一种深度学习辅助子空间的平面阵列DOA估计方法

本发明公开了一种深度学习辅助子空间的平面阵列DOA估计方法，涉及卫星导航技术与人工智能技术领域，结合轻量化深度学习与优化子空间方法，实现硬件资源受限场景下的高精度DOA估计与抗干扰。首先通过平面阵列接收信号并计算协方差矩阵，随后利用轻量化CNN‑Transformer网络对协方差矩阵进行实时处理，输出俯仰角和方位角的联合概率分布以提供粗估计；接着采用动态加权策略增强协方差矩阵，在深度学习引导的局部区域内执行快速MUSIC算法实现精细化DOA估计；最后基于投影法在干扰方向生成零陷，同时保持导航信号方向的增益，完成抗干扰波束形成。本发明通过深度学习引导子空间搜索与投影法波束形成的创新结合，通过混合架构协同优化，解决了小平面阵在低SNR下的DOA估计与抗干扰难题，兼具高精度与低资源消耗。