典型文献
一种深度学习稀疏单快拍DOA估计方法
文献摘要：
基于信号的稀疏特性,稀疏恢复(Sparse Recovery,SR)方法可利用单快拍数据进行相关信号源的高分辨波达方向(Direction of Arrival,DOA)估计.然而,现有SR-DOA模型求解方法存在参数设置困难、运算复杂度高或精度有待提高等问题,实际应用受限.针对上述问题,本文提出平滑L0网络(Smoothed L0 Net,SL0-Net)方法,将基于模型驱动SL0算法和基于数据驱动的深度学习方法相结合,用于SR-DOA模型的求解.首先,建立DOA估计的SR模型,并对用于求解该模型的SL0算法进行分析.然后,根据深度学习框架构建SL0-Net,并基于充足完备的数据集对其网络参数进行训练.最后,利用训练得到的SL0-Net对SR-DOA模型进行求解,获得DOA高分辨估计.仿真结果表明,与现有典型算法相比,所提SLO-Net更适于信号源数目未知条件下的快速高分辨DOA估计.
文献关键词：
波达方向估计;稀疏恢复;平滑L0范数;深度学习
中图分类号：
作者姓名：
朱晗归;冯存前;冯为可;刘成梁
作者机构：
中国人民解放军空军工程大学,防空反导学院,陕西西安710051
文献出处：
引用格式：
[1]朱晗归;冯存前;冯为可;刘成梁-.一种深度学习稀疏单快拍DOA估计方法)[J].信号处理,2022(10):2114-2123
A类：
SL0
B类：
DOA,估计方法,稀疏特性,稀疏恢复,Sparse,Recovery,SR,信号源,Direction,Arrival,模型求解方法,参数设置,运算复杂度,Smoothed,Net,基于模型,模型驱动,深度学习方法,深度学习框架,框架构建,网络参数,练得,SLO,适于,波达方向估计,范数
AB值：
0.32794
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
