Py学习  »  机器学习算法

【期刊】基于深度学习的FDA-MIMO雷达协方差矩阵缺失数据恢复方法

蔻享学术 • 8 月前 • 69 次点击  




背景介绍




面对日益复杂的电磁环境,有源干扰信号给雷达系统带来的巨大的挑战。FDA-MIMO雷达具有角度-距离相关的波束性能,且通过MIMO技术扩展了该雷达系统的自由度,使其能够在抗有源干扰信号方面展现特有的优势。因此,许多学者针对FDA-MIMO雷达抗有源干扰技术开展了广泛的研究。在绝大多数波束形成算法中,均建立在雷达系统获得完整的协方差矩阵的基础上。然而,由于硬件存储设备老化等问题,可能会导致系统中存储的协方差矩阵出现数据缺失等现象,从而导致相关波束形成算法性能严重下降。为了克服协方差矩阵缺失等问题,对基于深度学习的FDA-MIMO雷达智能化波束形成方法开展了深入研究。

图 1 FDA-MIMO雷达智能化波束形成方法框架




团队工作




近年来,空军工程大学谢军伟教授团队对频控阵雷达技术、FDA-MIMO雷达抗干扰、智能化信号处理等开展了深入研究。

为了克服协方差矩阵数据缺失对波束形成算法性能的影响,提出了一种基于深度学习的FDA-MIMO雷达协方差矩阵数据恢复方法,并建立了协方差矩阵恢复-自适应波束形成的两阶段处理框架。一种双通道生成对抗网络(GAN)被用来解决矩阵数据恢复问题,该网络主要由鉴别器(D)和生成器(G)两部分组成:生成器主要功能是输出完整的矩阵数据,而鉴别器则是判别数据为真实数据还是填补数据。整个网络通过鉴别器和生成器之间相互对抗使生成器生成样本接近于真实数据的分布,从而实现对协方差矩阵缺失数据的恢复。在获得完整的协方差矩阵的基础上,利用相关波束形成算法实现对FDA-MIMO雷达波束形成矢量的优化设计,从而提高该雷达系统的抗干扰能力。


图 2 双通道GAN网络结构
该工作已发表在《雷达学报》网络优先出版的论文“于深度学习的FDA-MIMO雷达协方差矩阵缺失数据恢复方法”(丁梓航,谢军伟,王博)。




论文介绍




该文主要研究了基于随机缺失的FDA-MIMO雷达干扰加噪声协方差矩阵的数据恢复问题,并在此基础上构建了协方差矩阵恢复-自适应波束形成的抗有源干扰框架。首先建立双通道生成对抗网络(Generative Adversarial Network. GAN),利用先验协方差数据对该网络进行训练,以实现缺失协方差矩阵数据实部和虚部的同时恢复。在完成协方差矩阵数据恢复后,利用自适应波束形成算法对FDA-MIMO雷达波束进行优化,以实现对有源干扰信号的压制,提升雷达系统的抗干扰能力。

仿真实验证了在不同目标数量条件下所提FDA-MIMO雷达干扰加噪声协方差矩阵缺失数据恢复方法的有效性。实验首先展示了恢复前后协方差矩阵数据实部和虚部的灰度图。从灰度图结果可以看出,完成训练后的双通道GAN网络能够有效恢复协方差矩阵的缺失数据。


(a)完整矩阵  (b)缺失矩阵  (c)恢复矩阵

图 3 协方差矩阵实部灰度图

  

(a)完整矩阵  (b)缺失矩阵  (c)恢复矩阵

图 4 协方差矩阵实部灰度图

接下来,在所提矩阵数据恢复方法有效性被验证的基础上。主要分析了不同数据损失率,以及网络层数的变化对矩阵缺失数据恢复性能的影响。对于4种不同的损失率,所提算法均能够有效地实现网络训练的收敛,并具有几乎相同的收敛速度。且随着数据损失率的提高,所提矩阵数据恢复算法的性能将会出现一定程度的衰减。对于不同的网络层数,在训练开始阶段,相较于3层神经网络结构,6层和9层网络可以在一定程度上提高训练的收敛速度,且3层神经网络的数据恢复性能最差。

