融合空间域维纳滤波与卷积神经网络的水声DOA估计

来源：电子与信息学报杂志2025年第10期北京时间：

作者：邢传玺, 黄廷龙, 谈光枝, 李维强

单位：1.云南民族大学电气信息工程学院 昆明 6505042.云南省无人自主系统重点实验室 昆明 650504

摘要：针对实际海域中来自水流、船舶、海洋生物等噪声源的干扰使得接收信号的信噪比较低，进而导致传统波达方向(DOA)估计算法性能下降的问题。该文提出一种结合维纳滤波降噪的深度学习算法。首先，维纳滤波算法在频域需要依靠噪声和信号功率谱，然而这些参数往往难以获取，因此将其转化为对信号空间域进行降噪，并使用降噪后的数据集进行神经网络训练，从而减小低信噪比条件下对方位角估计的影响。其次，为了实现网络的分类和回归估计功能，使用改进的二进制交叉熵函数作为网络的损失函数。最后，在模型训练完成后，通过小数标签策略预测网络输出结果中的离格误差，并对这些误差进行修正以提高算法估计精度。仿真结果与海试数据验证结果表明，在低信噪比情况下，以均方根误差为性能指标，网络整体性能提升了25.20%，在–20 dB信噪比条件下，所提方法的均方根误差相较MUSIC和ESPRIT算法分别降低了93.42%和92.14%。研究结果表明，本文算法能够充分提取空间特征，满足实际应用对算法鲁棒性的需求，为浅海复杂环境的目标检测和定位任务提供了新的方案。

关键词：DOA估计, 深度学习, 维纳滤波, 网格失配

基金资助：国家自然科学基金(61761048)，云南省基础研究专项面上项目(20210AT070132)