；线性互质稀疏阵列由两个子阵表示，子阵列天线阵元的位置坐标分别为{0,Md,2Md,...,N-1Md}和{0,Nd,2Nd,...M-1Nd}，其中M和N为互质整数且MN，d＝λ2，λ为信号波长；互质阵列天线阵元数目为|S|＝M+N-1；S＝{Mnd|0≤n≤N-1,n∈Z}∪{Nmd|0≤m≤M-1,m∈Z}1S表示互质阵列天线阵元位置集合，运算符|·|表示集合中元素个数；Z为整数；和互质阵列相同孔径的ULA阵元位置集合表示为：U＝{pd|0≤pd≤maxS,p∈Z}2其中maxS＝M-1Nd表示互质阵列天线阵元最大位置，ULA的阵元数目为|U|＝MN-N+1；设K个不相关远场窄带信号的入射方向为θk，k＝1,2,…,K，则互质阵列接收信号的第t个快拍矢量分别表示为：Xt＝BAst+Nt3其中t＝1,2,…,T，T为快拍总数；A＝[aθ1,aθ2,…,aθK]∈C|U|×K表示ULA的流形矩阵，aθk表示第k个信号在入射方向θk上的流形矢量： 其中j表示虚数单位，上标T表示转置；st＝[s1t,s2t,...,sKt]T表示K个信号的第t次快拍样本矢量；设定信号均值为0，协方差为Rs，即Est＝0,EstsHt＝Rs5其中上标H表示共轭转置，E表示期望运算；Nt表示第t个噪声快拍样本矢量；假定各通道的复噪声不相关，且服从零均值高斯正态分布，噪声方差为δ2，且噪声和信号不相关；ENt＝0,ENtNHt＝δ2I6式3中B为互质阵列阵元到ULA阵元的|S|×|U|维映射矩阵，它的元素定义为： 其中i＝1,2,…,|S|，k＝1,2,…,|U|；B的每个行向量有且仅有一个元素为1，表示互质阵列阵元与ULA阵元存在映射关系，其余的元素为零，表示实际互质阵列阵元与ULA阵元不存在映射关系；B具有稀疏性，若将Ast作为一个|U|维列向量，则B就是稀疏采样矩阵，式3就是经典的稀疏重构或者压缩感知问题；S2：建立mcGAN算法；利用mGAN来对互质阵列数据进行稀疏重构得到均匀阵列数据，首先确定网络的输入数据和输出数据；对互质阵列接收快拍数据进行预处理确定输入特征数据；DoA估计理论指出信号方向信息包含在接收快拍的协方差矩阵之中；设接收快拍的协方差矩阵为：RX＝EXtXHt＝BARsAHBH+δ2I8若令ULA接收快拍的协方差矩阵为RU，则：RU＝ARsAH+δ2I9将式9代入8，由于BBH＝I，得到：RX＝BRUBH10将系统模型转化为由|S|维互质阵列协方差矩阵RX经过稀疏重构生成|U|维ULA协方差矩阵RU的问题；基于RX和RU的共轭对称性质，将归一化的RX下三角矩阵的实部和虚部数据作为mcGAN的生成器神经网络的特征输入，将RU的下三角矩阵的实部和虚部数据作为待重构的生成器神经网络特征输出，其中需要除去RU中与RX相同的那部分数据；生成器输入是互质阵列协方差数据，特征维度为|S|2，相应的生成器输出特征数据维度为|U|2-|S|2；为控制生成器按期望模式生成数据，给鉴别器提供信息，在训练阶段将K个信号的真实DoA数据作为K维标签特征输入给鉴别器，它分别和来自ULA协方差数据以及生成器数据组合成为|U|2-|S|2+K维输入特征数据，鉴别器输出数据为真1或假0；在完成mcGAN网络训练后，使用生成器网络生成|U|2-|S|2维数据，结合输入的|S|2维特征数据，完成ULA的协方差矩阵RU的生成，使用DoA估计算法对信号DoA参数进行估计，使用代数求解DoA估计算法ESPRIT完成DoA的求解。

全文数据：

权利要求：

百度查询： 重庆邮电大学 基于多标签条件生成对抗网络稀疏重构的互质相控阵列DoA估计方法