-
题名基于双卷积自编码器的自适应波束形成
- 1
-
-
作者
蒋伊琳
李帅
郑沛
唐元博
-
机构
哈尔滨工程大学
航空工业电磁频谱协同探测与智能认知联合技术中心
试验物理与计算数学国家级重点实验室
-
出处
《电子与信息学报》
北大核心
2025年第2期510-518,共9页
-
基金
国防科技基础加强计划(2019-JCJQ-ZD-067-00)。
-
文摘
在低信噪比环境下,阵列天线获取空域信号的来波方向极其困难,导致一般的波束形成方法无法准确形成正对入射信号的波束。针对上述问题,该文提出了一种基于双卷积自编码器的盲接收自适应波束形成(Dual Convolutional AutoEncoder-Adaptive Beamforming,DCAE-ABF)方法,该方法在基于大量空域统计信息的情况下,以时域-频域联合条件作为约束,利用两个独立的卷积自编码器(CAE)分别对阵列接收信号与辐射源信号进行特征提取,并使用深度神经网络(DNN)将两个CAE的特征编码进行连接,构建DCAE网络,实现在低信噪比环境下,面对未知频率和来波方向的入射信号时,也能够自适应形成正对入射信号的波束,达到盲接收的效果。仿真实验结果表明,在低信噪比环境下,单信号与双信号入射时所带来的信噪比增益均高于常规波束形成(CBF)方法与基于最小均方误差的自适应波束形成(Minimum Mean Square Error-Adaptive BeamForming,MMSE-ABF)方法,以及基于卷积神经网络的自适应波束形成方法(Convolutional Neural Networks-Adaptive BeamForming,CNN-ABF),且该增益在入射信号频率、角度变化时仍具有良好的稳定性。
-
关键词
自适应波束形成
卷积自编码器
盲波束形成
信噪比增益
-
Keywords
Adaptive beamforming
Convolutional autoencoder
Blind beamforming
Signal-to-noise ratio gain
-
分类号
TN911.7
[电子电信—通信与信息系统]
-
-
题名基于卷积神经网络的自适应波束形成
被引量：1
- 2
-
-
作者
唐元博
蒋伊琳
李帅
李虎
-
机构
哈尔滨工程大学
航空工业电磁频谱协同探测与智能认知联合技术中心
北京航天长征飞行器研究所
-
出处
《舰船电子对抗》
2024年第5期47-50,共4页
-
文摘
提出一种基于卷积神经网络的自适应波束形成方法,旨在通过自适应调整接收波束方向以提高通道中信号的信噪比。采用同时多波束接收信号的概念,对阵列天线接收信号以不同的相位加权并相加,即依据自适应多波束形成多通道接收。利用神经网络的非线性处理能力,在阵列接收不同来波方向信号时可以对其实现自适应波束形成。使用波束形成方式设计标签,通过比较输出信号的信噪比相对于输入信号信噪比的增益以评价该方法的有效性。仿真有效提高了信号的信噪比,接收阵列可以同时接收多个波束信号并按各输入信号的入射角度不同在不同的通道输出对应信号。
-
关键词
阵列信号处理
自适应波束形成
深度卷积神经网络
-
Keywords
array signal processing
adaptive beamforming
deep convolutional neural network
-
分类号
TN911.7
[电子电信—通信与信息系统]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
