公开(公告)号：CN111505566A

公开(公告)日：2020-08-07

申请号：CN202010384052.9

申请日：2020-05-08

Applicant: 哈尔滨工程大学

Inventor： 蒋伊琳 ,  李向 ,  杨得山

IPC: G01S3/14 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种特高频射频信号DOA估计方法，包括：步骤一：构建基于DNN和RSS的特高频射频信号DOA估计模型，定义传感器的数量K和位置、DOA的范围、角度空间的分辨率；步骤二：根据每个传感器的位置坐标值、测量到的RSS值和信号频率值构建(3·K+1)×1的特征向量，作为神经网络的输入；步骤三：定义神经网络中的层和参数，构建深度神经网络模型；步骤四：生成训练集，采用Adam优化算法和dropout技术训练模型，更新网络参数和防止过拟合现象发生；步骤五：根据训练好的模型进行实际的DOA预测。本发明提高了DOA估计方法在低成本和低复杂度下的适应能力，最终实现了在一定误差范围内的高概率DOA估计。

公开(公告)号：CN111505566B

公开(公告)日：2022-09-16

申请号：CN202010384052.9

申请日：2020-05-08

Applicant: 哈尔滨工程大学

Inventor： 蒋伊琳 ,  李向 ,  杨得山

IPC: G01S3/14 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种特高频射频信号DOA估计方法，包括：步骤一：构建基于DNN和RSS的特高频射频信号DOA估计模型，定义传感器的数量K和位置、DOA的范围、角度空间的分辨率；步骤二：根据每个传感器的位置坐标值、测量到的RSS值和信号频率值构建(3·K+1)×1的特征向量，作为神经网络的输入；步骤三：定义神经网络中的层和参数，构建深度神经网络模型；步骤四：生成训练集，采用Adam优化算法和dropout技术训练模型，更新网络参数和防止过拟合现象发生；步骤五：根据训练好的模型进行实际的DOA预测。本发明提高了DOA估计方法在低成本和低复杂度下的适应能力，最终实现了在一定误差范围内的高概率DOA估计。