基于半监督学习的子空间阵列测向方法

本发明提出了一种基于半监督学习的子空间阵列测向方法。该方法将信号子空间作为网络输入，显著降低了数据集规模和处理器的内存需求，使超大规模天线阵列场景应用深度学习方法成为可能。针对实际场景中标签数据难以获取的问题，本发明引入半监督学习策略，通过少量标签数据结合卷积层的复值操作实现了高精度模型训练。仿真结果表明，该方法在内存资源有限但允许较高时间复杂度的场景中表现优异，为实际应用提供了有效的解决方案。