用于大规模深度卷积分类网络DOA估计的标签分解方法

来源：信号处理杂志 2021年第1期北京时间：

作者：吴双, 袁野, 马育红, 黄敬健, 袁乃昌

摘要：为了有效地解决使用深度神经网络求解波达方向(DOA)估计涉及到的大规模分类器的训练和部署实现，本文提出将传统的one-hot分类器分解为多个类别互质的小分类器，然后联合使用多个互质分类器的分类结果重构原始one-hot标签。首先使用标签分解，将原始标签分解为多个互质的小标签，小标签对应的类别为原始类别对质数取余数的结果。其次，通过独立并行地训练每一个互质分类器，降低了大类别条件下分类器的训练难度。仿真结果表明，相比one-hot分类器，互质分类器网络的复杂度低，易于训练。另外，使用互质分类器进行DOA估计能够实现超分辨并且估计的精度比one-hot分类器以及稀疏贝叶斯学习等方法更高。

关键词：波达方向估计, 深度卷积神经网络, 标签分解, 大规模分类问题