专利摘要

一种双阶段神经网络下的盲波束形成装置，它包括信号预处理器、双阶段神经网络信号处理模块和信号后处理模块；其盲波束形成方法，包括：接收信号、向量处理、分扇区进行判断驱动、产生权值向量、完成最优权值的映射；其优越性在于：结构简单，操作方便，盲波束形成方法能够快速逼近盲波束形成最优权值；能够减轻信道衰落并且抑制干扰信号来提高通信质量和信道容量。

权利要求

1.一种双阶段神经网络下的盲波束形成装置，其特征在于它包括信号预处理器、双阶段神经网络信号处理模块和信号后处理模块；其中，所述信号预处理器的输入端接收来自天线阵列并经过A/D转换后的数字信号，其输出端连接双阶段神经网络信号处理模块的输入端；所述双阶段神经网络信号处理模块的输出端连接信号后处理模块的输入端；所述信号后处理模块的输出端输出最佳权值向量信号。

2.根据权利要求1所述一种双阶段神经网络下的盲波束形成装置，其特征在于所述双阶段神经网络信号处理模块由不少于2个PNN单元的第一阶段子概率神经网络模块和由与第一阶段PNN单元数量相同的GRNN单元的第二阶段广义回归神经网络模块构成；其中，所述的第一阶段子概率神经网络模块中的PNN单元的输入端通过总线与信号与处理模块的输出端连接，其输出端与第二阶段广义回归神经网络模块中的GRNN单元的输入端呈一一对应连接；所述第二阶段广义回归神经网络模块中的GRNN单元的输入端通过总线与信号与处理模块的输出端连接，其输出端通过总线与信号后处理模块的输入端连接。

3.一种权利要求1所述双阶段神经网络下的盲波束形成方法，其特征在于它包括以下步骤：

①天线阵列接收从0°到180°的信号源，当接收到某信号源入射至天线时，天线将接收到的信号向量X(t)输入至信号预处理模块，以获取信号的自相关矩阵R_XX，并提取自相关矩阵R_XX的上三角元素，并将每个元素按照实部和虚部分成两个元素，形成形成维数为M×(M-1)的新向量b ，然后再将b向量进行归一化处理： ；

②将步骤①中获得的z向量输入至第一阶段子概率神经网络模块中；该网络模块中的各个PNN单元将对输入的信号进行判决，即：若入射至天线的信号源在其对应的扇区内，则该扇区对应的PNN单元输出为“1”；否则，输出“0”，将此信号传送给第二阶段广义回归神经网络模块，若为“1”信号则第二阶段广义回归神经网络模块被启动，也就是说第一阶段的PNN单元的输出为“1”时，第二阶段与其相对应的GRNN单元才会工作；

③将步骤①中所产生的z向量和步骤②中所产生的0/1信号输入至第二阶段广义回归神经网络模块；被激活的GRNN单元对z向量进行处理，产生权值向量W₀；

④信号后处理模块完成由权值向量W₀到最优权值W_opt的映射，即：$W_{\mathrm{opt}}=\alpha W_0$，其中$\alpha =\frac{1}{a^H\left({\theta }_0\right)R_{\mathrm{xx}}^{-1}a\left({\theta }_0\right)}$。

说明书

（一）技术领域：

本发明涉及自动控制领域和盲波束形成领域，尤其是一种双阶段神经网络下的盲波束形成装置及其形成方法。

（二）背景技术：

移动通信中使用智能天线技术能够使信道容量提高。在智能天线技术中的主要任务之一就是如何实时地实现波束赋形。只有解决了该任务后才能实现智能天线波束赋形算法。智能天线能够自适应的判断多信源的数量和方向，并跟踪到期望信号，然后可以在下行链路中通过波束赋形算法对发射的波束在期望信号方向产生最大增益，在干扰方向产生较深的零陷。

在波束赋形的过程中，信号或信道的性质是未知的且不需要发射训练信号或者知道阵列方向向量等先验知识，则称之为盲波束形成。在智能天线的接收端，收到的信号往往是多径信号，信号源数量往往大于阵列元数量。这样对盲波束形成算法提出了较高的要求。

在M阵元的直线天线阵中，设来自空间有K（K<M）个窄带信号，这些窄带信号的频率在ω₀附近，入射角度为{θ₁,θ₂,θ₃,…, θ_K}：

公式1：xi(t)=ΣKsm(t)e-j(m-1)2dλsinθk+ΣKer(t)e-j(m-1)2πdλsinθek+ni(t)]]>

i=1,2,…,M

其中，s_m(t)是第m个信号源，干扰信号为e_r(t)，n_i(t)是第i个阵元接收到的零均值的高斯白噪声，λ是载波波长，d是阵元间隔。也可以将公式一表达为矩阵的形式：

