[发明专利]基于DNN的波束空间的DOA估计方法、装置及计算机存储介质

说明书

本发明实施例公开了一种基于DNN的波束空间的DOA估计方法、装置及计算机存储介质；该方法可以包括：获取阵列接收信号的协方差矩阵；根据所述阵列接收信号的协方差矩阵以及角度空间中各角度区间的波束指向协方差矩阵生成波束空间内的接收信号数据；将所述波束空间内的接收信号数据输入已利用训练数据集完成训练的深度神经网络DNN；将所述DNN输出的信号数据通过线性幅度插值获取DOA估计值。

技术领域

本发明实施例涉及信号处理技术领域，尤其涉及一种基于深度神经网络(DNN，Deep Neural Networks)的波束空间的波达方向(DOA，Direction Of Arrival)估计方法、装置及计算机存储介质。

背景技术

DOA估计是阵列信号处理的一个重要研究方向，已经广泛应用于各种军事民用系统，包括无线通信、天文观测、雷达和声纳。DOA估计始终朝着提高精度和超分辨率的趋势发展，并增强对阵列误差、低信噪比、有限快拍等各种未知场景的泛化能力。针对当前常规的DOA估计方案，其都是参数化的方案，也就是说，这些方案都是在假设映射可逆的情况下实现了从信号方向到阵列输出的正向映射。基于上述假设，阵列输出是由预先形成的映射来匹配的，从而实现方向估计。这类参数化方案的性能在很大程度上取决于两种映射之间的一致性，即在数据采集期间从信号方向到阵列输出的正向映射，以及从阵列输出到信号方向的反向映射。

但是，由于在阵列系统中可能存在各种缺陷，例如非理想的传感器设计、阵列的安装、传感器之间的相互干扰以及受到环境因素的影响等。从而在实际的信号估计中，上述缺陷都会对DOA估计性能产生很大的影响，进而造成估计精度的下降。

尽管目前已有较多的方案通过简化模型来描述各种缺陷的影响，并提出相应的自动校准过程来提高DOA估计的精度；但上述关于阵列误差的简化模型都是从数学角度触发并带有各种附加假设，从而使得这些简化和假设在不同程度上偏离了实际情况，无法准确地处理阵列缺陷。

发明内容

有鉴于此，本发明实施例期望提供一种基于DNN的波束空间的DOA估计方法、装置及计算机存储介质；有效地利用深度神经网络对阵列误差的适应能力，利用波束空间的优势，在减低计算量的同时进一步增加对阵列误差的适应能力，从而更好地提高DOA估计的精度。

本发明实施例的技术方案是这样实现的：

第一方面，本发明实施例提供了一种基于DNN的波束空间的DOA估计方法，包括：

获取阵列接收信号的协方差矩阵；

根据所述阵列接收信号的协方差矩阵以及角度空间中各角度区间的波束指向协方差矩阵生成波束空间内的接收信号数据；

将所述波束空间内的接收信号数据输入已利用训练数据集完成训练的深度神经网络DNN；

将所述DNN输出的信号数据通过线性幅度插值获取DOA估计值。

第二方面，本发明实施例提供了一种基于DNN的波束空间的DOA估计装置，所述装置包括：获取部分、生成部分、深度神经网络DNN以及插值部分；其中，所述获取部分，经配置为获取阵列接收信号的协方差矩阵；

所述生成部分，经配置为根据所述阵列接收信号的协方差矩阵以及角度空间中各角度区间的波束指向协方差矩阵生成波束空间内的接收信号数据；

所述DNN，经配置为输入所述波束空间内的接收信号数据并输出；

所述插值部分，经配置为将所述DNN输出的信号数据通过线性幅度插值获取DOA估计值。

第三方面，本发明实施例提供了一种计算设备，所述计算设备包括接收阵列、存储器和处理器；其中，

所述接收阵列，用于接收入射的远场信号；

所述存储器，用于存储能够在所述处理器上运行的计算机程序；