一种在低信噪比背景下高精度DOA估计的方法

摘要

本发明公开了一种在低信噪比背景下高精度DOA估计的方法，该方法针对低信噪比、短快拍、宽带信号等特定环境时，利用深度学习大数据样本处理技术进行DOA估计，为提高估计精度，设计BiLSTM‑ResNet融合模型的DOA估计方法，以阵列信号采样数据和信号特征作为网络的数据输入，BiLSTM网络具有对于序列数据处理的优势，先用BiLSTM提取局部的长距离特征，挖掘各个阵元数据先后顺序隐含的关联性，再融合ResNet作为采样数据的特征提取网络，有效地挖掘各个阵元之间的非线性时空深度关联特征，从而实现高精度测向，该模型对阵列结构、多通道的幅相误差、信号入射方向以及信号带宽具有自适应性。