基于深度学习的原子范数最小化无网格DOA估计方法

摘要

针对传统子空间及现有的一些稀疏重构算法在小快拍、多信源、相干信源条件下阵列信号DOA估计精度低等问题，提出了一种基于深度学习的原子范数最小化无网格DOA估计方法。首先在Toeplitz矩阵范德蒙德分解定理的前提下，利用矢量水听器声压振速相关性构造Toeplitz矩阵，然后利用深度学习交替乘子算法重构Toeplitz矩阵，最后利用Rootmusic算法分解Toeplitz矩阵求得DOA估计值。仿真实验表明该算法相较于其他传统算法和一些稀疏重构算法在小快拍、多信源、相干信源条件下具有更低的均方根误差，DOA估计性能优势明显。

关键词

波达方向 / 范德蒙德分解 / 原子范数最小化 / 深度学习交替乘子算法