基于神经网络的波达方向估计研究

发布时间：2022-01-25 12:28

　　波达方向（Direction of Arrival,DOA）估计是指通过处理天线接收数据来求解来波信号角度,在得到信号的角度后,可以更好的进行波束成形或者侦测用户位置,因此DOA估计在很多领域都是很重要的研究方向。经典的DOA估计算法包括子空间类算法和稀疏重构类方法。其中,子空间类算法中最具代表性的方法是多重信号分类（MUSIC）方法,它在高信噪比下性能较好,但是计算复杂度较高,且容易受噪声的影响。稀疏重构类算法虽然可以在单快拍下对参数进行估计,但是会带来网格化效应,而真实的角度很难位于选定的网格处,或者说是几乎不可能恰好落在某个网格处。因此,我们需要找到一种无网格的DOA估计方法,使其在低信噪比下仍然具有较好的估计性能。近几年,神经网络以其强非线性拟合能力应用在很多领域,而DOA估计问题本质上也可以看作是监督学习类问题,即通过神经网络来学习阵列接收数据与来波信号角度之间的非线性映射关系,因此本文主要研究如何建立合适的神经网络结构来实现无网格的DOA估计。具体的研究内容如下:针对窄带信号的DOA估计,本文建立了一个深度神经网络模型,该模型包括预处理、空域滤波自编码器、多层分类器和线性插... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

阵列信号模型

立了一个深度神经网络（Deep Neural Network, DNN）的 DOA 估计。图 3-1 是该网络的基本结构，主要由对阵空域滤波自编码器、多层分类器和线性插值四个部分组对阵列接收数据进行处理得到需要输入网络的特征向量将信号进行空域滤波，同时具有一定的去噪功能，多层用是对每个分区的信号分别进行无网格的 DOA 估计。图 3-1 窄带信号神经网络模型处理结构波自编码器器的作用是将来波信号特征分解到 P 个不同的角度域波自编码器的结构。

- 22 -图 3-3 多层分类器结构框图3 中，总共设置 P 个并行的分类器，其中第 p 个分类器的第 p 个解码器的输出，而且不同的分类器之间计算规则如公式(3-6)和公式(3-7)所示22()()1(),1(),1,...;1,...,12222netWhqpPlLplplpllpl []()()222pllplh gnet示第 p 个分类器中第2l 层的输出向量，并且pph u()0()12plh 表示第 (1)2l 层和第2l 层之间的全连接权值矩阵， 2lg 是第2l 层的非线性激活函数。并 P 个分类器的输出，得到

【参考文献】：
期刊论文
[1]宽带波达方向估计的克拉美-罗界研究[J]. 刘云,李志舜.  声学学报. 2006(02)



本文编号：3608538