【摘 要】
：
来波方向估计（DOA）在电子侦察对抗、无线电频谱监测、移动通信、雷达、声呐等领域都扮演着非常重要的角色,是阵列信号处理方向中一个重要分支。在目前通信环境中,存在大阵列需求,在大阵列系统中,将会给传统来波方向估计算法带来巨大的挑战,面临着运算量大以及高精度取舍等问题。传统来波方向估计算法在实际环境的适应性较差,因为该类算法是基于数学表达式的一种算法,需要对环境做很多假设,当实际环境难以达到目标条件,
论文部分内容阅读
来波方向估计（DOA）在电子侦察对抗、无线电频谱监测、移动通信、雷达、声呐等领域都扮演着非常重要的角色,是阵列信号处理方向中一个重要分支。在目前通信环境中,存在大阵列需求,在大阵列系统中,将会给传统来波方向估计算法带来巨大的挑战,面临着运算量大以及高精度取舍等问题。传统来波方向估计算法在实际环境的适应性较差,因为该类算法是基于数学表达式的一种算法,需要对环境做很多假设,当实际环境难以达到目标条件,估计性能无法满足实际需求,且抗噪能力较差。深度学习可以实现大规模数据的分析和处理,是一种基于数据驱动的算法,无需对环境进行假设。基于深度学习对通信信号进行来波方向估计,将极大的提高来波方向估计的计算效率,通过多种信噪比的数据训练,也能够提升系统的抗噪能力。在此情况下,如何能够利用深度学习的优势,解决传统来波方向估计算法计算效率慢,低信噪比表现不理想的问题,本文在最新研究基础上,做了以下工作:（1）研究阵列信号以及相干信号源的数学模型,分析神经网络基本组件。（2）研究传统一些来波方向估计算法,并基于传统算法不足提出一些改进算法。（3）基于深度学习对均匀线阵进行来波方向估计,提出CNN-Line DOA估计算法,并与传统MUSIC算法在多方面对比,探讨算法可行性。（4）均匀线阵仅能得到方位角,无法得到通信信号的俯仰角。本文针对均匀圆阵,基于CNN网络,提出CNN-Circle DOA估计算法,通过深度学习同时估计通信信号的方位角与俯仰角。本文将从研究历史DOA算法出发,利用深度学习处理大数据的优势,分别基于二维空间与三维空间,提出两种基于深度学习的通信信号来波方向估计算法,提升算法计算效率、抗噪能力,为深度学习算法加入来波方向估计提供了可行的方法。
其他文献
增强现实技术将经过计算机渲染的虚拟物体与真实场景相融合,广泛应用于电影制作、医疗辅助、工业生产、娱乐等领域。为了保证虚拟物体和真实场景融合的真实感,需要渲染虚拟物体时使用的光照信息与真实环境保持一致,实现虚实融合的光照一致性。受可控光源的影响,室内场景中的光照条件比较复杂并且具有动态变化的特点。对室内场景光照的动态变化进行估计,是实现增强现实光照一致性的重要技术。综上,室内场景的动态光照估计具有重
计算机断层扫描（Computed Tomography,CT）能够利用人体组织对X射线吸收率差异进行成像,以无创的方式获得人体的内部结构图像,因此在临床医疗中被广泛应用于疾病的筛查和诊断。由于X射线辐射对人体具有潜在危害,低剂量CT（Low Dose CT,LDCT）逐渐成为了当前CT成像的主要研究方向。减少X光照射剂量和降低曝光时间是目前减少X射线累积辐射的主要手段,然而X射线的剂量减少会引起量
信号调制识别在电子战、通信侦察、雷达侦察、无线电频谱监测与管理和链路自适应等领域有着重要的应用。但如今信道环境越来越复杂且信号调制方式不断增多,如何高效且准确地完成复杂环境中信号调制识别是当前通信各个领域亟待解决的难题。本文以某电子对抗部队非协作通信为背景,针对信号调制识别中传统算法识别性能低、计算复杂度高等问题,基于深度学习对AWGN信道和Rayleigh衰落信道中信号调制识别关键技术进行研究。
