用于单快拍稀疏阵列插值的深度频率注意力网络

稀疏阵列因其以低硬件成本实现大阵列孔径的优势，同时显著降低互耦，在雷达系统中得到了广泛应用。然而，稀疏阵列存在高旁瓣的问题，可能导致虚警。稀疏阵列中的缺失元素可以利用稀疏阵列测量值进行插值。在快拍受限的场景中，如汽车雷达，利用差共阵列进行插值具有挑战性，因为差共阵列需要大量快拍来构建协方差矩阵。对于单快拍稀疏阵列插值，传统的基于模型的方法虽然有效，但需要专家知识进行超参数调优，缺乏针对任务的适应性，且计算成本高。在本文中，我们提出了一种基于深度学习的单快拍稀疏阵列插值网络，通过利用频域注意力机制来解决这些挑战。所提出的方法将稀疏信号转换到频域，其中注意力机制聚焦于关键频谱区域，即使在低信噪比（SNR）条件下也能实现对缺失元素的改进插值。通过最小化计算成本和提高插值精度，所提出的方法表现出优于传统方法的性能，使其非常适合汽车雷达应用。