摘要
本发明公开了一种基于深度展开网络的无网格波达方向估计方法及系统,所述方法包括:S1、建立阵列天线接收信号模型,构建深度展开网络的训练数据集;S2、将ANM‑ADMM算法的迭代步骤展开,构建深度神经网络ANM‑ADMM‑Net;S3、基于所构建训练数据集,对ANM‑ADMM‑Net进行训练,获得网络最优可学习参数;S4、利用已训练ANM‑ADMM‑Net对阵列天线接收信号进行处理,对所得结果进行Vandermonde分解,得到DOA估计结果。本发明深度展开网络ANM‑ADMM‑Net能够从数据中学习得到ANM‑ADMM算法的最优迭代参数,以更低的计算复杂度快速获得更准确的DOA估计结果,且具有更高的噪声鲁棒性。
技术关键词
阵列天线接收信号
ADMM算法
估计方法
构建深度神经网络
DOA估计
矩阵
网格
非暂态计算机可读存储介质
反向传播方法
数据
参数
噪声鲁棒性
非线性
天线阵元
变量
因子
系统为您推荐了相关专利信息
健康状态估计方法
多场景
电化学阻抗谱分析
电池健康状态
卷积神经网络模型
SOC估计方法
电池系统
电池单体
融合滤波
等效电路模型
损伤识别方法
隔震支座
损伤识别模型
Softmax分类器
数据