公式2： X(t)=AS(t)+A_Ee(t)+N(t)，

其中，X(t)=[x₁(t) x₂(t) … x_M(t)]^T，e(t)=[e₁(t) e₂(t) … e_K(t)]^T， ，N(t)=[n₁(t) n₂(t) … n_M(t)]^T，S(t)=[s₁(t) s₂(t) … s_K(t)]^T，A=[a(θ₁) a(θ₂) … a(θ_k)]^T

在上述式子中，上标T代表转置矩阵。a(θ_k)——期望信号S(t)在波达方向上第k个阵元的增益；t——采样时刻，一次采样称为一次快拍，通常可以先对各次快拍作阵列处理，再对许多次快拍的处理结果进行统计平均。

为了有效抑制干扰及噪声,将每个天线阵元上获取的信号加权求和,使期望信号方向上的增益最大,即波束形成：

公式3：y(k)=W^HX(k)

其中：W=[w₁,w₂,…w_M]^T为加权向量。而波束形成的目标在于根据实时系统所需要的各项性能指标，形成对基带（中频）信号的最佳分配。该分配用来补偿无线传播过程中由于空间损耗、多径效应等因素引入的信号衰落与失真，同时降低用户间的同信道干扰。而在公式三中的W则为波束形成的加权向量，也就是自适应接收机在检测信号过程中需要调节的参数。

（三）发明内容：

本发明的目的在于提供一种双阶段神经网络下的盲波束形成装置及其形成方法，它可以克服现有技术的不足，是一种结构简单、操作性强的装置，且其形成方法适应性强、简单易行。

本发明的技术方案：一种双阶段神经网络下的盲波束形成装置，其特征在于它包括信号预处理器、双阶段神经网络信号处理模块和信号后处理模块；其中，所述信号预处理器的输入端接收来自天线阵列并经过A/D转换后的数字信号，其输出端连接双阶段神经网络信号处理模块的输入端；所述双阶段神经网络信号处理模块的输出端连接信号后处理模块的输入端；所述信号后处理模块的输出端输出最佳权值向量信号。

所述双阶段神经网络信号处理模块由不少于2个PNN（Probabilistic Neural Network）单元的第一阶段子概率神经网络模块和由与第一阶段PNN单元数量相同的GRNN（General Regression Neural Network）单元的第二阶段广义回归神经网络模块构成；其中，所述的第一阶段子概率神经网络模块中的PNN单元的输入端通过总线与信号与处理模块的输出端连接，其输出端与第二阶段广义回归神经网络模块中的GRNN单元的输入端呈一一对应连接；所述第二阶段广义回归神经网络模块中的GRNN单元的输入端通过总线与信号与处理模块的输出端连接，其输出端通过总线与信号后处理模块的输入端连接。

一种上述双阶段神经网络下的盲波束形成方法，其特征在于它包括以下步骤：

①天线阵列接收从0°到180°的信号源，当接收到某信号源入射至天线时，天线将接收到的信号向量X(t)输入至信号预处理模块，以获取信号的自相关矩阵R_XX，并提取自相关矩阵R_XX的上三角元素，并将每个元素按照实部和虚部分成两个元素，形成形成维数为M×(M-1)的新向量b ，然后再将b向量进行归一化处理： ；

②将步骤①中获得的z向量输入至第一阶段子概率神经网络模块中；该网络模块中的各个PNN单元将对输入的信号进行判决，即：若入射至天线的信号源在其对应的扇区内，则该扇区对应的PNN单元输出为“1”；否则，输出“0”，将此信号传送给第二阶段广义回归神经网络模块，若为“1”信号则第二阶段广义回归神经网络模块被启动，也就是说第一阶段的PNN单元的输出为“1”时，第二阶段与其相对应的GRNN单元才会工作；

③将步骤①中所产生的z向量和步骤②中所产生的0/1信号输入至第二阶段广义回归神经网络模块；被激活的GRNN单元对z向量进行处理，产生权值向量W₀；

④信号后处理模块完成由权值向量W₀到最优权值W_opt的映射，即：Wopt=αW0]]>，其中α=1aH(θ0)Rxx-1a(θ0)]]>。

本发明的工作原理：信号预处理模块用于生成输入至一阶段神经网络信号；后处理模块以神经网络输出为输入端的用以将网络的输出对应转换成为最佳权值向量；预处理模块将天线阵列接受到的数字信号进行相应的预处理，此模块输出的信号进入神经网络进行下一步处理。

预处理工作包括：1、求出信号X(t)的自相关矩阵R_XX；2、提取自相关矩阵R_XX的上三角元素；3、将提取出来的元素的实部和虚部分开形成新的向量b，求出其归一化向量 ；

