摘要：随着现代通信技术的发展,波达方向(Direction of Arrival,DOA)估计在卫星通信抗干扰中越来越重要,通过对干扰信号的DOA实时和精确估计,为后续抗干扰提供依据。传统的估计算法计算任务重且耗费时间,不利于对干扰信号进行实时定位,如MUSIC,ESPRIT算法等。在此背景下,提出了基于机器学习的DOA估计方法,采用神经网络学习方位特征样本,在空间信号和方位角之间建立非线性映射关系,利用训练后的网络估计方位角度,可减小运算量和提高估计精度。在分析了机器学习算法特点的基础上,提出基于BP神经网络和RBF神经网络的DOA估计算法,并从算法复杂度、信噪比、相干性和信号类型等方面评价了估计性能,通过仿真结果分析,得出RBF网络DOA估计性能优于BP网络的结论。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社