基于全连接网络的分阶段波束形成方法及系统

1.一种基于全连接网络的分阶段波束形成方法，其特征在于，包括如下步骤：对神经网络进行预先学习，形成幅度权重预测器Net；幅度权重预测器依据干扰角度差输出幅度权重向量w norm ；根据波束指向角度，根据其计算得到对应的相位权重向量w phase ；取幅度权重向量和相位权重向量的哈达玛乘积得到所需权重向量w；将各天线所接收或发送信号与对应权重相乘并进行叠加，完成波束形成。 2.根据权利要求1所述的方法，其特征在于，所述对神经网络进行预先学习，形成幅度权重预测器Net,包括如下：2a)构建包含N个阵元且相邻阵元的间距为d的线性阵列，d为阵元间距，其中d＝λ/2，λ为信号波长，N为大于等于1的整数；2b)依据阵元个数N，随机生成[0,1]范围内的实数幅度权重矩阵A作为训练数据；2c)使用IFFT计算实数幅度权重矩阵A各列的天线方向图f m ，构成方向图矩阵F：F＝[f 1 ,f 2 ,…,f m ,…,f M ]其中，M为训练数据集维度；2d)搜寻方向图矩阵F各列局部最小值构成集合V m ，其中集合V m 的最小值为零陷位置u m (u m ≠±1)，依据u m 计算方向图矩阵F对应的零陷角度向量Θ null ：Θ null ＝[arcsin(u 1 ),arcsin(u 2 ),…,arcsin(u m )…,arcsin(u M )]；2e)将ReLU函数作为中间层激活函数、Sigmoid函数作为输出层函数、均方误差MSE函数作为损失函数，构建单维度输入、N维度输出的幅度权重预测器Net；2f)将零陷角度Θ null 作为输入值，将实数幅度权重矩阵A的各列作为网络输出目标值，拟合出网络幅度权重预测器Net。 3.根据权利要求1所述的方法，其特征在于，所述幅度权重预测器Net依据干扰角度差输出幅度权重向量w norm ，包括如下：3a)依据接收的混合信号X(l)，使用MUSIC算法计算得到干扰角度θ J ；3b)计算干扰角度θ J 与波束指向角度θ 0 的夹角θ，并将其作为网络输入进行前向传播，输出幅度权重w norm ：w norm ＝Net(θ)其中，Net为幅度权重预测器。 4.根据权利要求1所述的方法，其特征在于：所述根据波束指向角度计算得到对应的相位权重向量w phase ，公式如下：其中，λ为信号波长，θ 0 为波束指向角度，[·] T 表示转置，d为阵元间距，j为虚数单位。所述取幅度权重向量和相位权重向量的哈达玛乘积得到所需权重向量w，公式如下：w＝w phase ⊙w norm其中，⊙表示哈达玛乘积。 5.根据权利要求2所述的方法，其特征在于，步骤2b)中生成的实数幅度权重矩阵A，表示如下：其中，a n,m 为第n行第m列元素，n＝1,2,3…,N，m＝1,2,3…,M，N表示阵元个数，M表示数据集大小，且A中元素满足：a n,m ∈[0,1]。 6.根据权利要求2所述的方法，其特征在于，步骤2c)中计算矩阵A各列的天线方向图向量，公式如下：其中，f m (θ)为由A中第m列权系数所计算得到的天线方向图向量，g n (θ)为各阵元天线增益，这里假设各阵元均为全向天线，即g n (θ)＝1。a n,m 为各阵元的实数幅度权重，θ 0 为阵列最大波束指向与法线间的夹角。 7.根据权利要求2所述的方法，其特征在于，步骤2e)中的ReLU函数、Sigmoid函数、均方误差MSE函数，分别表示如下：其中，x表示函数的自变量,e表示自然常数，Net(x i )为预测器所输出的预测值，y i 为目标值，即实数幅度权重矩阵A中各列的元素。 8.根据权利要求2所述的方法，其特征在于，步骤2f)中拟合出网络幅度权重预测器Net，是采用反向传播以及Adam算法进行网络权重和网络偏执的调整，其包括：2f1)根据当前的梯度值g t 计算出当前梯度的一阶矩估计m t ：m t ＝β 1 m t-1 +(1-β 1 )g t其中，β 1 是一阶矩估计可调参数；2f2)根据当前的梯度值g t 计算出当前梯度的二阶矩估计v t ：v t ＝β 2 v t-1 +(1-β 2 )g t 2其中，β 2 是二阶矩估计可调参数；2f3)根据当前梯度的一阶矩估计m t 和二阶矩估计v t 对网络参数进行更新，得到当前更新后网络的参数W i 和B i ：其中，W′ i 和B′ i 为更新前参数，i＝1,2,3,…,L，α为学习率；ε是v t 的补偿参数，用于防止v t 趋近于零。2f4)根据拟合后的幅度权重预测器参数W i 和b i ，得到x 1 ,x 2 ,…,x i ,…,x L-1 各层之间传递的数据：x 1 ＝ReLU(W 1 θ+B 1 )x 2 ＝ReLU(W 2 x 1 +B 2 )…x i ＝ReLU(W i x i-1 +B i )…x L-1 ＝ReLU(W L-1 x L-2 +B L-1 )其中，W 1 ,W 2 ,…,W i ,…,W L-1 为各层的权重参数，B 1 ,B 2 ,…,B i ,…,B L-1 为各层偏执参数，L为网络层数，ReLU为激活函数；2f5)利用第L-1层的输出数据x L-1 以及第L层的权重参数W L 和偏执参数B L ，将幅度权重预测器Net表示如下：Net(θ)＝Sigmoid(W L x L-1 +B L )其中，Sigmoid为激活函数，net(θ)为幅度权重预测器输入为θ时的输出。 9.根据权利要求3所述的方法，其特征在于，步骤3a)中阵列天线接收的混合信号X(l)，可表示为：其中， 为第n个阵元在快拍l时刻接收到的信号； 为随波达方向角度θ k 变化的方向向量元素，j为虚数单位，λ为信号波长，d n 为阵元间距；s k (l)为第k个复信号s k 在快拍l时刻的取值。 10.一种基于全连接网络的分阶段波束形成系统，其特征在于，包括：训练数据生成模块，用于构建幅度权重预测器拟合过程所需的数据；干扰角度估计模块，用于根据当前所接收的信号估计出干扰信号来波方向，并输出夹角；幅度权重预测模块，依据训练数据生成模块所生成的数据先进行拟合，再根据拟合好的网络参数及干扰角度估计模块输出的夹角预测出阵元的幅度权重向量；相位权重生成模块，用于根据波束指向构建相位权重向量；阵元权重合成模块，用于将幅度权重预测模块预测出阵元的幅度权重向量与相位权重生成模块构建的相位权重向量合成最终的阵元权重向量。