文档名：基于深度卷积网络的二维波达方向估计方法
摘要：为了提高信号波达方向估计技术的实时性和简便性,设计了一种适用于估计均匀圆阵多信号波达方向的深度卷积网络.由阵列观测数据得到的协方差矩阵被当作是包含实部和虚部两个通道的图像,将其当作是卷积神经网络的输入张量,便可以通过训练网络来提取包含在信号协方差矩阵中的波达方向细微特征,从而实现准确快速地同时对多个入射信号的方向进行估计的目的.仿真结果表明,设计的深度卷积网络能够很好地完成二维信号波达方向估计.相比于现有估计方法,卷积网络给出的结果更加精确,且算法相对稳定.因此,提出的深度卷积网络在多目标方位识别与跟踪领域具有潜在的工程应用价值.
Abstract：Toimprovethereal-timeandconvenientfeatureofthedirectionofarrival(DOA)estimationtechnology,adeepconvolutionnetwork(DCN)isproposed.Thecovariancematrixofreceivedsignalobtainedfromtheuniformedcirculararray(UCA)isregardedasanimagewhichcontainstherealpartchannelandimaginarypartchannel.Byusingthecovariancematrixastheinputtensoroftheconvolutionalnetwork,itispossibletoextractthesubtlefeatureoftheDOAimpliedinthecovariancematrix,therefore,theDOAinformationofmulti-signalcanbeestimatedquicklyandprecisely.ThesimulationresultsshowthattheproposedDCNcanachievetheDOAestimationoftwodimensionalsignalswell.Comparedwiththetraditionalmethodbasedonthesub-spacecalculation,theproposednetworkcanobtainmoreaccurateresultandthealgorithmisrelativelystable,therefore,thenetworkhassomepotentialapplicationsinengineering.
作者：袁野 张伟科 许左宏 Author：YUANYe ZHANGWeike XUZuohong
作者单位：中国人民解放军32806部队,北京100091中国人民解放军96901部队,北京100094军事科学院系统工程研究院,北京100141
刊名：电讯技术
Journal：TelecommunicationEngineering
年，卷(期)：2024, 64(4)
分类号：TN911
关键词：均匀圆阵(UCA) 波达方向(DOA)估计 深度卷积网络(DCN) 人工智能 图像分类
Keywords：uniformedcirculararray(UCA) directionofarrival(DOA)estimation deepconvolutionalnetwork(DCN) artificialintelligence imageclassification
机标分类号：TN911.7TP393TN820.12
在线出版日期：2024年4月30日
基金项目：基于深度卷积网络的二维波达方向估计方法[
期刊论文] 电讯技术--2024, 64(4)袁野 张伟科 许左宏为了提高信号波达方向估计技术的实时性和简便性,设计了一种适用于估计均匀圆阵多信号波达方向的深度卷积网络.由阵列观测数据得到的协方差矩阵被当作是包含实部和虚部两个通道的图像,将其当作是卷积神经网络的输入张量...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于深度卷积网络的二维波达方向估计方法 2D Direction of Arrival Estimation Based on Deep Convolutional Network
基于深度卷积网络的二维波达方向估计方法.pdf
- 文件大小:
- 1.41 MB
- 下载次数:
- 60
-
高速下载
|
|
