Page 34 - 《应用声学》2023年第3期

472 2023 年 5 月

θ = 180 − arccos (|x ship − x target | /r) . (14) 的方位角与真实的方位角存在较大的偏差，相比
◦
高分辨率波束形成方法，CBF+CNN方法估计精度
2.4.2 不同SNR下的性能评价
更高更稳健。图 10 为目标角度真实值为 108.6669 ◦
为了研究不同 SNR 下本文目标方位估计方法
(t = 400 s 时刻) 时 4 种方法估计结果，本文选用方
的鲁棒性，将SNR范围设定在−20 ∼ 10 dB范围之
法估计结果估计误差相对较小。
间，间隔为 5 dB，在测试集阵列接收信号中加入不
同 SNR 的高斯白噪声。对不同 SNR 下阵列接收信
表 3 4 种方法方位估计性能比较
号进行 CBF，利用本文搭建的 CNN 模型对数据集
Table 3 Comparison of the four methods
进行训练，利用 2.3 节中 RMSE 计算公式得出输出 of bearing estimation performance
预测角度的 RMSE 如表 2 所示。随着 SNR 的降低，
模型估计角度的 RMSE 会增加，在 SNR > −5 dB， 估计方法 准确率/% RMSE
CBF+CNN 100 1.0323
CNN方法可以以较高精度估计到目标方位角。
MVDR 73.7705 4.8339
表 2 不同 SNR 下 RMSE MSNR 72.1311 4.4718
Table 2 RMSE under different SNR CBF 45.9016 9.6799

SNR/dB RMSE(θ e − θ ro)/( ) RMSE(θ e − θ r )/( ) 140
◦
◦
−20 25.0560 24.8699 DOA-REAL
130 DOA-CBF
−15 13.3907 13.4865 DOA-MVDR
DOA-MSNR
−10 10.0270 10.0716 120 DOA-CBF+CNN
−5 1.0323 1.3311
5 0.8396 1.2272 வͯᝈ/(°) 110
10 0.7013 1.0501
100
+∞ 0.6895 1.0222
90
在 −5 dB 下，将本文所用基于 CNN 方位估计
方法 (CBF+CNN) 和 CBF、MSNR、MVDR 波束形 80 0 200 400 600 800 1000 1200
成方法性能进行比较，得出方位估计准确率 (允许 ௑ᫎ/s
误差为 5 )，利用 2.3 节中 RMSE 计算公式得出的
◦
图 9 CBF+CNN、MVDR、CBF、MSNR 方位估计比较
RMSE 如表 3 所示，CBF+CNN 方法估计结果更加 Fig. 9 Comparison of the position estimation results
可靠，误差相对较小。4 种方法估计方位结果与真 of CBF+CNN, MVDR, CBF, and MSNR methods
实方位角比较如图 9 所示，CBF 在一部分时刻估计 with the real position

1.0
1.00
MVDR: 108° 0.95
0.9 1.00
0.95 108
MSNR: 108°
0.8 108
DOA-CBF
CBF: 108°
0.7 0.40 DOA-MVDR
0.35 DOA-MSNR
CBF+CNN: 109° DOA-CBF+CNN
0.6
105
ॆʷӑࣨϙ 0.5
110
115
0.4
0.4
0.35
0.3 105 110 115
0.2
0.1
0
0 20 40 60 80 100 120 140 160 180
ᝈए/(°)
图 10 t = 400 s 时方位估计结果比较
Fig. 10 Comparison of bearing estimation results at t = 400 s