典型文献
基于深度神经网络的自适应波束形成算法
文献摘要：
阵列天线接收到的期望信号和干扰信号,其入射的到达角度(Angle of Arrival,AOA)总是快速变化的,而传统波束形成算法计算量大,无法实时计算.针对这一问题,提出了一种基于深度神经网络的自适应波束形成(Deep Neural Network Adaptive Beamforming,DNNABF)算法,用入射信号AOA组成的向量作为网络输入,网络输出逼近最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)算法求得的权矢量.仿真结果表明,卷积神经网络(Convolutional Neural Network,CNN)与DNNABF方法都能准确拟合MVDR算法权矢量,可在入射信号AOA快速变化时自适应地形成波束和零陷,但DNN计算速度相对MVDR有将近6.5倍的提升,训练模型时间也远低于CNN.
文献关键词：
自适应波束形成;到达角度;深度神经网络
中图分类号：
作者姓名：
任燕飞;杜盈;张劲东
作者机构：
中国西南电子技术研究所,成都610036;南京航空航天大学 电子信息工程学院,南京211106
文献出处：
引用格式：
[1]任燕飞;杜盈;张劲东-.基于深度神经网络的自适应波束形成算法)[J].电讯技术,2022(07):852-858
A类：
DNNABF
B类：
深度神经网络,自适应波束形成,波束形成算法,阵列天线,干扰信号,入射,到达角度,Angle,Arrival,AOA,速变,算法计算,计算量,实时计算,Deep,Neural,Network,Adaptive,Beamforming,逼近,最小方差无失真响应,Minimum,Variance,Distortionless,Response,MVDR,Convolutional,零陷,计算速度,将近,训练模型
AB值：
0.344124
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。
