.png){kind=icon}
返回
Diffusion model-based covariance matrix recovery method for DOA estimation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.sigpro.2026.110606.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
考虑到低信噪比（SNR）和有限快照条件下接收信号协方差矩阵的结构失真，到达方向（DOA）估计的准确性受到显著影响。本文将图像生成问题转化为协方差矩阵去噪问题，并提出了一种基于扩散模型的协方差矩阵恢复方法用于DOA估计。首先，通过期望协方差矩阵与采样协方差矩阵之间的关系，分析了在协方差矩阵恢复场景中采用扩散模型的可行性。随后，为增强协方差矩阵的去噪性能，提出了一种由负指数函数和双超参数表征的新型噪声调度曲线。此外，利用特征编码器设计了动态时间步预测策略，以提高扩散模型的反向生成效率。最后，构建了两种深度学习神经网络用于DOA估计。仿真实验验证了所提方法的有效性、优越性和鲁棒性。
Keyword:
Diffusion model
Covariance matrix recovery
DOA estimation
Noise scheduling
Deep learning
期刊
IF:
3.6
论文数:
10.0K
被引数:
1.7W
机构
引用论文
Anti-Interference DoA Estimation for LFM Radar Signals Using Space-Time-Modulated Metasurfaces基于空时调制超表面的LFM雷达信号抗干扰波达方向估计
PREAI
分享收藏Deep Networks for Direction of Arrival Estimation With Sparse Prior in Low SNR低信噪比下基于稀疏先验的深度网络波达方向估计.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容