[发明专利]确定波达方向的方法和装置

说明书

本申请提供了一种确定DOA的方法和装置。该方法包括：获取阵列输出矩阵Y，所述阵列输出矩阵Y为K个电磁信号经过快拍采样得到的输出矩阵，所述K为正整数；根据分类神经网络和所述阵列输出矩阵Y从多个预设DOA中确定K个预测DOA，所述分类神经网络用于确定所述阵列输出矩阵Y与所述K个预测DOA的对应关系。电磁信号的DOA不同，阵列输出矩阵也不同。分类神经网络通过训练，能够学习到不同DOA对应的阵列输出矩阵的特征，从而可以在应用过程中准确确定阵列输出矩阵Y对应的DOA，该过程无需进行迭代求解运算，可以减小计算DOA所需的计算资源，有利于计算能力不足的测量设备快速确定电磁信号的DOA。

技术领域

本申请涉及电子技术领域，尤其涉及一种确定波达方向的方法和装置。

背景技术

电磁波是由振荡方向垂直的电场和磁场组成的波。电磁波的传播具有方向性，电磁波的发射位置不同，到达接收装置时的入射角度也不同，该入射角度即波达方向(direction ofarrival，DOA)。获取入射电磁波的DOA具有重要意义，例如，反辐射导弹获取雷达信号的DOA后，能够基于雷达信号的DOA确定雷达所在位置，准确摧毁雷达。

一种测量DOA的方法是利用DOA和传感器阵列输出之间的非线性模型确定目标信号的DOA。例如，可以利用信号在空域是稀疏的这一先验知识，将非线性参数估计问题转化为线性模型下的稀疏信号回复问题求解。然而，基于非线性模型的方法需要迭代求解最优解，因此，这类方法的计算复杂度较高。

发明内容

本申请提供了一种确定DOA的方法、装置、计算机可读存储介质和程序，能够减小DOA计算过程中的计算复杂度。

第一方面，提供了一种确定DOA的方法，包括：获取阵列输出矩阵Y，所述阵列输出矩阵Y为K个电磁信号经过快拍采样得到的输出矩阵，所述K为正整数；根据分类神经网络和所述阵列输出矩阵Y从多个预设DOA中确定K个预测DOA，所述分类神经网络用于确定所述阵列输出矩阵Y与所述K个预测DOA的对应关系。

电磁信号的DOA不同，阵列输出矩阵也不同，因此，阵列输出矩阵与DOA之间存在对应关系，基于阵列输出矩阵确定DOA的问题相当于分类问题。分类神经网络通过训练，能够学习到不同DOA对应的阵列输出矩阵的特征，从而可以在应用过程中准确确定阵列输出矩阵Y对应的DOA(即，确定阵列输出矩阵Y所对应的DOA类别)。该过程无需进行迭代求解运算，可以减小计算DOA所需的计算资源，有利于计算能力不足的测量设备快速确定电磁信号的DOA。

可选地，所述分类神经网络包括n个分类器，所述n个分类器中任意一个分类器的分类数小于所述多个预设DOA的数量，所述n为大于1的正整数；所述根据分类神经网络和所述阵列输出矩阵Y从多个预设DOA中确定K个预测DOA，包括：将所述阵列输出矩阵Y分别输入所述n个分类器，得到n个输出结果，所述n个输出结果用于指示所述阵列输出矩阵Y对应的DOA属于所述多个预设DOA中各个DOA的概率；根据所述多个输出结果的连乘结果确定标签矩阵根据所述标签矩阵从所述多个预设DOA中确定所述K个预测DOA，其中，所述标签矩阵中的K个最大的元素值与所述K个预测DOA存在关联关系。

预设DOA的数量可以是N，相比于N分类的one-hot分类器，n个分类器的分类数小于N，因此，n个分类器中各个分类器的参数量少于one-hot分类器的参数量。当使用n个分类器提取阵列输出矩阵Y的特征时，可以复用相同的计算资源依次运行n个分类器，从而减少了特征提取所需的计算资源，有利于计算资源不足的测量设备应用上述方法。此外，在训练分类神经网络时，计算资源充足，可以并行训练n个分类器，从而可以提高分类神经网络的训练效率。

可选地，所述n个分类器中各个分类器的分类数为互质的数值。

当n个分类器的分类数为互质的数值时，n个分类器的分类结果具有高可分性，并且，n个分类器之间具有相互独立性，有利于提高分类神经网络的预测准确性。