基于轻量化级联神经网络的信号DOA估计

来源：电子测量技术杂志2026年第5期北京时间：

作者：熊伟华，章勇，张雪梅，李良尧

单位：东华理工大学电子与电气工程学院(智能制造学院)南昌 330013

摘要：针对现有基于深度学习的DOA估计算法存在参数量大、依赖易受噪声干扰的协方差矩阵输入，难以部署于资源受限的边缘设备的问题。本文提出一种轻量化卷积分类回归神经网络DOA估计算法，采用原始信号作为模型输入，通过端到端学习直接从时域信号中提取DOA特征，避免了传统协方差矩阵方法在低信噪比环境下的性能退化问题。模型通过时空特征压缩和结合Ghost瓶颈结构减少参数量，并引入注意力机制自适应地重新标定特征通道权重，增强对关键特征的关注度。采用粗分类与细回归相结合的双分支输出策略，先确定角度区间再预测扇区内偏移量，从而在严苛条件下（如-5 dB信噪比）仍能保持高精度估计。实验结果表明，该模型在保持优异性能（准确率96.3%）的同时，实现了高度轻量化（模型实际部署大小118.83 kB，参数量24 783）。与传统算法和主流轻量模型相比，本模型在降低模型参数量的基础上，同时保证了准确率和计算效率，为边缘设备提供了高精度、低延迟、低资源消耗的DOA估计解决方案。

关键词：DOA估计;时域信号;协方差矩阵;轻量化模型;深度学习

基金资助：江西省“双千计划”长期项目（DHSQT220210003）资助