利用深度学习方法的相干源DOA估计

• 作者: 戴旭初 胡显智 葛晓凯
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: DOA估计 相干源 深度学习 压缩感知
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 算法研究
• 页码范围: 1376-1384
• 页数: 9页
• 分类号: TN911.7
• 字数: 7559字
• 语种: 中文
• DOI: 10.16798/j.issn.1003-0530.2019.08.012

摘要

基于子空间分解的相干信源DOA(Direction of arrival)估计算法对阵列有特殊的要求,且估计性能较差,在低信噪比时甚至失效;另外,基于压缩感知的DOA估计算法在高信噪比下可以实现相干源的DOA估计,但计算复杂度较高.针对这些不足,本文基于稀疏表示的阵列接收信号模型,提出一种基于深度学习的相干源DOA估计方法,该方法利用卷积网络和全连接网络构造了深度学习网络,并通过选择合适的训练策略,对网络进行了有效训练,利用训练好的深度学习网络能够对相干源进行有效的DOA估计.仿真实验表明,与现有的相干源DOA估计算法相比,本文提出的方法适合于任意阵列结构,在时间复杂度上有着明显的优势,在估计性能上优于平滑解相干和L1-SVD(Sigular Value Decomposition)算法,略差于OGSBI(Off-Grid Sparse Bayesian Inference)算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戴旭初	中国科学技术大学电子工程与信息科学系	85	552	11.0	20.0
2	葛晓凯	中国科学技术大学电子工程与信息科学系	1	0	0.0	0.0
3	胡显智	中国科学技术大学电子工程与信息科学系	2	2	1.0	1.0