第一阶段由不少于两个的PNN构成。在这个阶段中，整个的角度范围（天线阵列的视野范围）被不少于两个的子PNN分为了L个扇区。每个子PNN的目的为判决在相应的扇区内是否存在一个或多个信号源，并产生输出。通过此工作可以有效减少子PNN的训练集大小使得训练时间大为缩短。在此阶段中，PNN的输入层神经元数为M×(M-1)，输出层的神经元数为1。因此第一阶段网络的工作实质上是利用PNN进行判决分类。

第二阶段由与一阶段PNN数量相同的多个GRNN构成。选用GRNN的原因是因为它人为调节的参数少，网络的学习全部依赖数据样本。这个特点决定了网络得以最大限度地避免人为主观假定对预测结果的影响。本阶段的GRNN则是实现该功能的关键部分。

后处理模块将针对神经网络部分输出的信号作出相应的处理来产生最终所需要的最优权值。

本发明的优越性在于：结构简单，操作方便，盲波束形成方法能够快速逼近盲波束形成最优权值；能够减轻信道衰落并且抑制干扰信号来提高通信质量和信道容量。

（四）附图说明：

图1为本发明所涉一种双阶段神经网络下的盲波束形成装置的结构框图；

图2为本发明所涉一种双阶段神经网络下的盲波束形成方法中步骤②的示意图。

（五）具体实施方式：

实施例：一种双阶段神经网络下的盲波束形成装置（见图1），其特征在于它包括信号预处理器、双阶段神经网络信号处理模块和信号后处理模块；其中，所述信号预处理器的输入端接收来自天线阵列并经过A/D转换后的数字信号，其输出端连接双阶段神经网络信号处理模块的输入端；所述双阶段神经网络信号处理模块的输出端连接信号后处理模块的输入端；所述信号后处理模块的输出端输出最佳权值向量信号。

所述双阶段神经网络信号处理模块（见图1）由第一阶段子概率神经网络模块和第二阶段广义回归神经网络模块构成；其中所述第一阶段子概率神经网络模块由3个PNN（Probabilistic Neural Network）单元组成，分别为PNN单元1A、PNN单元1B、PNN单元1C；所述第二阶段广义回归神经网络模块由3个GRNN（General Regression Neural Network）单元构成，分别为GRNN单元2A、GRNN单元2B 和GRNN单元2C；其中，所述3个PNN单元的输入端通过总线与信号与处理模块的输出端连接，其输出端与3个GRNN单元的输入端呈一一对应连接；所述第二阶段广义回归神经网络模块中的GRNN单元的输入端通过总线与信号与处理模块的输出端连接，其输出端通过总线与信号后处理模块的输入端连接。

一种上述双阶段神经网络下的盲波束形成方法，其特征在于它包括以下步骤：

①天线阵列接收从0°到180°的信号源，当接收到某信号源入射至天线时，天线将接收到的信号向量X(t)输入至信号预处理模块，以获取信号的自相关矩阵R_XX，并提取自相关矩阵R_XX的上三角元素，并将每个元素按照实部和虚部分成两个元素，形成形成维数为M×(M-1)的新向量b ，然后再将b向量进行归一化处理： ；

②将步骤①中获得的z向量输入至第一阶段子概率神经网络模块中；该网络模块中的三个PNN单元所管辖的扇区分别为1A负责0°至60°的扇区，1B负责61°至120°的扇区，1C负责121°至180°的扇区；各个扇区将对输入的信号进行判决，即：若入射至天线的信号源为90°，则1B的PNN单元则输出1，并激活第二阶段广义回归神经网络模块中的与其相对应的GRNN单元2B；（见图2）

③同时，将步骤①中所产生的z向量输入至第二阶段广义回归神经网络模块；被激活的GRNN单元2B开始工作，2B被训练为能够快速输出信号来源为61°至120°的GRNN网络，且2B输出相应的权值W₀；

④信号后处理模块完成由权值向量W₀到最优权值W_opt的映射，即：Wopt=αW0]]>，其中α=1aH(θ0)Rxx-1a(θ0)]]>。

双阶段神经网络下的盲波束形成装置及其形成方法专利购买费用说明

Q：办理专利转让的流程及所需资料

A：专利权人变更需要办理著录项目变更手续，有代理机构的，变更手续应当由代理机构办理。

1：专利变更应当使用专利局统一制作的“著录项目变更申报书”提出。

2：按规定缴纳著录项目变更手续费。

3：同时提交相关证明文件原件。

4：专利权转移的，变更后的专利权人委托新专利代理机构的，应当提交变更后的全体专利申请人签字或者盖章的委托书。

Q:专利著录项目变更费用如何缴交

A：（1）直接到国家知识产权局受理大厅收费窗口缴纳,（2）通过代办处缴纳，（3）通过邮局或者银行汇款,更多缴纳方式

Q：专利转让变更，多久能出结果

A：著录项目变更请求书递交后，一般1-2个月左右就会收到通知，国家知识产权局会下达《转让手续合格通知书》。