基于复值卷积降噪自编码器去噪的矢量水听器DOA估计方法

摘要

针对现有的基于实值卷积神经网络估计矢量水听器波达方向（Direction of Arrival, DOA）对阵列接收到信号的相位特征提取不充分的缺点，提出了一种基于复值卷积降噪自编码器（Complex-Valued Convolutional Denoising Autoencoder, CV-CDAE）和复值卷积神经网络（Complex-Valued Convolutional Neural Network, CVCNN）联合的矢量水听器DOA估计方法CV-CDAE-CNN。首先，将矢量水听器接收信号的复值协方差矩阵输入CV-CDAE模块去除噪声，之后，将去噪后的样本输入CV-CNN进行分类。其中，CV-CNN在下采样前使用双尺度膨胀卷积增大特征图的感受野，缓解下采样带来的信息损失。通过CV-CDAE去噪以及CV-CNN独特的处理复值方式实现角度分类，进而得到DOA估计值。仿真结果表明，所提出方法与现有的CV-CNN相比，在低信噪比或有限快拍数下泛化能力更强，DOA估计准确率更高，且具有更高的估计精度。

关键词

波达方向估计 / 复值卷积降噪自编码器 / 复值卷积神经网络 / 双尺度膨胀卷积 / 矢量水听器