基于深度展开网络的单比特稀疏双极子阵列的波达方向估计方法

本发明属于阵列信号处理，具体为一种基于深度展开网络的单比特稀疏双极子阵列的波达方向(direction ofarrival，doa)估计方法。

背景技术：

1、双极子阵列是一种能够感应电磁信号极化信息的阵列，其阵元的输出为电磁波在不同方向的电场强度，完备的电场强度信息为提升阵列探测性能奠定了物理基础。相较与传统标量阵列，该阵列具有较强的抗干扰能力、稳健的检测能力、较高的分辨率和极化多址能力，并因此受到学者的广泛关注。但是，双极子阵列的通道数为同等大小的标量传感器阵列的两倍，双极子阵列对于信号极化信息的探测是靠增加传感器数目实现的，导致系统开销大幅增长，限制了其在阵列规模较大、供电能力较低或成本限制较大的场景中的应用。例如，大规模多输入多输出(multiple-input multiple-output,mimo)系统、车载通信系统和无人机等场景。

2、为了解决双极子阵列系统开销大的问题，学者们在“cheng z,chen s,shen q,etal.direction finding ofelectromagnetic sources on a sparse cross-dipole arrayusing one-bit measurements.ieee access,2020,8:83131-83143”中提出了基于单比特采样技术和稀疏阵列技术的单比特稀疏双极子阵列，单比特采样技术与稀疏阵列技术分别从测量的角度与阵列结构的角度降低了阵列的系统开销。针对单比特稀疏双极子阵列，学者们给出了用于该阵列的波达角(direction ofarrival,doa)估计的单比特多重信号分类(one-bit multiple signal classification,ob-music)算法。但该算法是基于music算法的，而music算法是依赖于信号统计特性的子空间方法，有着music算法固有的局限性，例如，在阵列的阵元数较大且快拍数受限的场景下估计精度不高。

3、随着科技的发展，人们对于阵列信号处理技术的要求越来越高，开始不再满足于简单的目标估计，而需要对目标进行实时的跟踪与检测。在这种需求下，需要大量计算的超分辨算法在计算实时性方面难以满足要求。

技术实现思路

1、本发明的目的在于提出了一种基于深度展开网络的单比特稀疏双极子阵列的波达方向估计方法。

2、实现本发明目的的技术方案为：一种基于深度展开网络的单比特稀疏双极子阵列的波达方向估计方法，包括：

3、步骤1、对稀疏双极子阵列的接收信号使用虚拟信号阵列处理技术进行转换，构建接收信号差分阵列的doa估计优化问题模型；

4、步骤2、将接收信号进行单比特采样，对单比特采样下的接收信号协方差矩阵进行归一化无量化的重构，将差分阵列的doa估计问题转化为稀疏重构问题；

5、步骤3、使用软阈值迭代算法对稀疏信号进行稀疏重构，将ista算法的迭代过程展开为一种结构化的深度神经网络，即深度展开ista；

6、步骤4、创建网络训练集，对深度展开ista网络进行训练，利用训练好的深度展开ista网络从差分阵列接收信号中恢复源信号的波达角。

7、本发明与与现有技术相比，其显著优点为：本发明基于深度展开ista的神经网络减少了求解单比特稀疏双极子阵列波达角问题的计算复杂度和时间复杂度。且深度展开ista网络具有较高的doa估计精度和运算实时性，特别在低快拍和源目标距离较近的场景下，深度展开ista网络具有较大的估计精度优势。

8、下面结合附图对本发明做进一步详细的描述。

技术特征：

1.一种基于深度展开网络的单比特稀疏双极子阵列的波达方向估计方法，其特征在于，包括：

2.根据权利要求1所述的基于深度展开网络的单比特稀疏双极子阵列的波达方向估计方法，其特征在于，对稀疏双极子阵列的接收信号使用虚拟信号阵列处理技术进行转换，构建接收信号差分阵列的doa估计优化问题模型的具体方法为：

3.根据权利要求2所述的基于深度展开网络的单比特稀疏双极子阵列的波达方向估计方法，其特征在于，差分阵列的布置集的具体定义如定义1所述，权值矩阵w的具体定义如定义2所述：

4.根据权利要求1所述的基于深度展开网络的单比特稀疏双极子阵列的波达方向估计方法，其特征在于，将接收信号进行单比特采样，对单比特采样下的接收信号协方差矩阵进行归一化无量化的重构，将差分阵列的doa估计问题转化为稀疏重构问题的具体方法为：

5.根据权利要求4所述的基于深度展开网络的单比特稀疏双极子阵列的波达方向估计方法，其特征在于，使用软阈值迭代算法对稀疏信号进行稀疏重构，将ista算法的迭代过程展开为一种结构化的深度神经网络，即深度展开ista的具体方法为：

6.根据权利要求5所述的基于深度展开网络的单比特稀疏双极子阵列的波达方向估计方法，其特征在于，对于信号x，软阈值算子具体为：

7.根据权利要求1所述的基于深度展开网络的单比特稀疏双极子阵列的波达方向估计方法，其特征在于，将单比特稀疏双极子阵列生成的差分阵列的量化测量信号作为深度展开ista网络的输入数据，具体为：

8.根据权利要求1所述的基于深度展开网络的单比特稀疏双极子阵列的波达方向估计方法，其特征在于，使用最小均方误差作为损失函数度量网络输出和真实值之间的差异性：

技术总结
本发明公开了一种基于深度展开网络的单比特稀疏双极子阵列的波达方向估计方法。本发明首先利用虚拟阵列信号处理技术将单比特稀疏双极子阵列的波达角估计转化为差分阵列的虚拟信号波达角估计，然后利用稀疏重构的方法构建阵列信号模型，使用软阈值迭代算法对稀疏信号进行DOA估计。然后采用深度展开技术对ISTA算法进行展开，设计出一种结构化的深度神经网络――深度展开ISTA。该网络将ISTA中的线性算子与软阈值收缩算子的收缩系数分别映射为网络参数，并在不同网络层的连接处加入卷积核。本发明避免了常规ISTA算法计算复杂度高和收缩系数需要手动调节等问题，数据驱动的方式弥补了信号模型中噪声为高斯白噪声的假设，简单有效。

技术研发人员：陈胜垚,邢天琳,冉龙瑶,刘中,席峰
受保护的技术使用者：南京理工大学
技术研发日：
技术公布日：2024/5/16