基于深度卷积神经网络的DOA估计
Journal of Air Force Engineering University（2023）
摘要
针对现有均匀线阵远场窄带非相干多目标估计算法对低信噪比、少快拍情况适应性差、运算复杂度高,以及现有深度学习方法难以有效提取数据复值特征的问题,提出基于深度卷积神经网络的波达方向估计方法.该方法将波达方向估计问题转换为阵列输出协方差矩阵到目标到达角度的逆映射问题,利用阵列输出协方差矩阵的 Hermitian特性,提取其上三角阵的实部、虚部及相位特征,构造网络的输入数据,搭建包含三维卷积层的深度卷积神经网络用来提取数据特征,网络的标签对应目标的到达角度,从而实现多个信源的波达方向估计.试验仿真表明:该方法可以充分提取空间特征,提高波达方向估计精度并降低算法复杂度.所提方法在低信噪比、少快拍数的情况下,其估计精度明显优于MUSIC、ESPRIT以及ML算法.
更多关键词
direction of arrival estimation,deep convolutional neural network,covariance matrix,feature extraction
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要