利用双塔神经网络实现稀疏线性阵列单快照波束方向估计的提升
信号处理
2025-01-14 v1 机器学习
摘要
稀疏线性阵列在单快照信号处理中日益重要，尤其是在仅有限快照可用的情况下，例如在汽车雷达系统等动态环境中。这些阵列常常是为了降低制造成本或由于意外的天线故障而形成的，导致高副瓣水平和波束方向估计精度受损的问题。尽管深度学习在波束方向估计等任务中取得了成功，但需要大量训练数据来增加目标数量或提高角分辨率仍是一个重大挑战。为此，本文提出了一种 novel 的双塔神经网络 (SNN)，并引入稀疏增强层，增强了信号特征嵌入和稀疏阵列的波束方向估计精度。通过详细的特征分析和性能评估，我们展示了该方法在提升波束方向估计性能方面的优势。本研究的代码可在 https://github.com/ruxinzh/SNNS_SLA 上获取。
引用
@article{arxiv.2501.07008,
title = {Advancing Single-Snapshot DOA Estimation with Siamese Neural Networks for Sparse Linear Arrays},
author = {Ruxin Zheng and Shunqiao Sun and Hongshan Liu and Yimin D. Zhang},
journal= {arXiv preprint arXiv:2501.07008},
year = {2025}
}
备注
Paper accepted by ICASSP 2025