基于深度学习的智能化高精度测向方法

摘要

提出了一种基于深度学习的智能化高精度快速波达方向(DOA)估计算法,根据神经网络通过数据驱动而不依赖阵列流型的特点,设计了基于卷积神经网络的PhaseDOA-Net回归网络模型实现估计算法,引入特定模块对输入信号进行特征提取和处理,提高网络模型的拟合效果,用所提网络模型自主学习相位差矩阵与DOA之间的映射关系;引入残差网络结构,解决了卷积神经网络层数加深导致网络退化的问题;仿真生成了具有噪声与幅相误差的信号数据集,并构建信号相位差矩阵作为输入;仿真结果表明,本算法可以提供更高精度的估计性能,大幅减小了估计时间,解决了现有方法在阵列模型误差条件下无法准确得到DOA结果的问题;通过基于实际信号环境中采集数据的训练与测试,验证了系统对不同噪声、幅相误差的鲁棒性以及对不同信号频率更好的适应能力。