基于分布式深度学习的节约内存的信源定位方法

本发明提出了一种基于分布式深度学习的节省内存的信源定位方法，该方法降低了在大规模天线场景中设备计算的内存需求。采用重叠子阵选取策略，将完整阵列划分为多个子阵，允许部分阵元在相邻子阵之间重叠。该策略有效地补偿了子阵之间互相关信息的丢失，从而提高了波达方向估计的精度。每个子阵都与一个独立的子处理器配对，负责压缩接收到的数据并将结果传输到融合中心。融合中心利用图神经网络从复杂数据集中有效提取波达方向估计信息。将波达方向估计视为回归任务，利用Toeplitz先验通过后处理实现高精度无网格估计。仿真结果表明，提出的分布式深度学习方法实现了与集中式深度学习方法相当的估计精度，同时具有较低的设备内存需求。