图 5 矩阵恢复数据的RMSE在训练过程中的变化情况(不同损失率)

图 6 矩阵恢复数据的RMSE在训练过程中的变化情况(不同网络层数)


此外,还比较了协方差矩阵恢复前后的波束形成性能,仿真模拟了协方差矩阵恢复前后对应生成的波束方向图。结果验证了所提协方差矩阵恢复算法能够有效保证FDA-MIMO雷达形成稳定有效的波束方向图,从而实现该雷达系统的抗干扰性能。

(a) 缺失协方差矩阵                 (b) 恢复协方差矩阵

图7 不同协方差矩阵对应的FDA-MIMO雷达波束方向图
最后对该文进行了总结,并对FDA-MIMO雷达抗干扰面临的挑战和未来的研究方向进行了展望。



作者简介




丁梓航,博士研究生,研究方向为频控阵雷达波束设计、频控阵抗干扰,智能信号处理。

谢军伟,博士,空军工程大学教授,研究方向为新体制雷达系统设计、干扰与抗干扰技术。

王博,博士,空军工程大学讲师,研究方向为频控阵波束设计、参数估计等。









个性化订制会议网站。您只需填写会议信息,系统即可自动为您创建会议网站。为您免费提供网站域名,您也可以自定义域名。创建会议后,可调整会议网站的展示样式。只需注册一次,即可通过该注册账号进入平台上所有的会议网站,无需重复注册。以强大的云端为支撑,您无需提供单独的服务器,只需连接上互联网,即可拥有自己的会议网站。可以自定义会议的参会条件、会议投稿条件,提供线上系统签到功能,同时也提供线下签到表,线上线下齐驱并进。为您提供多种收费方式,会议主办方可根据需求自定义收费类型和收款方式。为您提供自定义邮箱功能,可配置会议主办方的通知邮件,自定义通知邮件模板,满足多类邮件设置需求。

会务官网


跳转相关链接获得更多详情:
【重磅发布】蔻享会议服务系统正式上线
蔻享会议服务系统新增在线缴费开票功能




服务学术、传播科学,蔻享学术团队倾情推出科学家自己的专业书店——蔻享书苑


书苑官网

跳转相关链接获得更多详情:

【号外号外】蔻享书苑正式上线

【蔻享书苑】诺奖“花落”量子信息,你对量子“知多少”?| 量子科学推荐书单

【蔻享书苑】新书推荐 | 走进生命科学领域的必读书单--生命科学名著系列

【蔻享书苑】新书推荐 | 中国学科及前沿领域2035发展战略丛书

【蔻享书苑】新书上架推荐

推荐阅读

【期刊】开与关的抉择--DnaA蛋白依赖的his操纵子转录衰减核糖开关>>

【期刊】多晶及单晶高镍三元材料的可控制备及其电化学储锂特性研究>>

【期刊】多场景下动力电池安全特征参数的阈值测试与分析>>

【期刊】基于外源性气层的液滴排斥表面, 可适用于防雨车窗等特殊动态场景>>

【期刊】南京大学张彦旭团队开发新型大气微塑料传输模式GC-MP>>

【期刊】西安交大 • 异质外延单晶金刚石及其相关电子器件的研究进展>>

【期刊】颗粒悬浮流全解析直接数值模拟的GPU赋能加速计算>>

【期刊】烷基链长度对非对称含噻吩五元稠环化合物传输性能的影响>>

【期刊】硅基负极助力高性能固态电池>>

【期刊】西藏来源的植物内生酵母Wickerhamomyces rabaulensis生产γ-氨基丁酸>>


蔻享学术 平台


蔻享学术平台,国内领先的一站式科学资源共享平台,依托国内外一流科研院所、高等院校和企业的科研力量,聚焦前沿科学,以优化科研创新环境、传播和服务科学、促进学科交叉融合为宗旨,打造优质学术资源的共享数据平台。

识别二维码,

下载 蔻享APP  查看最新资源数据。


点击阅读原文,查看更多精彩!

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/161456
 
69 次点击