典型文献
基于双通道复数卷积神经网络的DOA估计算法
文献摘要：
针对低信噪比下基于实数卷积神经网络(RV-CNN)的阵列波达方向(DOA)估计方法对接收信号幅相特征提取不充分的问题,引入复数卷积神经网络(CV-CNN)进行DOA估计.为进一步提高分类准确率,构建了一种基于复数卷积神经网络的非对称双通道DOA估计模型(CV-DCNN).该模型以阵列接收信号的复数协方差矩阵作为输入,分别输入由空洞卷积层组成的第一通道和由标准卷积层组成的第二通道中,其中空洞卷积在不损失角度信息的情况下,增大特征图的感受野.通过复数卷积神经网络(CV-CNN)独有的复数卷积方式提取和融合信号的幅值和相位特征,将双通道提取的特征融合后通过全连接层和sigmoid函数实现角度分类结果输出.实验结果表明,CV-CNN比RV-CNN有更快的收敛速度,在低信噪比和少快拍条件下,CV-CNN比RV-CNN有更高的估计精度,而CV-DCNN比CV-CNN在收敛速度和估计精度上又有了进一步的提升.
文献关键词：
阵列达波方向估计;复数卷积神经网络;复数双通道卷积神经网络;空洞卷积
中图分类号：
作者姓名：
俞帆;陈格格;沈明威
作者机构：
河海大学计算机与信息学院,南京211100;上海无线电设备研究所,上海201109
文献出处：
引用格式：
[1]俞帆;陈格格;沈明威-.基于双通道复数卷积神经网络的DOA估计算法)[J].现代雷达,2022(12):81-86
A类：
复数卷积神经网络,阵列达波方向估计,复数双通道卷积神经网络
B类：
DOA,估计算法,低信噪比,实数,RV,波达方向,估计方法,接收信号,CV,分类准确率,DCNN,协方差矩阵,别输,空洞卷积,卷积层,第一通,标准卷积,第二通,中空,角度信息,特征图,感受野,融合信号,相位特征,特征融合,全连接层,sigmoid,收敛速度,估计精度
AB值：
0.220184
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。
