公开(公告)号：CN119337941A

公开(公告)日：2025-01-21

申请号：CN202411884710.5

申请日：2024-12-20

Applicant: 烟台哈尔滨工程大学研究院

Inventor： 杨翰琨 ,  鲁帅 ,  高成龙 ,  李圣涵 ,  李冬雪

IPC: G06N3/0464 ,  G06N3/084 ,  G06F18/213 ,  G06F18/214 ,  G06F18/2415

Abstract: 本发明公开了一种基于空间特征反馈的多层级卷积神经网络DOA估计方法，首先计算接收到的信号的协方差矩阵，然后将协方差矩阵分解为实部和虚部两个通道输入到多层DOA估计模型中，得到最终的到达角度估计值；所述多层DOA估计模型包括依次设置的L个分类层，其中第一个分类层中为粗分类模块，其它分类层中各有一个精细分类模块；包含所述精细分类模块的分类层的数量由估计分辨率决定。本发明通过逐层细化DOA估计范围的方式来提高分辨率、满足估计要求，避免了过细划分而导致的高复杂度问题，降低了计算成本，同时还具有逼近能力强、收敛速度快等优点。

公开(公告)号：CN119337941B

公开(公告)日：2025-04-25

申请号：CN202411884710.5

申请日：2024-12-20

Applicant: 烟台哈尔滨工程大学研究院

Inventor： 杨翰琨 ,  鲁帅 ,  高成龙 ,  李圣涵 ,  李冬雪

IPC: G06N3/0464 ,  G06N3/084 ,  G06F18/213 ,  G06F18/214 ,  G06F18/2415

Abstract: 本发明公开了一种基于空间特征反馈的多层级卷积神经网络DOA估计方法，首先计算接收到的信号的协方差矩阵，然后将协方差矩阵分解为实部和虚部两个通道输入到多层DOA估计模型中，得到最终的到达角度估计值；所述多层DOA估计模型包括依次设置的L个分类层，其中第一个分类层中为粗分类模块，其它分类层中各有一个精细分类模块；包含所述精细分类模块的分类层的数量由估计分辨率决定。本发明通过逐层细化DOA估计范围的方式来提高分辨率、满足估计要求，避免了过细划分而导致的高复杂度问题，降低了计算成本，同时还具有逼近能力强、收敛速度快等优点。