中文标题：针对圆和非圆信号混合入射的多特征融合网络鲁棒测向算法

英文标题：A Neural Network-Based Robust Direction Finding Algorithm for Mixed Circular and Non-Circular Signals Under Array Imperfections

来源期刊：电子与信息学报

基金项目：国家自然科学基金(No.61901526, No.62171469, No.62071029)，军事科技领域青年人才托举工程(No.2022-JCJQ-QT-028)，河南省优秀青年科学基金(No. 242300421174)

作  者：于淇 尹洁昕 刘正武 王鼎

作者单位：中国人民解放军网络空间部队信息工程大学信息系统工程学院 河南郑州 450001

摘  要：针对阵列误差影响下圆和非圆信号混合入射的波达方向(DOA)估计问题，提出了一种基于改进视觉转换器(ViT)模型的鲁棒测向算法。该算法通过构建六通道类图像输入架构，融合接收信号的协方差矩阵实部、虚部、相位、幅值及非圆扩展特性，利用梯度掩码机制实现核心特征与辅助特征的自适应融合，充分提取并挖掘了非圆信号伪协方差矩阵中蕴含的额外信息；同时改进传统ViT模型结构，增加特征融合及卷积模块，并设计前后双分类标记注意力机制，增强模型对信号的学习能力和适应性。实验结果表明，该算法在低信噪比、圆与非圆信号混合及多种阵列误差共存等复杂场景下，相比于现有方法展现出了更好的鲁棒性和测向精度。此外，该算法对快拍数变化及未知调制类型的信号亦表现出良好的适应性与稳定性，为复杂环境中的波达方向估计提供了一种新的有效方法。

全文链接： https://jeit.ac.cn/cn/article/doi/10.11999/JEIT250884