郭业才，侯 坤

（1.南京信息工程大学电子与信息工程学院，南京 210044；2.江苏省大气环境与装备技术协同创新中心，南京 210044；3.南京信息工程大学滨江学院，江苏无锡 214105）

0 引言

波达方位（Direction of Arrival，DOA）估计是通过信号的空间特征参数，确定信号在空间域中的位置信息，如距离、方位角、俯仰角等［1-6］。声源定位技术是波达方位估计的一种重要手段，其中多重信号分类（Multiple Signal Classification，MUSIC）算法［7］和旋转不变性子空间（Estimating Signal Parameter Via Rotational Invariance Techniques，ESPRIT）算法［8］是传统的DOA技术。它们在低信噪比环境下定位误差大。随着计算机技术的发展和智能算法的出现，声源定位技术得到了发展。文献［9］中提出基于局部保持投影和径向基（Radial Basis Function，RBF）神经网络的DOA估计算法，利用局部保持投影对神经网络的训练样本进行降维，加快了神经网络的训练过程，但定位精度不高；文献［10］中提出从广义互相关（Generalized Cross Correlation，GCC）向量中提取方位特征送入多层感知器（Multi-layerperceptron，MLP）网络学习的DOA估计算法定位准确，但抗噪性较差。

1 DOA 估计模型［11-12］

假设空间中有M个阵元组成的线性均匀阵列，窄带声源信号为θi（i∈［1，2，…，k］），每个信号源互不相干的入射到麦克风阵列上，第m个麦克风接收的信号为

式中：m ＝1，2，…，M；δm为第m个阵元对信号的增益；s（t）为t时刻声源入射信号；τm为第m个阵元接收声源信号相对于参考阵元的时延；vm（t）为t时刻第m个阵元的噪声。式（1）的矩阵形式为

式中：A为信号的导向向量。假设噪声均值为0、方差为σ2的高斯白噪声，则麦克风阵列接收信号的协方差矩阵为

式中：*表示共轭。R的矩阵形式为

将协方差矩阵R的上三角阵中元素的实部、虚部分开后作为SSDAE-DNN的输入，即