深度学习+波束成形双赋能：DoA估计突破复杂场景瓶颈的核心原理
文章来源 微信公众号 EW Frontier
DoA估计作为阵列信号处理的基石任务，早已渗透到声学源定位、雷达探测、无线通信等多个关键领域——其核心目标是通过传感器阵列接收的信号，精准反推信号源的方位信息。然而，传统方法在实际场景中常陷入“理想很丰满，现实很骨感”的困境，而一种融合传统波束成形原理与深度学习优势的新框架，正为解决这一难题提供了全新思路。
一、传统DoA估计的“软肋”：复杂场景下的性能滑坡
传统DoA估计以模型驱动的波束成形方法为核心，比如常规波束成形（CBF）、最小方差无失真响应（MVDR）、MUSIC算法等。这些方法基于明确的信号模型假设，在理想条件下（非相干源、充足快拍数、阵列校准完美）能稳定工作，但一旦遭遇实际场景的“复杂工况”，就容易出现性能断崖式下降：
相干源干扰：多径传播等导致多个信号源存在相关性时，传统方法会因信号协方差矩阵秩亏而失效；
少快拍限制：瞬时信号、快速移动源等场景下难以获取充足信号快照，导致滤波器估计精度大幅降低；
非理想环境：传感器位置误差、互耦效应、强背景噪声等，会破坏信号模型的理想假设，让定位结果偏差显著。
深度学习的崛起为解决这些问题带来了曙光——数据驱动的特性让模型能自适应非理想条件，但“黑箱性”和有限的可解释性，又让很多工程场景难以接受。如何在“原理可解释性”和“复杂场景鲁棒性”之间找到平衡，成为DoA估计领域的关键突破口。
二、核心创新：逼近“最优空间滤波器”的深度学习框架
新框架的核心思路，是将传统波束成形的“可解释性”与深度学习的“强拟合能力”深度融合——本质是通过神经网络逼近一个“最优空间滤波器”，实现信号聚焦与噪声抑制的双重目标，既保留原理逻辑，又突破模型假设束缚。
1. 最优空间滤波器：DoA估计的“理想目标”
波束成形的本质是构造空间滤波器B，对接收信号X滤波后得到空间能量谱P，再通过谱峰检测确定DoA。而该框架定义了一个“最优空间滤波器B*”，需满足两个核心条件：
信号聚焦：B*×A×S = S（A为阵列流形矩阵，包含所有可能方位的导向向量；S为信号源矩阵）——让滤波器只保留目标信号，过滤无关干扰；
噪声抑制：B*×N = 0（N为噪声矩阵）——完全抵消背景噪声的影响。
从理论上看，在稀疏信号模型（信号源在空间中稀疏分布，大部分方位无信号）和“信号源数K < 传感器数M”的假设下，这种最优滤波器必然存在：滤波器的自由度由传感器数M决定，而信号和噪声带来的约束分别为K和1，剩余自由度足够满足上述两个条件。
传统方法试图通过解析公式求解B，但受限于模型假设难以适配复杂场景；而新框架的核心，正是用深度学习“逼近”这个最优滤波器B*，兼顾了可解释性与鲁棒性。
2. 神经网络如何“学会”最优滤波？
基于万能逼近定理（神经网络可在温和条件下，以任意精度逼近任意映射），该框架设计了针对性的网络架构，实现从“输入信号+空间信息”到“最优滤波器”的精准映射：
（1）输入与特征提取：保留关键相位信息
网络输入包含两个核心信息：阵列流形矩阵A（体现空间信息）和接收信号矩阵X（体现时间序列信息）。由于复信号的相位对DoA估计至关重要，模型先将A和X拆分为实部和虚部，拼接后输入双向RNN，分别提取空间域和时间域的上下文特征；同时通过维度扩展（虚拟元素），增强特征表达能力，为后续滤波奠定基础。
（2）注意力融合：聚焦有信号的空间区域
传统波束成形需要融合空间导向向量和接收信号信息，该框架引入注意力模块实现自适应聚焦：以接收信号特征为“查询”，以空间导向向量特征为“键”和“值”，通过相似度计算为不同方位分配权重，让模型自动聚焦“有信号的空间网格”，避免无关区域的干扰，提升滤波器的精准性。
（3）滤波器生成与空间谱计算
经过特征融合后，网络通过RNN和线性层生成最终的空间滤波器B（组合实部和虚部为复矩阵）。将B作用于接收信号X得到初步空间谱P’，再通过“模平方+时间维度平均”得到最终空间能量谱P——谱峰对应的方位，即为估计的DoA。
3. 损失函数设计：解决“谱峰无法反向传播”痛点
传统方法通过谱峰搜索得到DoA，但这种“搜索过程”无法直接用于神经网络反向传播训练。该框架的解决方案极具巧思：
概率化转换：用tanh激活函数将空间谱P的能量值（[0, +∞)）映射到[0,1]区间，转化为“方位存在信号的概率分布”；
多标签分类建模：将DoA估计转化为“哪些空间网格存在信号”的多标签分类问题。利用信号的空间稀疏性（大部分网格无信号），采用非对称损失（ASL）解决正负样本不平衡问题，让模型更关注少数存在信号的网格，提升定位精度。
三、为何能突破复杂场景？原理带来的核心优势
该框架的性能提升，源于“最优滤波器逼近”与“深度学习自适应”的双重作用，具体体现在：
相干源适配：无需额外解相干处理，神经网络学习到的滤波器能自动分离相干信号，解决传统方法的核心痛点；
少快拍鲁棒：RNN能从有限快照中提取时间域关联特征，随着快照数增加，性能快速超越传统方法；
宽SNR适配：中高SNR下信号聚焦能力突出，定位精度最优；低SNR下，噪声抑制机制可显著提升信号质量（实验中曾将-15dB的SNR提升至13.3dB）；
阵列扩展性强：传感器数M增加时，模型参数增长平缓，远低于传统数据驱动方法，适合大规模阵列部署；
真实场景落地：在包含多径传播、宽带信号、复杂环境噪声的真实语音数据集中，仍能保持最优定位精度，证明了原理的工程实用性。
四、未来方向：突破更极端场景
目前该框架已在模拟数据和真实场景中验证了有效性，但仍有进一步优化空间：针对“单快拍”（仅1个信号快照）、“极低SNR”（如-20dB以下）等极端条件，需强化时间域特征提取和噪声抑制模块；同时，降低模型复杂度以适配边缘设备（如小型麦克风阵列），将成为后续研究的重点。
结语
这种“原理驱动+数据赋能”的思路，为DoA估计提供了全新范式——没有将深度学习视为“黑箱替代”，而是以传统波束成形的核心原理为锚点，用神经网络解决“最优滤波器难以解析求解”的痛点。这种兼顾可解释性与鲁棒性的设计，不仅让DoA估计突破了复杂场景的瓶颈，也为更多阵列信号处理任务提供了参考，推动相关技术在更广泛的实际场景中落地应用。
