(SP)$^2$-Net：一种用于DOA估计的神经空间谱方法

Lioz Berman; Sharon Gannot; Tom Tirer

(SP)$^2$-Net：一种用于DOA估计的神经空间谱方法

信号处理 2025-09-22 v1 机器学习机器学习

作者: Lioz Berman , Sharon Gannot , Tom Tirer

摘要

我们考虑从单个天线阵列快照估计多个来源的来到方向（DOA）的问题，这一任务在实际应用中具有广泛意义。在此类情况下，常用的Bartlett波束器由于来源数量未知或较大，使得最大似然估计变得不可行，而基于样本协方差的谱方法由于缺乏多个快照而无法使用。然而，Bartlett波束器的精度和分辨率在阵面孔径上存在根本性限制。本文提出了一种深度学习技术，包括新颖的体系结构和训练策略，用于从单个快照生成高分辨率的空间谱。具体而言，我们训练一个深度神经网络，该网络接受测量值和假设角度作为输入，并学习输出与远宽天线阵列能力相一致的评分。在推断时，可以通过扫描任意角度集合来生成热图。我们展示了我们的训练模型（命名为(SP) $^2$ -Net）相对于Bartlett波束器和稀疏基DOA估计方法的优势。

关键词

来到方向估计空间谱深度学习神经网络天线阵列 Bartlett波束器单快照高分辨率

引用

@article{arxiv.2509.15475,
  title  = {(SP)$^2$-Net: A Neural Spatial Spectrum Method for DOA Estimation},
  author = {Lioz Berman and Sharon Gannot and Tom Tirer},
  journal= {arXiv preprint arXiv:2509.15475},
  year   = {2025}
}

备注

Code can be found at https://github.com/Liozb/SP2-Net

(SP)$^2$-Net：一种用于DOA估计的神经空间谱方法

摘要

关键词

引用

备注

相关论文