一种在低信噪比下深度卷积神经网络的DOA估计方法

摘要

针对在低信噪比环境下波达方向估计性能急剧下降的问题，提出了一种卷积神经网络波达方向估计分类方法。该方法基于真实阵列流型的多通道数据训练，能够直接实现角度估计，解决了谱峰搜索方法中DOA性能低的问题。同时，利用阵列协方差矩阵的列，将其解释为空间频谱的欠采样噪声线性测量，据此提取阵列信号的局部上三角区域，并将其作为特征，显著减少了数据处理中的冗余，并增强了模型的泛化能力。此外，通过将DOA估计问题重新定义为多标签分类问题，并在角度空间网格上应用二进制分类策略，提高了估计精度。仿真实验结果表明，与传统DOA估计算法和全连接神经网络DOA估计算法相比，在低信噪比、有限快拍以及非网格角度下，本算法估计精度更高，鲁棒性更好，估计性能更加优越。

关键词

波达方向估计 / 深度卷积神经网络 / 协方差矩阵 / 低信噪比 / 特征提取

基金资助

广西创新驱动发展专项（桂科AA21077008）; 广西人才与基地专项（桂科AD20297038）; 广西高校中青年教师科研基础能力提升项目（2021KY0197）; 桂林电子科技大学教育创新计划（2023YCXS033）