一种基于机器学习的到达角估计方法

本发明公开了一种基于机器学习的到达角估计方法，该方法采用双阶段智能估计机制，包括：第一阶段为信号高精度重建，通过深度神经网络对低精度ADC量化信号进行非线性映射，利用LeakyReLU激活函数和Sigmoid输出层实现信号质量提升；第二阶段为空域智能分类，采用卷积神经网络提取空域特征，通过自适应门限检测算法实现多目标角度精确提取。系统采用动态资源管理，根据信噪比自适应调整网络深度，通过滑动窗口统计触发在线模型更新。在抗干扰方面，原始信号仅用于初始估计，后续跟踪结果由网络特征响应动态修正。本发明具备高精度、低复杂度和强实时性，适用于运载火箭遥测、无人机集群定位等低功耗要求的无线感知系统。