科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对嵌套阵列下近场和远场混合源定位问题，本文通过构建和训练深度展开迭代收缩阈值算法（Iterative Shrinkage Thresholding Algorithm,ISTA）网络实现混合源的波达方向（direction of arrival,DOA）和距离参数估计。首先考虑到近场源协方差矩阵具有Hermitian矩阵形式，远场源协方差矩阵具有Hermitian和Toeplitz矩阵形式，通过将混合源协方差矩阵进行差分可以得到近场源差分向量，其中近场源差分向量转换到实数域，可以显著降低深度展开ISTA网络的计算复杂度。接着将不同参数下的近场源差分向量和近场源真实空间谱进行配对作为训练样本，对近场源深度展开ISTA网络进行训练，其中深度展开ISTA网络的隐藏层对应模型驱动ISTA方法的迭代步骤。然后利用估计出的近场源DOA和距离参数，通过子空间差分方法得到远场源协方差向量。最后将不同参数下的远场源协方差向量和远场源真实空间谱进行配对作为训练样本，对远场源深度展开ISTA网络进行训练，其中远场源协方差向量同样转换到实数域。在深度展开ISTA网络的训练过程中，损失函数只与重构误差和网络输出的稀疏性有关，不需要混合源的标签，可以认为是无监督学习。仿真实验表明所提出的深度展开ISTA网络能够实现混合源识别和定位。此外所提出的深度展开ISTA网络具有可解释参数，对近场和远场混合源的离网格参数估计具有泛化能力。相较于模型驱动ISTA方法，经过训练的深度展开ISTA网络的收敛速度更快，对近场和远场混合源定位的精度更高。
- 单位
