受IHT启发的神经网络用于稀疏线性阵列单快拍DOA估计
信号处理
2023-09-18 v1 机器学习
摘要
利用稀疏线性阵列（SLAs）的单快拍波达方向（DOA）估计在汽车 MIMO 雷达领域备受关注。这是由于汽车环境具有动态性，无法获取多快拍，且降低硬件成本十分重要。低秩 Hankel 矩阵补全已被提出用于插值 SLAs 中的缺失元素。然而，矩阵补全的求解器（如迭代硬阈值（IHT））严重依赖专家知识的超参数调优且缺乏任务特异性。此外，IHT 涉及截断奇异值分解（t-SVD），其每次迭代计算代价高。本文中，我们提出一种受 IHT 启发的神经网络用于 SLAs 单快拍 DOA 估计，称为 IHT-Net。我们利用循环神经网络结构参数化 IHT 算法。此外，我们集成浅层自编码器以替代 t-SVD，在通过监督学习生成新型优化器的同时降低计算开销。IHT-Net 保持强可解释性，因其网络层操作与 IHT 算法迭代一致。所学优化器在全阵列信号重建及后续单快拍 DOA 估计中展现快速收敛与更高精度。数值结果验证了所提方法的有效性。
引用
@article{arxiv.2309.08429,
title = {IHT-Inspired Neural Network for Single-Snapshot DOA Estimation with Sparse Linear Arrays},
author = {Yunqiao Hu and Shunqiao Sun},
journal= {arXiv preprint arXiv:2309.08429},
year = {2023}
}
备注
5 pages, 5 figures