基于树模型深度神经网络的海量 MIMO 接收阵列高分辨率 DOA 估计新方法
信号处理
2024-03-13 v4
摘要
为满足波达方向（DOA）估计的高分辨率需求，使用网格思想的常规基于深度神经网络（DNN）的方法需显著增加输出分类数，同时产生巨大的模型复杂度。为解决该问题，提出一种基于多级树的 DNN 模型（TDNN）作为替代，其中每一级以小规模多层神经网络（MLNNs）为节点，将目标角度区间划分为多个子区间，且每个输出类关联到下一级的一个 MLNN。随后 MLNN 数量从第一级到最后一级逐渐增加，因此增加树深度会显著提升输出类数以提高估计精度。更重要的是，该网络被扩展用于多发射机 DOA 估计。仿真结果表明，所提 TDNN 在极低信噪比（SNR）下远优于常规 DNN 和 root-MUSIC，且可达到克拉美罗下界（CRLB）。此外，在多发射机场景中，所提 Q-TDNN 相较 DNN 和 Root-MUSIC 也取得显著性能提升，且增益随发射机数量增加而增大。
引用
@article{arxiv.2311.08758,
title = {A Novel Tree Model-based DNN to Achieve a High-Resolution DOA Estimation via Massive MIMO receive array},
author = {Yifan Li and Feng Shu and Jun Zou and Wei Gao and Yaoliang Song and Jiangzhou Wang},
journal= {arXiv preprint arXiv:2311.08758},
year = {2024}
}