基于数据驱动的高精度阵列测向方法
打开文本图片集
摘 要：针对现有测向系统多信号适应能力弱、测向精度低的问题，提出一种基于数据驱动的高精度阵列测向新方法。该方法提取单信号入射时的输入特征向量，基于卷积神经网络构建单信号测向网络框架。利用信号的独立性，将多信号测向问题转化为单信号测向问题，在单信号训练网络的基础上实现多信号来波方向估计。仿真实验与理论分析结果表明，该方法有效减少了输入特征维数和网络训练样本数目，在多信号同时入射及阵列互耦效应条件下均获得了高精度的到达方向（Ｄｉｒｅｃｔｉｏｎ ｏｆ Ａｒｒｉｖａｌ，ＤＯＡ）估计的测向结果。（剩余486字）