专利交易市场

本发明公开了一种基于深度学习的水声阵列信号二维波达方向估计方法，本发明首先基于小波变换对型水声阵列接收信号进行预处理，提取水声信号时频特征，在保留原信号重要信息的前提下，利用线性因子对信号特征进行增强，降低噪声干扰；然后基于奇异值分解对信号进行压缩降维，提取分解后矩阵左上角信号能量部分，摒弃右下角噪声能量部分，增强预处理后信号的时频特征；最后训练基于卷积神经网络的水声阵列信号二维波达方向估计模型，获取准确预测的二维波达方向。本发明能够有效增强信号的时频特性，降低噪声干扰，更精准地预测水声阵列信号二维波达方向。

本发明公开了一种基于深度学习的无网格波达方向估计方法。本发明方法步骤为：建立阵列输出模型；生成神经网络训练数据集；神经网络架构设计及构建半正定协方差矩阵；设置损失函数并训练神经网络；利用神经网络重构半正定协方差矩阵，并估计信号源数；利用重构的半正定协方差矩阵估计信号波达方向。本发明方法中用于波达方向估计的协方差矩阵是由辅助矩阵构造，相比直接用网络输出构造协方差矩阵的方法，保证了构造的协方差矩阵的半正定性。该半正定性更加符合一般的阵列信号处理模型。本发明方法对用于网络训练的损失函数进行了白化处理，减少了损失函数中误差向量中元素之间的相关性，从而可提高基于神经网络的算法的性能。