[发明专利]基于神经计算的短波单站多目标地理坐标快速估计方法有效

专利信息
申请号: 201911325189.0 申请日: 2019-12-20
公开(公告)号: CN111079929B 公开(公告)日: 2022-10-14
发明(设计)人: 王鼎;唐涛;徐文艳;杨宾;张莉;王成;杨泽宇;魏帅;孙晨;李崇 申请(专利权)人: 中国人民解放军战略支援部队信息工程大学
主分类号: G06N3/08 分类号: G06N3/08;G06N3/04;G06F17/16
代理公司: 郑州大通专利商标代理有限公司 41111 代理人: 张立强
地址: 450000 河*** 国省代码: 河南;41
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 神经 计算 短波 多目标 地理 坐标 快速 估计 方法
【权利要求书】:

1.一种基于神经计算的短波单站多目标地理坐标快速估计方法,其特征在于,包括:

步骤1:初步判定短波目标源所处的地理坐标范围,并将其划分成N个扇区{S(n)}1≤n≤N,每个扇区最多仅同时包含1个短波目标源;

步骤2:在每个扇区内选择若干个离散位置点,利用所述离散位置点的地理坐标获得其相对于单站的阵列流形向量样本;

步骤3:基于所述阵列流形向量样本,构造多目标地理坐标位置谱矩阵学习样本;

步骤4:利用所述多目标地理坐标位置谱矩阵学习样本训练第1种多层前馈神经网络,所述第1种多层前馈神经网络用于检测多目标所处的扇区分布;

步骤5:针对每个扇区,利用多目标地理坐标位置谱矩阵学习样本训练第2种多层前馈神经网络,所述第2种多层前馈神经网络用于进行空域滤波从而将多谱峰谱变成各个扇区内的单谱峰谱;

步骤6:针对每个扇区,基于阵列流形向量样本,构造单目标地理坐标位置谱矩阵学习样本;

步骤7:针对每个扇区,利用所述单目标地理坐标位置谱矩阵学习样本训练第3种多层前馈神经网络,所述第3种多层前馈神经网络用于建立各个扇区内单谱峰谱与目标地理坐标之间的映射关系;

步骤8:在实时定位环节,针对实际场景中的多个短波目标源,利用均匀圆阵对其辐射信号进行接收和采集,并且利用子空间方法获得实际场景中的多目标地理坐标位置谱;

步骤9:基于所述多目标地理坐标位置谱生成位置谱矩阵,并输入到第1种多层前馈神经网络,将第1种多层前馈神经网络的输出依次通过第2种多层前馈神经网络及第3种多层前馈神经网络,第3种多层前馈神经网络的输出值即为每个短波目标源地理坐标的最终估计值。

2.根据权利要求1所述的基于神经计算的短波单站多目标地理坐标快速估计方法,其特征在于,所述步骤2包括:

在第n个扇区S(n)中选择M个离散位置点,对应的地理坐标分别为其中为第n个扇区第m个离散位置点对应的经度,为第n个扇区第m个离散位置点对应的纬度,针对每个离散经纬度通过下式依次确定各离散位置点相对于单站的方位角和仰角:

式中{θss}表示单站的地理坐标,θs为单站的经度,βs为单站的纬度;R表示地球半径;H表示电离层虚高;其余参量的表达式如下:

其中z1、z2为坐标转换向量,为短波单站与短波目标源之间的地心角的1/2;

将单站安装L元均匀圆阵,利用方位角仰角以及均匀圆阵列流形向量的计算公式依次获得对应的阵列流形向量样本

3.根据权利要求2所述的基于神经计算的短波单站多目标地理坐标快速估计方法,其特征在于,所述步骤3包括:

在N个扇区中选取与短波目标源数目相等的D个不同的扇区在每个选中的扇区中选择1个阵列流形向量样本并基于选择的阵列流形向量样本构造阵列流形矩阵:

通过下式计算正交投影矩阵:

基于正交投影矩阵构造多目标地理坐标位置谱函数fB(θ,β),从而得到多目标地理坐标位置谱:

在步骤1中初步判定的短波目标源所处的地理坐标范围内,按照一定的步长将多目标地理坐标位置谱网格化,利用每个网格的谱值构造多目标地理坐标位置谱矩阵{Pk}1≤k≤K作为学习样本,其中为多目标地理坐标位置谱矩阵学习样本个数。

4.根据权利要求3所述的基于神经计算的短波单站多目标地理坐标快速估计方法,其特征在于,所述步骤4包括:

利用向量化算子vec(·)将第k个多目标地理坐标位置谱矩阵Pk转化成向量pk,并将pk作为神经网络的输入值,有限个离散整数作为神经网络的输出值,训练第1种多层前馈神经网络。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军战略支援部队信息工程大学,未经中国人民解放军战略支援部队信息工程大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911325189.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top