Python实现深度学习DOA估计：从协方差矩阵到角度预测

简介：面向信号处理与深度学习交叉应用的Python实现，聚焦窄带信号波达方向估计问题。该资源将深度学习模型引入传统估计流程，卷积神经网络或循环神经网络均可在此框架下尝试，适用于雷达、通信、声学等领域中希望提升方向估计精度和鲁棒性的研究者和工程师，尤其适合刚接触深度估计方法的初学者。压缩包共6个文件，全部为py脚本，整体仅1KB，属于轻量级示例代码，便于快速阅读和修改。脚本中既包含基础图形绘制模块，也包含正弦图、余弦图以及图像显示等辅助程序，可帮助使用者熟悉信号波形的可视化方法，清晰梳理从数据输入到模型输出之间的流程。目前已有874人学习，资源以简洁的代码组织方式展示了用Python进行数据准备、网络搭建与结果呈现的常见写法。通过阅读和运行这些脚本，可以掌握窄带信号DOA估计中从数据预处理到基础网络训练的完整思路，并在此基础上扩展注意力机制或更深层网络，为进一步设计更复杂的深度学习模型提供可调整的起点。

1. 到达方向估计为什么需要深度学习

传统 DOA 估计的教科书解法是 MUSIC、ESPRIT 这类子空间方法，它们假设信号与噪声子空间正交、信源数已知、信噪比不能太低。在真正的工程环境里，阵列幅相误差、互耦、多径和低快拍数会把子空间方法打得很难看。深度学习在这里的价值不是替代阵列信号处理理论，而是把“协方差矩阵 → 来向角”的非线性映射交给神经网络去拟合。这个ch01_PythonDOA_深度学习估计_doapython_系列的第一章，就是用 Python 搭建最小可运行的完整链路：先模拟窄带信号，再做数据可视化，最后训练一个能输出角度的深度模型。适合刚接触 DOA、又不想一上来就啃矩阵分解的读者，也适合想对比学习型估计与传统算法的熟手。需要说明的是，这套代码并不追求超越 MUSIC，而是先把“数据构造-模型训练-角度预测”这条 doapython 工作流跑通。

2. 窄带阵列信号建模与先于训练的样本生成

2.1 阵列接收模型中的相位差

窄带信号的假设是：信号带宽远小于载频，这样各阵元接收到的信号差异可以近似为相位差，而不是包络差。均匀线阵（ULA）里，第 m 个阵元相对参考阵元的时延为m*d*sin(theta)/c，对应相移就是-2*pi*f0*d*sin(theta)/c。工程上常把这一项写成-2*pi*d*lambda^(-1)*sin(theta)，其中 lambda 是波长，阵元间距通常取半波长。

因此，一个 K 源、M 阵元的窄带观测快照可以写成X = A*S + N，其中方向矩阵 A 的每一列都是由角度 theta 决定的转向矢量。用 Python 生成干净数据的核心工作，就是构造这个 A，再叠加复高斯噪声。很多入门教程会把实部虚部分开处理，导致后面训练模型时特征维度翻倍；我一般直接用复数值构造，再用np.stack([real, imag])展平成 2M 向量，既保留相位信息，又符合神经网络输入的习惯。

下面的函数生成指定角度和信噪比下的多快照数据：

import numpy as np def generate_ula_snapshots(theta, n_snap=200, m=8, snr_db=10, seed=0): rng = np.random.default_rng(seed) d_lambda = 0.5 m_idx = np.arange(m) n_src = len(theta) # 转向矢量矩阵 A：形状 (M, K) A = np.exp(-1j * 2 * np.pi * d_lambda * m_idx[:, None] * np.sin(theta)[None, :]) # 随机复基带信号：形状 (K, n_snap) S = (rng.standard_normal((n_src, n_snap)) + 1j * rng.standard_normal((n_src, n_snap))) / np.sqrt(2) X = A @ S # 按 SNR 加噪声 sig_power = np.mean(np.abs(X) ** 2) noise_power = sig_power / (10 ** (snr_db / 10)) noise = np.sqrt(noise_power / 2) * ( rng.standard_normal(X.shape) + 1j * rng.standard_normal(X.shape)) X_noisy = X + noise # 复协方差矩阵 R = X_noisy @ X_noisy.conj().T / n_snap feat = np.concatenate([R.real, R.imag], axis=0).flatten() return X_noisy, feat, R

