典型文献
麦克风阵列缺陷下基于SAE-CNN的DOA估计
文献摘要：
对于高精度波达方向(DOA)估计方法来说,麦克风阵列缺乏对各种阵列缺陷的适应性是一个难以解决的问题.基于卷积神经网络(CNN)的DOA估计算法具有不依赖阵列拓扑结构先验假设的优势,且与基于模型的方法相比,能更好地适应阵列缺陷.首先利用SAE对麦克风阵列输出的协方差矩阵进行预处理,将信号分解为多个空间子域,这些空间子域具有比原始输入更集中的分布,有助于减少后续DOA估计的泛化负担;然后将空间子域作为CNN的输入来训练神经网络,建立学习特征与DOA估计的非线性映射关系.相比传统的DOA估计算法,基于SAE-CNN的DOA估计算法在麦克风阵列缺陷下具有更强的准确性和适应性.
文献关键词：
麦克风阵列缺陷;DOA估计;SAE-CNN;协方差矩阵
中图分类号：
作者姓名：
郭业才;尤俣良
作者机构：
南京信息工程大学电子与信息工程学院,江苏南京 210044
文献出处：
引用格式：
[1]郭业才;尤俣良-.麦克风阵列缺陷下基于SAE-CNN的DOA估计)[J].西北师范大学学报（自然科学版）,2022(02):61-67
A类：
麦克风阵列缺陷
B类：
SAE,DOA,波达方向,估计方法,难以解决,估计算法,不依,拓扑结构,结构先验,基于模型的方法,协方差矩阵,信号分解,子域,立学,学习特征,非线性映射,映射关系
AB值：
0.18846
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。
