公开(公告)号：CN113970718A

公开(公告)日：2022-01-25

申请号：CN202111253307.9

申请日：2021-10-27

申请人： 东南大学

发明人： 黄岩 ,  张彦君 ,  陶俊 ,  张慧 ,  兰吕鸿康 ,  刘江 ,  洪伟

IPC分类号： G01S3/14 ,  G01S3/802 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种阵列超分辨波达方向估计方法，基于接收信号自相关矩阵中的信息，采用一种两段式的深度神经网络结构，通过第一部分确定信号角度所处的1°区间，通过第二部分在更高分辨率的网格上对信号角度进行具体估计，二者结合实现对信号入射角度的精确估计，包括一般意义上的离网信号，可以达到0.01°级别的分辨率。本发明创新地使用两段式的网络架构，在实现超高分辨波达方向估计的同时，有效避免了神经网络参数过多、训练时间过长的问题，并且计算简单、反应快速，符合实际应用的需求。

公开(公告)号：CN115186708A

公开(公告)日：2022-10-14

申请号：CN202210805218.9

申请日：2022-07-08

申请人： 东南大学

发明人： 黄岩 ,  张彦君 ,  陶俊 ,  兰吕鸿康 ,  刘江 ,  张慧 ,  余旭涛 ,  洪伟

IPC分类号： G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种超分辨的阵列离网信号波达方向估计方法，基于接收信号自相关矩阵中的信息，在现有基于深度学习的波达方向估计方法的基础上，增加了对于信号角度离网部分的处理，进一步提升了估计的分辨率，可以适应更高的估计精度需求。所提出的网络框架先是在1°分辨率的网格上对目标角度进行大致的估计，之后通过对偏移网格的部分做进一步的估计，将两部分结果相结合得到最终的输出。由此可以对更加一般意义上的信号进行估计，并且达到接近0.01°级别的分辨率。本发明创新性地将波达方向估计问题分为两部分来处理，在提高分辨率的同时避免了网络参数大幅增加的问题，还保留了深度学习方法计算简单迅速、鲁棒性和适应性强的特点，符合实际应用需求。