基于RBF神经网络的非均匀阵列波达方向估计

《基于RBF神经网络的非均匀阵列波达方向估计》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、52航天电子对抗第28卷第2期基于RBF神经网络的非均匀阵列波达方向估计林鸿龙，魏贺亮，李修和，沈阳，黄燕(解放军电子工程学院，安徽合肥230037)摘要：通过构建RBF(径向基函数)神经网络测向模型对非均匀阵列的单信号源和多信号源进行来波方位估计。仿真实验表明，在非均匀阵列情况下基于RBF神经网络的DOA估计方法比常规的测向方法具有更高的估计精度和时效性。关键词：RBF神经网络；非均匀阵列；测向中图分类号：TN959文献标识码：ADOAestimationofno~uniformantennaarrayba

2、sedOilRBFneuralnetworkLinHonglong，WeiHeliang，LiXiuhe，ShenYang，HuangYang(ElectronicEngineeringInstituteofPLA，Herei230037，Anhui，China)Abstract：ThesingleandmultipleDOAestimationmodelbasedonRBFNNisconstructedtocomputetheanglesofthereceivedsingleandmultiplesigna

3、ls．TheexperimentalresultsshowthatthemethodbasedonRBFNNhasabetterperformancethantheconventionalmethodintheaspectsofaccuracyandreal-timepro—cessing．Keywords：RBFneura1network；non-uniformantennaarray；directionfinding式中S(￡)是接收的第个信号的复包络，是第i个0引言阵元接收到的加性噪声。假设此噪声是均值

4、为零的高相对于传统的测向方法，利用RBF神经网络进行斯白噪声，且不同阵元之间的互相独立，方差相等。D0A估计能取得较高的测向精度和良好的时效性。将式(1)表示成向量的形式：目前已有大量的实验验证了RBF神经网络的方法在X()=A()S()+N(￡)(2)均匀阵列测向中应用的可行性l_1]。对于非均匀阵列定义A()=(n()，a(02)，⋯，n())为方向矢量的测向，神经网络同样可以发挥其优势。本文将RBFa(O)构成的方向矩阵，其中i=1，2，⋯，P，则信号在神经网络应用于非均匀阵列的DOA估计，并与传统方向

5、上的方向矢量可以表示为：的测向算法进行性能比较以验证其有效性。a(Oi)=(exp(j2nr21cos(0~一y1))，exp(j2rrr)t·l阵列模型cos(<一))，⋯，exp(j2nrA。。cos(0,一y5)))(3)假设一个非均匀圆阵，由M个阵元组成(以五元阵式中，为第个阵元与圆心之间的连线与轴为例)，阵元半径为r，阵元与参考点间距相等，阵元1，的夹角。2，3，4，5与参考点的连线与标准方位成0。，72。，144。，216。，288。。P个波长为的窄带平面波，分别从，，2单信号源估计⋯，入射，第i

6、个阵元接收到的信号用z(￡)表示为：在单信号源方向估计中，目前的测向设备通常使P(￡)：：(￡)exp(j2arcos(～y)／)+(￡)用相关干涉仪测向算法。但是在高精度测向时，相关f：l干涉仪测向算法需要大量的样本，要占用大量的存储i=1。2，⋯，5(1)空间，而且样本的适应能力差。而利用神经网络建模的方式，虽然样本数量可以与相关干涉仪的样本相同*基金项目：国家自然科学基金(No．60801044)收稿日期：2011—11—21；2012—02—20修回。或者更多，但由于算法只是利用样本进行训练构建模作者

7、简介：林鸿龙(1986一)，男，硕士研究生，主要从事通信干扰型，属于离线工作，并不影响实际的测向速度。技术方面的研究。2．1方位特征的选择2012)林鸿龙，等：基于RBF神经网络的非均匀阵列波达方向估计53关于使用神经网络进行DOA估计，可提取的特的方法，但是它还是存在将近1．5。的误差。可见相关征一般有三种：相位差、协方差矩阵和特征向量。其中干涉仪测向的精度与原始数据样本的角度间隔有很大协方差矩阵作为方位特征，包含信息丰富，且考虑到其的关系，原始相位差样本中角度间隔的选取直接限制对称性以及对角线元素不含有任

8、何方向信息，因此选了相关干涉仪测向的精度，而神经网络由于其泛化能择协方差矩阵中对角线以上的元素作为训练样本(不力，其估计精度并没有受到太大的影响。包含对角线元素)。2．2模型构建的方法步骤i。1)利用非均匀阵列产生训练样本集。信号的来波1．方位设定在0。～360。，信号的信噪比在一定范围内随机产生，提取协方差矩阵上三角部分作为方位特征信息a=(R12，⋯，R15，⋯，R23，⋯，R25，⋯，R5(5