用于大规模深度卷积分类网络DOA估计的标签分解方法

摘要：

为了有效地解决使用深度神经网络求解波达方向(DOA)估计涉及到的大规模分类器的训练和部署实现,本文提出将传统的one-hot分类器分解为多个类别互质的小分类器,然后联合使用多个互质分类器的分类结果重构原始one-hot标签.首先使用标签分解,将原始标签分解为多个互质的小标签,小标签对应的类别为原始类别对质数取余数的结果.其次,通过独立并行地训练每一个互质分类器,降低了大类别条件下分类器的训练难度.仿真结果表明,相比one-hot分类器,互质分类器网络的复杂度低,易于训练.另外,使用互质分类器进行DOA估计能够实现超分辨并且估计的精度比one-hot分类器以及稀疏贝叶斯学习等方法更高.

关键词：波达方向估计、深度卷积神经网络、标签分解、大规模分类问题

所属期刊栏目：37

分类号：TN911.7

在线出版日期：2021-03-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1-10