深度神经网络在到达角估计中的性能优势
信号处理
2019-02-19 v2 机器学习
声音
音频与语音处理
机器学习
摘要
在过去几十年中，从单次天线阵列观测中估计信号源数量及其到达角一直是信号处理领域的一个活跃研究方向。当信号源数量很大时，最大似然估计器由于其极高的复杂度而难以处理，因此人们开发了其他信号处理方法，但会带来一定的性能损失。在本文中，我们将深度神经网络（DNN）方法应用于该问题，并分析其相对于信号处理算法的优势。我们表明，一个设计恰当的网络能够在可行复杂度下达到最大似然性能，并在多种信噪比和阵列响应误差下优于其他可行的信号处理估计方法。
引用
@article{arxiv.1902.03569,
title = {Performance Advantages of Deep Neural Networks for Angle of Arrival Estimation},
author = {Oded Bialer and Noa Garnett and Tom Tirer},
journal= {arXiv preprint arXiv:1902.03569},
year = {2019}
}
备注
Accepted to ICASSP 2019