.png){kind=icon}
返回
Secondary Beam Attention Estimation Algorithm
.png){kind=icon}
PRE
AI
DOI：10.1109/JOE.2025.3585656.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
反卷积算法在复杂环境中表现出显著的局限性。为提升到达方向（DOA）估计的准确性，本文提出了一种融合深度学习与反卷积处理的估计算法。该算法采用反卷积方法对接收数据进行预处理，并利用二次规划与压缩感知算法获取空间功率分布向量及神经网络的输入数据。为提高协方差矩阵估计的精度，构建了一个堆叠卷积自编码器模型，该模型通过模型预训练抑制协方差矩阵中的噪声。此外，设计了数据选择操作以增强网络对目标位置的聚焦。进一步引入了针对波束形成结果的注意力机制，利用多个注意力抽头和偏置抽头处理数据，提高了误差估计的准确性。通过将注意力机制与多模态网络相结合，所提算法实现了高精度DOA估计。仿真与实验结果验证了该算法在估计精度和分辨率方面表现出优越性。
Keyword:
Attention
direction-of-arrival (DOA)
deconvolution
deep learning
