科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统模型驱动的波达方向(direction of arrival, DOA)估计算法性能受限于有限的信号特征、快拍数、信噪比、信杂比等因素，在低信噪比、快拍数少的极端情况下，性能较差。为克服上述问题，提高在极端条件下的估计精度，文章提出基于深度复数神经网络(complex-valued neural networks, CVNN)的单快拍DOA估计算法，构建深度复数神经网络模型，学习原始带噪信号与理想无噪复信号之间的映射关系，进而实现噪声抑制和期望信号特征增强的目的，提高DOA估计精度。仿真实验结果表明，经CVNN增强后，数据的等效信噪比约提高了1 dB,等效快拍数提高了3,该文所提算法相较于已有的多种物理驱动算法而言，具有更高的估计精度和泛化性。
- 单位
