融合信号特征与深度学习的稳健高精度DOA估计方法

本发明具体涉及一种融合信号特征与深度学习的稳健高精度DOA估计方法，包括：获取平面阵列的接收信号，基于接收信号计算协方差矩阵；对协方差矩阵进行特征分解得到特征向量，通过计算信号特征向量之间的Hadamard积构造输入向量，将输入向量和对应的标签组成数据‑标签对；将数据‑标签对作为训练数据，输入预训练的神经网络进行训练；对测试数据的协方差矩阵进行特征值分解，通过计算信号特征向量之间的Hadamard积构造输入向量，将输入向量输入训练好的神经网络，得到粗估计的DOA估计值；将粗估计的DOA估计值作为WF算法的初始DOA，使用WF算法迭代得到优化后的DOA估计值。本发明方法能够在阵列通道存在较大相位误差条件下，依然保持较高的DOA估计精度。