基于循环 ADMM 的高分辨率 DoA 估计快速网络

本文引入 CADMM-Net 和 CHADMM-Net 两种深度神经网络，用于在最小绝对收缩与选择惩罚（LASSO）框架内进行到达方位估计。这两种网络基于交替方向乘子法（ADMM）算法通过循环矩阵以及 Hermitian 循环矩阵的结构深度展开。它们在推理每个层次的计算复杂度为 $\mathcal{O}(N\log(N))$，其中 $N$ 为字典 $\mathbf{A}$ 的长度。此外，这些结构化网络的内存占用分别为 $N$ 和约等于 $N/2$，而 ADMM-Net 为 $N^{2}$。 Furthermore，这些结构化网络在检测率、角根均方误差和归一化均方误差方面表现出对 ADMM-Net、LISTA、TLISTA 和 THLISTA 的竞争性能。