麦克风阵列缺陷下基于SAE-CNN的DOA估计

对于高精度波达方向(DOA)估计方法来说,麦克风阵列缺乏对各种阵列缺陷的适应性是一个难以解决的问题.基于卷积神经网络(CNN)的DOA估计算法具有不依赖阵列拓扑结构先验假设的优势,且与基于模型的方法相比,能更好地适应阵列缺陷.首先利用SAE对麦克风阵列输出的协方差矩阵进行预处理,将信号分解为多个空间子域,这些空间子域具有比原始输入更集中的分布,有助于减少后续DOA估计的泛化负担;然后将空间子域作为CNN的输入来训练神经网络,建立学习特征与DOA估计的非线性映射关系.相比传统的DOA估计算法,基于SAE-CNN的DOA估计算法在麦克风阵列缺陷下具有更强的准确性和适应性.