[发明专利]一种用于双通道测向系统的深度学习数据集生成方法

权利要求书

1.一种用于双通道测向系统的深度学习数据集生成方法，其特征在于，其实现包括以下步骤：

S1：对部署的测角系统预先标定出待采集数据样本所对应的位置，并用水准仪标注校正源所在各标定位置相对接收阵列的角度；

S2:在预先标定位置逐一发射校正信号，利用双通道测角系统接收校正源信号在各标定位置处的数据；

S3：对采集的实测数据进行数据处理，构造出各校正源角度位置处的数据样本；

S4：在实测数据样本基础上，利用实际双通道阵列流型，借助数值仿真手段模拟通道误差场景、不同信噪比场景下的数据样本，生成数据集；

S41：理想阵列流形模型构建，依次包括以下过程：

阵列天线给定方向求取、阵列天线给定位置求取、阵元间复数电压样本库构建、阵列流形模型构建；

S42：阵列幅-相误差下模型构建，依次包括以下过程：

阵列流形模型矩阵通道幅度误差构建；阵列流形模型矩阵通道相位误差构建；阵列流形模型矩阵重构；

S43：半数值仿真样本生成，依次包括以下过程：

样本特征提取、特征样本归一化处理、半数值仿真样本生成；

S44：批量数据样本生成，依次包括以下过程：

重复步骤，完成首个校正功率条件下，首个校正频点的实测数据集文件下所有位置的半数值仿真样本生成过程；

重复步骤完成校正源所有校正功率条件下，所有校正频点的实测数据集Ω半数值仿真样本生成过程，生成批量数据样本。

2.根据权利要求1所述的一种用于双通道测向系统的深度学习数据集生成方法，其特征在于，上述步骤S1的实现包括以下过程：

S11：根据任务需求设置测角系统工作参数；

S12：根据参数，按照关系式生成校正信号频点集合；

S13：根据参数，按照关系式生成校正信号功率集合；

S14：根据参数，按照关系式生成校正信号角度集合；

S15：根据参数，按照关系式生成校正源位置集合。

3.根据权利要求2所述的一种用于双通道测向系统的深度学习数据集生成方法，其特征在于，上述步骤S2的实现包括以下过程：

S21：首个校正功率条件下，首个校正频点的实测数据采集；

S22：首个校正功率条件下，所有校正频点集合的实测数据采集；

S23：所有校正功率条件下，所有校正频点的实测数据采集。

4.据权利要求3所述的一种用于双通道测向系统的深度学习数据集生成方法，其特征在于，上述步骤S3实现包括以下过程：

S31:各通道数据读取；

S32：时域信噪比等级标签构建；

S33：校正数据样本生成；

S34:得到首个校正功率条件下，首个校正频点的原始实测IQ数据处理。

5.据权利要求2所述的一种用于双通道测向系统的深度学习数据集生成方法，其特征在于，上述步骤S11中的参数包括参数包括起始角度q_start、终止角度q_stop、校正信号发射的角度间隔Dq、系统工作的起始频率f_start、系统工作的终止频率f_stop、校正频率间隔Df、校正信号发射的最大功率值p_max、校正信号发射的最小功率值p_min、校正信号功率变化步进Dp、初始化双通道测角系统天线阵元数M、阵列孔径尺寸D、初始化校正源与阵列天线距离R、校正源与阵列天线距离满足视距传播条件(R³2D²/(c/f_stop)，c＝3′10⁸m/s)、校正源预停留位置原始数据采集时间T、数据预处理分割长度间隔N、通道原始数据读取次数L、实测数据噪声与信号判定门限值等级Thd、初始化设置每种角度标签场景下采用蒙特-卡罗方法随机模拟生成样本个数K、阵元通道幅度抖动误差I、阵元通道相位抖动误差H、阵元通道幅度抖动误差范围Ma、阵元通道幅度误差范围E、理论阵列流程重构样本库建库角度间隔V。