基于L形数组的三重注意力机制的高效2D-DOA估计
Yonghong Zhao1,2, Xiumei Fan1,2, Jisong Liu1
1School of Automation and Information Engineering, Xi'an University of Technology, Xi'an 710048, China.
Sensors (Basel, Switzerland)
|April 26, 2025
概括
这项研究介绍了TADCN,这是一个新的深卷积神经网络,用于准确的二维到达方向 (DOA) 估计. 通过三重注意力机制,TADCN增强了特征提取,在各种条件下优于现有方法.
科学领域:
- 信号处理 信号处理
- 阵列信号处理 阵列信号处理
- 机器学习 机器学习
背景情况:
- 准确的到达方向 (DOA) 估计对于无线通信,雷达和传感器阵列等应用至关重要.
- 现有的方法在性能方面面临挑战,特别是与相关的来源或不同噪音水平相相关的方法.
研究的目的:
- 提出一种新的深卷积神经网络 (DCN),用于高精度的2D-DOA估计.
- 通过使用新的架构来增强特征提取和空间频谱分析.
主要方法:
- 开发了一个名为TADCN的新型DCN,使用L形数组.
- 实施三重注意力机制 (TAM) 以改善跨信号维度的特征提取.
- 集成频谱分析仪和自动角度匹配方法用于DOA估计和配对.
主要成果:
- 与传统和其他深度学习方法相比,TADCN表现优越.
- 该算法在各种噪音水平和快照计数中保持了强大的估计准确性.
- 即使使用相关的信号源,也可以实现有效的性能.
结论:
- 拟议的TADCN算法在2D-DOA估计准确性和效率方面取得了重大进展.
- 三重注意力机制是提高特征表示和空间频谱质量的关键.
- 对于要求高的DOA估计应用程序,TADCN提供了一个有前途的解决方案.