行人实例分割是对图像进行实例级和像素级处理的技术,是计算机视觉领域中一项重要的研究任务。当前的行人实例分割存在分割精度不高、缺乏对分割后的行人实例效果检验等问题。本文针对此问题展开研究,主要工作和创新点如下。1.针对当前行人实例分割精度不高的问题,提出了一个行人实例分割与提取网络。网络基础部分,采用单阶段网络设计结构,使用特征金字塔网络提取特征;网络主干部分,分为行人检测分支和行人实例分割与提取分
肺癌是中国发病率和死亡率最高的癌症,恶性肺结节的早期筛查能够显著降低肺癌的死亡率。胸部计算机断层扫描（Computed Tomography,CT）图像能够以非侵入的方式捕获肺结节的异质性,是目前肺癌早筛的常规方法。精准的肺结节定性极其困难,其不仅是因为医生在高强度的工作负担下无法保持高度集中来做出准确的判断,而且还在于人眼难以捕捉到发生在CT值细微变化的肺结节异质性。肺癌的计算机辅助诊断（Com
电子计算机断层扫描（CT）技术可快速获取人体组织结构图像,得到的图像具有极高的空间分辨率以及清晰度。CT技术目前已经成为临床诊断的重要方式,为临床医生对疾病诊断和治疗提供了强有力的帮助。随着CT技术的广泛使用,检测时产生的辐射对受检者所造成的伤害不容忽视,过量CT辐射将严重损害受检者的身体健康。但是,降低CT检测的辐射剂量会导致CT图像出现噪声、伪影,引起图像质量下降。这些噪声、伪影经常掩盖细微但
近年来慢性非传染性疾病对人类健康的威胁日益增大。各类慢性病因其复杂的发病过程,很难确定疾病的发病时间。慢性病的早期筛查和确诊是公认的降低慢性病危害的有效办法,只有通过定期的体检来尽早发现诊断慢性病。伴随医疗信息化的建设不断深入,大部分医疗机构已经存有大量医疗健康数据。在这个前提下,逐渐成熟的人工智能技术为慢性病早期的筛查和诊断提供了有力的工具。近年来,针对各类慢性的研究逐渐增多。本文以体检数据为研
信息化技术和互联网的快速发展正深刻地影响着人民的生产与生活方式,我国社会正逐步朝着信息化社会迈进。根据第47次《中国互联网络发展状况统计报告》[1],截止2020年底我国的互联网普及率已达70.4%,人民的生产和生活与网络紧密相关。然而,在人们享受信息化与智能化所带来的便利同时,网络空间中所存在的安全问题是无法被忽视的。《2019年我国互联网网络安全态势综述》[2]中的统计数据显示,约有44.4%
针对公共场所中的特定事件的自动检测技术是保障公共安全的重要手段之一,也是推动社会智能化发展的重要技术之一。时空行为检测（Spatiotemporal Action Detection,STAD）就是在此需求下应运而生的自动化检测技术,常用于检测视频中特定的行为及其发生时所在的时空位置。时空行为检测中,用于检测如学校、监狱等特殊场所中打架斗殴等暴力事件的暴力行为检测（Violence Detecti
作为物联网技术中的重要组成部分,无线传感器网络技术已广泛运用于各领域。然而,传感器节点有限的电池容量制约了无线传感器网络的工作寿命。一旦传感器节点电池能量耗尽,会影响某区域的监控质量。因此,如何克服该约束并延长整个网络的寿命是一个研究的热点问题。当前,无线充电被视为延长网络寿命的一种有前途的解决方案。传统的无线充电技术是基于单路的充电范式。然而,这种一对一的充电范式存在扩展性不足和充电效率低下等问