参数说明：theta是以弧度为单位的来向角数组，n_snap表示一次样本里包含多少个时间快照，m是阵元数。这个函数对每个 seed 返回三样东西：带噪观测X_noisy、用于神经网络的协方差特征feat、以及复协方差矩阵R。注意feat的构造方式：把实部和虚部拼起来，等于把 M×M 的复数矩阵变成 2×M×M 的实数张量，这样后续 CNN 可以用二维卷积直接处理图像化的协方差矩阵。

2.2 为什么要用协方差矩阵做特征

直接输入原始时域波形的问题在于：信号相位随时间变化，网络很难学到稳定的统计规律。协方差矩阵是二阶统计量，天然地让模型不再关心绝对相位，只关心阵元间的相对相位关系，这就和 DOA 的物理定义对齐了。另一个考虑是输入维度：M=8 时原始一帧数据是 8×1，而协方差矩阵展平后是 128 维，信息更冗余，但对小规模网络来说反而更容易拟合。

在ch01那批脚本里，simple_graph.py和sin_graph.py的作用就是先把一维正弦、余弦和叠加信号画出来，直观验证“相位差”的概念。常见做法是先运行sin_cos_graph.py，观察两条曲线在同一坐标系下的错位，再把这种错位思想放到多阵元接收信号上。很多初学者跳过这一步直接训练模型，结果数据生成错了都不知道，因为模型也能硬拟合一个错误分布。

2.3 角度网格与标签编码

DOA 作为回归任务输出一个连续值，但训练初期的模型很难稳定回归；更稳的方案是把它当分类问题：把 -60°~60° 按 1° 间隔划分为 121 类。预测时取 softmax 概率最大的索引，再换算成角度。这个网格分辨率的代价是输出维度变大，但换来的是训练稳定性。

def angle_to_label(theta_deg, grid_start=-60, grid_end=60): return np.round(theta_deg - grid_start).astype(int) def label_to_angle(label, grid_start=-60): return label + grid_start

标签编码的逻辑很简单：将角度用整数偏移映射到网格索引。训练完成后预测时再反向换算。实战中不要在标签上做 one-hot 后直接丢给模型，还要注意类别不平衡——如果一个批次里 0° 附近样本过多，模型会产生偏置。我的习惯是在每个 epoch 里打乱角度采样顺序，保证所有网格类别均匀出现。

3. 构建深度网络：从转向向量到 DOA 角度

3.1 输入形态选择：全连接还是卷积

处理协方差矩阵有两条路线：一是把上一步得到的feat展平成一维向量，接多层感知机；二是把实部虚部分别当作两个通道，组织成 M×M×2 的图像结构，接卷积层。全连接的做法实现简单，适合验证数据链路，但参数量大、容易过拟合；卷积的做法能利用阵元位置的局部相关性，而且对阵列排布有更强的泛化能力。

窄带场景里，协方差矩阵的对角线几乎没有空间信息，真正有用的是非对角元素，它们的相位差对应来向角。所以我在构造输入时建议直接去掉对角线，或者保留但对它做归一化。下面的模型采用双通道卷积结构，M 为 8 时输入形状是 8×8×2。

from tensorflow.keras import layers, models def build_doa_cnn(input_shape=(8, 8, 2), n_classes=121): inp = layers.Input(shape=input_shape) x = layers.Conv2D(16, (3, 3), padding='same', activation='relu')(inp) x = layers.BatchNormalization()(x) x = layers.Conv2D(32, (3, 3), padding='same', activation='relu')(x) x = layers.GlobalAveragePooling2D()(x) x = layers.Dense(64, activation='relu')(x) out = layers.Dense(n_classes, activation='softmax')(x) return models.Model(inputs=inp, outputs=out)

这个网络只有两层卷积加全局平均池化，参数总量很低，但已经能处理 121 类角度的区分。选GlobalAveragePooling2D而不是 Flatten，是为了减少全连接层参数量，让模型在小数据集上不容易过拟合。BatchNormalization放在卷积之后，可以缓解训练初期梯度抖动，尤其当 SNR 较低、协方差特征方差较大时。

3.2 损失函数选择与角度相似度的坑

分类模型的一般选择是交叉熵：

model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

但 DOA 角度有一个特殊性：1° 和 359° 在数值上离得远，在空间上却指向同一个方向。即使我们限制在 -60°~60°，相邻类别的误判代价也远小于跨区误判。交叉熵对“错一个网格”和“错十个网格”的惩罚是一样的，这和我们的物理直觉不符。

