基于多层感知网络的推扫辐射计数字波束合成方法与流程

本发明涉及基于多层感知网络的推扫辐射计数字波束合成方法，属于空间微波遥感。

背景技术：

1、不同于实孔径辐射计和综合孔径辐射计体制，波束合成推扫辐射计系统在数字域进行波束合成，以此实现天线电性能的窄波束、超高主波束效率，避免机械扫描与大口径天线之间的矛盾，能够用于弥补近岸高分辨率、高精度数据探测的空白。推扫辐射计系统通过对密集馈源阵列的输出进行加权求和，合成多个数字波束，数字波束的波束宽度直接决定了系统的空间分辨率，主波束效率决定了距离海岸线的探测距离以及系统的探测精度。数字波束合成推扫辐射计系统的星载应用尚属空白，且基于超高主波束效率和超高分辨率的波束需求也较少，传统波束合成方法已无法满足应用需求。

2、为了利用有限的馈源，采用数字波束合成的方式形成窄波束、低旁瓣的方向图信息，以满足高分辨率、高探测精度、近离岸探测距离的应用指标需求。最常见的数字波束合成方法：(1)采用自适应滤波器结合lms算法，以均方误差最小为判定准则，对波束合成的加权系统进行更新；(2)采用遗传-序列二次规划合优化方法，先搜索全局最优值，再加强局部搜索。不足之处：以上方法都是基于一次线性求和及最小二乘准则搜索得到加权系数的最优值，而为了获取更高的应用指标，则传统方法搜索效率低且很难通过一次线性组合得到满足优化目标的幅相加权值。

技术实现思路

1、本发明的技术解决问题是：克服上述现有技术的不足，提供基于多层感知网络的推扫辐射计数字波束合成方法，提升数字波束合成推扫辐射计系统的分辨率、探测精度以及离岸探测距离，为高性能的推扫辐射计系统实现提供了方法。

2、本发明的技术解决方案为：基于多层感知网络的推扫辐射计数字波束合成方法，该方法步骤如下：

3、s1、建立多层感知网络并初始化网络连接权值及偏置，所述多层感知网络包括输入层、l-1个隐含层、输出层，输入层用于接收推扫辐射计k个馈源的输出信号，l-1个隐含层以及输出层，对k个馈源的接收信号进行复数加权求和，在输出层得到h个优化后的数字波束；

4、s2、收集不同观测场景的彩色图片，将彩色图片转成灰度图片，将灰度图片当作推扫辐射计所得到的亮温图像，建立亮温图像数据库；灰度图片中每个像素坐标等效于馈源观测角度每个像素的灰度值等效于亮温值；

5、s3、从亮温图像数据库中提取亮温图像，根据亮温图像推导得到k个馈源的输出信号，将k个馈源的输出信号作为多层感知网络的输入，经过多层感知网络处理之后，得到输出层的输出值

6、

7、s4、根据期望得到的数字波束合成后h个波束的天线方向图构建输出层中所有神经元的期望输出信号(t1,t2,…,th,…,th)，结合s4输出层的输出值，建立损失函数；

8、s5、判断损失函数是否低于设定阈值，若是，则完成多层感知网络的训练，否则，求损失函数一阶偏导，更新网络连接权值及偏置，反向传播到所有隐含层，重复执行步骤s3～步骤s5，不断循环迭代，直至损失函数低于设定阈值时停止反向传播，完成多层感知网络的训练；

9、s6、采用训练好的多层感知网络对推扫辐射计进行数字波束合成。

10、优选地，所述多层感知网络中：

11、输入层接收到的k个馈源的输出信号分别输出至第1个隐含层的神经元，输入层、隐含层的神经元与馈源一一对应，隐含层和输出层的每一个神经元与前一层所有神经元连接，即全连接，同一层的神经元间不相连；将隐含层和输出层共记为l个神经网络层，定义是多层感知网络的第l个神经网络层第j个神经元的输入值，和分别为第l个神经网络层第j个神经元的输出值和偏置值，为第l-1层第n个神经元与第l层第j个神经元的网络连接权值，则有：

