基于到达角测量的多源定位深度语义分割
信号处理
2025-06-13 v1
摘要
本文提出了一种仅利用到达角测量进行多源定位的解决方案。接收平台处于运动状态，而源假设为静止。尽管存在大量用于单源定位的方法，其中许多依赖于伪线性公式或非凸优化技术，但在动态环境中处理多源定位的研究仍存在显著空白。为填补这一空白，我们提出了一种基于深度学习的框架，利用语义分割模型进行多源定位。具体而言，我们采用UNet和UNet++作为骨干模型，处理编码了平台位置以及每个位置对应测向线的输入图像。通过分析这些线的交点，模型有效地识别和定位多个源。通过仿真，我们评估了单源和多源定位场景。我们的结果表明，虽然所提出的方法在单源定位中与传统方法表现相当，但它即使在高噪声水平和源数量增加等具有挑战性的条件下也能实现准确的源定位。
引用
@article{arxiv.2506.10107,
title = {Deep Semantic Segmentation for Multi-Source Localization Using Angle of Arrival Measurements},
author = {Mustafa Atahan Nuhoglu and Hakan Ali Cirpan},
journal= {arXiv preprint arXiv:2506.10107},
year = {2025}
}