近日，我校bwin必赢唯一官方网站陈志敏副教授与东南大学陈鹏、香港理工大学Liang Liu、复旦大学陈赟和加拿大西安大略大学Xianbin Wang 教授等团队合作，在电子与电气测量、仪器仪表领域国际著名权威期刊《IEEE Transactions on Instrumentation and Measurement》（以下简称IEEE TIM）发表题为“SDOA-Net: An Efficient Deep-Learning-Based DOA Estimation Network for Imperfect Array”的论文，陈志敏副教授为通讯作者。IEEE TIM期刊在电子与电气测量、仪器仪表领域排名第1，也是JCR中Instrumentation and Measurement类Q1中唯一的通用期刊。

高精度的波达角（DOA）估计技术是实现精准定位与高速通信的基础，提升其在实际复杂环境中的精度与稳健性极为重要，亦是当前阵列信号处理领域的关键研究方向之一。在实际的阵列系统中，不可避免地存在一些非理想因素，诸如天线位置扰动、互耦效应、增益/相位不一致以及非线性放大器效应等，这些因素会显著降低 DOA 估计的性能。论文提出了一种基于深度学习（DL）的 DOA 估计方法——超分辨 DOA 网络（SDOA - Net），以便更精准地描述实际阵列。与常规的 DL DOA 估计方法不同，SDOA - Net 以采样接收信号而非协方差矩阵作为输入来提取数据特征。此外，SDOA - Net 还会生成一个与目标 DOA 无关的向量用于估计其空间谱。因此，SDOA - Net 能够应用于任意数量的目标估计，并且与现有 DL 算法相比，收敛速度更快。此项工作能够显著降低估计算法在实际场景中的实现复杂度，更有利于高精度 DOA 估计算法的推广与应用。

论文链接：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=10505315