12、

13、

14、式中，f(·)为激励函数，n为第l-1层神经元的数量，与馈源的数量相同。

15、优选地，所述激励函数为线性纠正函数、sigmoid函数、tanh函数或者径向基函数。

16、优选地，所述步骤s3中，k个馈源的输出信号表示为馈源i的输出信号为：

17、

18、式中，ηfeed,mi为馈源i的次级天线方向图对应的主波束效率，为馈源主瓣范围内对应的观测场景辐射亮温平均值，表示除了主瓣以外的副瓣波束范围对应的观测场景辐射亮温平均值。

19、优选地，输出层中第h神经元的期望输出信号为：

20、

21、式中，ηbeam,mh为数字波束合成后第h个波束的天线方向图对应的主波束效率，为波束天线方向图的主瓣范围内对应的观测场景辐射亮温平均值，表示波束天线方向图除了主瓣以外的副瓣波束范围对应的观测场景辐射亮温平均值。

22、优选地，主瓣定义为馈源次级天线方向图的2.5倍3db波束宽度范围，馈源的3db波束宽度为则馈源的主瓣范围定义为

23、优选地，损失函数e为:

24、

25、其中，为输出层l的第h个神经元的输出，th为输出层第h个神经元的期望输出。

26、优选地，更新网络连接权值的公式为：

27、其中，为反向传播更新后的第l-1层的n个神经元与第l层的j个神经元的网络连接权值；

28、优选地，所述偏置的更新公式为：

29、

30、为反向传播更新后的第l层的j个神经元的偏置。

31、优选地，所述馈源i的次级天线方向图通过如下方法测试得到：在球面近场将推扫辐射计系统的环焦反射面和密集馈源阵列以馈源阵列中心单元几何位置中心放置于球面近场机械臂规定的中心靶点上；通过控制电机扫描的方式旋转和移动球面近场的机械臂，使球面近场射频发射信号位于馈源阵列坐标系下的不同俯仰角θ、方位角覆盖馈源的全空间立体角，即可获得所有馈源在全空间立体角的射频信号；将所有馈源的射频信号与球面近场射频发射信号的幅度相除、相位相减，获得每个馈源在每个俯仰角θ、方位角的次级天线方向图k为推扫辐射计馈源数量。

32、本发明与现有技术相比的优点在于：

33、(1)、本发明基于多层感知网络的推扫辐射计数字波束合成方法，采用多个神经元、多个层级感知形成多层感知网络，解决数字波束合成中线性不可分的问题，采用多层感知网络形成前向传播，提升模型训练的效率，利用输出层的结果建立损失函数，通过一阶偏导更新网络权值，反向传播至隐含层，进行网络连接权值的训练，直至损失函数满足需求时完成多层感知网络的训练，至此完成数字波束的合成优化。

34、(2)、本发明将数字波束合成问题的输入层信号和输出层信号的复杂二重积分表达方式，简化成馈源和波束的主波束效率与观测场景辐射亮温平均值的线性组合，简化后的参量直接表征了波束合成前馈源次级天线方向图和波束合成后波束天线方向图的电性能，优化问题更直观，且简化了模型训练的过程。

35、(3)、本发明提出的基于多层感知网络的波束合成方法，利用多层网络、多个神经元的复杂激励函数进行非线性组合，区别于传统合成方法采用一次线性求和及最小二乘准则搜索得到加权系数的最优值问题，有利于推扫辐射计的高分辨率、高精度需求指标的实现。

36、(4)、本发明通过收集不同场景的彩色图片，将彩色图片转成灰度图片，图片的灰度值定义为亮温，则形成亮温图像，完成多层感知网络训练的亮温图像数据库的建立。场景图片具有细节复杂、对比度强烈且风格各异等特征，与星载应用时推扫辐射计观测地球场景时具有相同的特征，复杂图像数据库对多层感知网络的训练，增强了数字波束合成的鲁棒性和容错能力，具有极强的适应性。

37、(5)、本发明是针对多个馈源进行数字波束合成时的优化问题提出的解决方法，可以应用于星载、机载及地面的多波束合成的辐射计及相控阵类型的雷达系统，提高系统的性能指标。