基于深度学习的相干循环平稳信号波达方向估计

摘要

针对传统解相干的多重信号分类（MUSIC）算法在小信噪比和非平稳信号的情况下识别精度不高的问题，提出了一种结合了深度学习的波达方向（DOA）估计算法。该算法采用线性等距阵列接收相干的循环平稳信号，针对循环平稳信号的循环频率求出循环自相关函数并构造数据矢量矩阵，再将所得的矩阵通过矢量奇异值法分解，最后再将分解后的矩阵输入到训练好的卷积神经网络中得到DOA估计的结果。并且相较于传统的DOA估计算法，采用了卷积神经网络的估计时间更少。实验仿真结果表明，在非平稳信号、低信噪比环境下，该算法的均方根误差比现有最优算法最高降低了1度。

关键词

DOA估计 / 矢量奇异值法 / 多重信号分类算法 / 相干信号 / 循环平稳信号 / 卷积神经网络