[发明专利]基于多层感知网络的推扫辐射计数字波束合成方法

说明书

本发明涉及基于多层感知网络的推扫辐射计数字波束合成方法，该方法首先建立亮温图像数据库作为推扫辐射计密集馈源阵列观测的输入信号；将所有馈源观测的输出信号作为多层感知网络的输入层，经过隐含层的多个神经元进行全连接，输出层的每一个神经元由上一隐含层所有神经元输出值加权和得到；通过前向传播对输出层的输出结果与设置的期望输出结果之间建立损失函数，判断是否低于设定阈值，低于则完成模型训练，输出数字波束合成后的模型参数；否则，则对损失函数一阶偏导，更新隐含层的网络连接权值及偏置，反向传播至隐含层，进行新一轮的模型训练，直到输出满足设定阈值时的模型参数，至此，完成推扫辐射计的数字波束合成。

技术领域

本发明涉及基于多层感知网络的推扫辐射计数字波束合成方法，属于空间微波遥感技术领域。

背景技术

不同于实孔径辐射计和综合孔径辐射计体制，波束合成推扫辐射计系统在数字域进行波束合成，以此实现天线电性能的窄波束、超高主波束效率，避免机械扫描与大口径天线之间的矛盾，能够用于弥补近岸高分辨率、高精度数据探测的空白。推扫辐射计系统通过对密集馈源阵列的输出进行加权求和，合成多个数字波束，数字波束的波束宽度直接决定了系统的空间分辨率，主波束效率决定了距离海岸线的探测距离以及系统的探测精度。数字波束合成推扫辐射计系统的星载应用尚属空白，且基于超高主波束效率和超高分辨率的波束需求也较少，传统波束合成方法已无法满足应用需求。

为了利用有限的馈源，采用数字波束合成的方式形成窄波束、低旁瓣的方向图信息，以满足高分辨率、高探测精度、近离岸探测距离的应用指标需求。最常见的数字波束合成方法：(1)采用自适应滤波器结合LMS算法，以均方误差最小为判定准则，对波束合成的加权系统进行更新；(2)采用遗传-序列二次规划合优化方法，先搜索全局最优值，再加强局部搜索。不足之处：以上方法都是基于一次线性求和及最小二乘准则搜索得到加权系数的最优值，而为了获取更高的应用指标，则传统方法搜索效率低且很难通过一次线性组合得到满足优化目标的幅相加权值。

发明内容

本发明的技术解决问题是：克服上述现有技术的不足，提供基于多层感知网络的推扫辐射计数字波束合成方法，提升数字波束合成推扫辐射计系统的分辨率、探测精度以及离岸探测距离，为高性能的推扫辐射计系统实现提供了方法。

本发明的技术解决方案为：基于多层感知网络的推扫辐射计数字波束合成方法，该方法步骤如下：

S1、建立多层感知网络并初始化网络连接权值及偏置，所述多层感知网络包括输入层、L-1个隐含层、输出层，输入层用于接收推扫辐射计k个馈源的输出信号，L-1个隐含层以及输出层，对k个馈源的接收信号进行复数加权求和，在输出层得到H个优化后的数字波束；

S2、收集不同观测场景的彩色图片，将彩色图片转成灰度图片，将灰度图片当作推扫辐射计所得到的亮温图像，建立亮温图像数据库；灰度图片中每个像素坐标等效于馈源观测角度每个像素的灰度值等效于亮温值；

S3、从亮温图像数据库中提取亮温图像，根据亮温图像推导得到k个馈源的输出信号，将k个馈源的输出信号作为多层感知网络的输入，经过多层感知网络处理之后，得到输出层的输出值

S4、根据期望得到的数字波束合成后H个波束的天线方向图构建输出层中所有神经元的期望输出信号(t₁,t₂,…,t_h,…,t_H)，结合S4输出层的输出值，建立损失函数；

S5、判断损失函数是否低于设定阈值，若是，则完成多层感知网络的训练，否则，求损失函数一阶偏导，更新网络连接权值及偏置，反向传播到所有隐含层，重复执行步骤S3～步骤S5，不断循环迭代，直至损失函数低于设定阈值时停止反向传播，完成多层感知网络的训练；

S6、采用训练好的多层感知网络对推扫辐射计进行数字波束合成。

优选地，所述多层感知网络中：