一種深度學習稀疏單快拍DOA估計方法

朱晗歸 馮存前 馮為可 劉成梁

（中國人民解放軍空軍工程大學，防空反導學院，陜西西安 710051）

1 引言

波達方向（Direction of Arrival，DOA）估計技術廣泛應用于雷達、聲納、電子偵察、無線電通信等領域，是陣列信號處理的一個重要研究方向［1］。典型的DOA 估計方法包括：Capon 空間譜估計方法［2］、特征子空間類多重信號分類（Multiple Signal Classification，MUSIC）方法［3］和基于旋轉不變技術的信號參數估計方法（Estimation of Signal Parameters via Rotational Invariance Technique，ESPRIT）［4］等。這些方法可以獲得較高的角度分辨率，實際應用廣泛，但需要利用多快拍接收數據對信號協方差矩陣進行估計，且無法對相干信號源進行有效處理。為解決這些問題，學者們提出了空間平滑和矩陣重構等改進方法［5-6］進行解相干處理，利用單快拍接收數據估計信號協方差矩陣進行DOA 估計。然而，這些方法往往具有角度分辨率降低、計算復雜度升高等問題。

近年來，稀疏恢復（Sparse Recovery，SR）理論的發展［7-11］為DOA 估計提供了新的思路。通過對角度空間或空間頻率進行網格劃分，構建導向矢量字典，使得陣列接收數據呈現稀疏特性，可以將DOA估計問題轉化為稀疏信號的恢復問題，從而利用單快拍數據對相干信號源進行高分辨DOA 估計。目前，用于求解SR-DOA 模型的算法主要包括L1 范數最小化算法、正交匹配追蹤（Orthogonal Matching Pursuit，OMP）算法和平滑L0（Smoothed L0，SL0）算法［12-14］等。其中，L1范數最小化算法將SR問題轉化為二階錐規劃問題進行求解，具有較高的精度，但運算比較復雜；OMP 算法計算成本低、估計誤差較小，但往往需要信號稀疏度等先驗信息；SL0算法估計精度高、無需先驗信息、運算復雜度低，但通常需要對其參數進行設置，限制了其在實際中的應用。……