基于多特征融合的阵列孔径扩展学习方法

来源：电子测量技术杂志2026年第8期北京时间：

作者：张玉涛，张志武，韩天水，郭思远，韩圣千，孙进平

单位：1.中国船舶集团有限公司第八研究院 南京 211153; 2.北京航空航天大学电子信息工程学院 北京 100191

摘要：到达角（DOA）估计是阵列信号处理领域的一个重要研究方向，其估计精度与阵列孔径密切相关。增大阵列孔径可以有效提升DOA估计性能，但传统方法通常采用增加阵元数量的方式来扩展孔径，在实际应用中受到物理尺寸和硬件成本的限制。因此，如何在不增加物理资源的情况下有效扩展阵列孔径是值得研究的问题。本研究提出一种基于多特征融合的阵列孔径扩展学习方法，首先通过多尺度卷积模块提取小孔径阵列接收信号的特征，然后结合通道注意力模块对多特征进行自适应加权融合，最终生成大孔径阵列接收信号。仿真结果表明，所提出的方法能够基于单个快拍的小孔径阵列信号有效实现孔径扩展，显著提升DOA估计性能。

关键词：阵列孔径扩展;深度学习;到达角估计;深度神经网络