[发明专利]一种基于RBF神经网络的自修正波束设计方法

权利要求书

1.一种基于RBF神经网络的自修正波束设计方法，其特征在于，包括以下步骤：

步骤1：构造RBF神经网络；

阵元数设为N，RBF神经网络输入层及输出层有N个节点，隐藏层设为M个节点；

输入层输入信号为阵列接收信号的协方差矩阵R₁，R₂，...，P_N，表示为R＝[R₁，R₂，...，R_N]；

隐藏层的径向基函数采用高斯函数，隐藏层的输出信号表示为：其中σ_i为第i个神经元节点上用最小二乘法求得的高斯函数方差，c_i为第i个神经元节点上的函数中心点；

输出层表示为ω₁₁，ω₁₂，...，ω_MN为隐藏层到输出层的连接权值；

步骤2：利用RBF神经网络设计波束；

步骤2-1：设置RBF神经网络参数：

用K-means聚类算法把训练样本X分成M类；第m类的聚类中心矢量设为c(m)，m＝1，2，...，M；各个聚类中心之间的最小距离设为σ(m)；设置网络期望误差e；

步骤2-2：RBF神经网络学习；

步骤2-2-1：获取归一化样本r_n＝X/||X||；

步骤2-2-2：求协方差矩阵：K为快拍数；

步骤2-2-3：利用MVDR算法计算最优权向量W_opt＝[W_opt1，W_opt2，...，W_optj，...，W_optN]，为信号入射的方向向量，r表示阵元的坐标向量，d₁，d₂，...，d_N为干扰源的坐标向量，f_s为阵元信号频率，c为声速，i为虚数；形成样本对(R，W_opt)，R作为RBF神经网络的输入，W_opt作为RBF神经网络的输出；令j＝1；

步骤2-2-4：将第j个样本R_j输入RBF神经网络得到输出

步骤2-2-5：将与步骤2-2-3计算得到的最优权向量W_optj比较，计算期望误差若大于期望误差e，进入步骤2-2-6，否则进入步骤2-2-7；

步骤2-2-6：用递归最小二乘法完成权迭代修正，回到步骤2-2-4；

步骤2-2-7：停止循环运算，将此时的作为第j个最优波束输出对第j个样本R_j的RBF神经网络学习结束，j加1，回到步骤2-2-4训练下一个样本；直到遍历所有的样本，结束循环；

步骤2-3：根据步骤2-2求出的最优波束权向量得到最终输出为即阵列波束输出。