面向基于深度学习的无网格DoA估计的无关性感知损失函数比较研究

协方差矩阵重建是稀疏线性阵列无网格方向到达角（DoA）估计中最广泛使用的引导目标。许多基于半正定松弛（SDP）的方法都落在此范畴。尽管深度学习方法使更复杂的目标函数得以构建，但大多数方法仍依赖协方差矩阵重建。本文提出新的损失函数，针对矩阵尺度不变性进行设计，并对不同程度无关性的损失函数进行比较研究。所提出的损失函数基于目标矩阵与预测Gram矩阵之间的尺度不变信噪比（SI-SNR）构建。数值实验表明，尺度不变损失优于其非不变对应物，但不及最近提出的面向基底变化无关性的子空间损失。这些结果表明，在深度学习无网格DoA估计中，设计更高程度无关性的损失函数是有利的。