所以更合理的做法是使用基于角度的软标签。例如将第 k 类的 one-hot 标签扩展成以真实角度为中心的高斯分布，使得相邻网格也有非零概率。这样模型的输出分布更平滑，预测时即使取 argmax 也不会因为某个异常 logit 跳到错误方向。这部分属于典型的工程技巧，后面第五章我会给出具体实现，这里先确认损失函数和输入输出的匹配。

3.3 训练循环与验证评估

训练时我不直接喂原始协方差矩阵，而是先做幅值归一化，否则不同 SNR 下的特征尺度差异会让模型不稳定。下面是一个简化的训练流程，包含数据分批、验证集评估和角度误差统计。

import numpy as np from sklearn.metrics import accuracy_score def angle_error_deg(y_true, y_pred, grid_start=-60): true_angle = label_to_angle(y_true, grid_start) pred_angle = label_to_angle(y_pred, grid_start) err = np.abs(true_angle - pred_angle) err = np.minimum(err, 120 - err) # 考虑 ±60° 边界环绕 return err.mean()

在批次准备阶段，数据生成函数返回值里的X_noisy还要经过协方差计算和通道整形才能输入网络。这个过程最容易出现的 bug 是实虚部的通道顺序不一致，train 时用[R.real, R.imag]，验证时却用了[R.imag, R.real]，导致验证损失比训练低很多还找不到原因。我的建议是在数据生成函数里直接输出整理好的(M, M, 2)张量，并用断言检查形状：

def make_model_input(R): feat = np.stack([R.real, R.imag], axis=-1) # (M, M, 2) assert feat.shape == (R.shape[0], R.shape[1], 2) return feat

训练结束后，统计的是“预测角度与真实角度的平均绝对误差”而不是分类准确率，因为 3° 以内的误判在实际系统里可能完全可接受，准确率对这类小偏差过于敏感。

4. ch01 脚本串讲：图像辅助、训练循环与误差反馈

4.1 各脚本在实验链路中的定位

ch01压缩包里几个 Python 文件，初看像零散的画图练习，但组合起来是一条完整的数据验证链。sin_graph.py和sin_cos_graph.py是最底层的信号可视化，用正弦/余弦曲线确认相位关系；img_show.py负责展示协方差矩阵的灰度图，相当于给模型输入做视觉检查；man.py这个名字虽然随意，实际可以把它的画布功能复用为“多角度信号叠加演示”；simple_graph.py则是通用绘图封装，后面所有训练曲线的绘制都由它完成。hungry.py则是名字取得最不正经、职责却最重的一个，建议把它当作数据迭代生成器的主脚本。

所以正确的打开顺序和项目标题暗示的顺序一致，是从基础画图到数据构造再到训练。不要一上来就找hungry.py里的模型定义，因为它依赖前几个脚本里定义的信号生成函数。

4.2 协方差矩阵可视化怎么辅助调试

训练之前，我会把生成好的协方差矩阵用img_show.py画成热力图，检查不同角度下R的实部图案是否肉眼可见地不同。

从这个表格能得出两个结论：单源时实部虚部图案有明确方向信息，模型很容易学；双源时直接看协方差矩阵已经出现混叠，需要更多层或更大感受野的卷积网络。img_show.py的作用就是在模型训不起来时，快速判断到底是数据生成错了，还是网络容量不够。比如你发现 0° 和 1° 的热力图差别细微到肉眼都分辨不出，那就不该指望模型能稳定分类相邻网格，此时应该把角度网格从 1° 放宽到 3°。

4.3 数据迭代器与训练循环的写法

hungry.py的核心逻辑是用一个循环不断从随机角度和随机 SNR 生成样本，即在线增强。这种方式比一次性生成全部数据更接近实际环境，也能避免模型记住固定数据集里的某种噪声模式。常用的最小实现如下：

def data_generator(angles_deg, batch_size=64, m=8, snr_range=(0, 20)): while True: batch_theta = np.random.choice(angles_deg, size=batch_size) batch_x = [] batch_y = [] for theta_deg in batch_theta: theta_rad = np.deg2rad(theta_deg) snr_db = np.random.uniform(*snr_range) _, feat, R = generate_ula_snapshots( [theta_rad], n_snap=32, m=m, snr_db=snr_db) batch_x.append(make_model_input(R)) batch_y.append(angle_to_label(theta_deg)) yield np.array(batch_x), np.array(batch_y)

这里的snr_range设计成区间而不是固定值，是为了让模型在不同噪声水平下都有样本。训练初期可以宽范围采样，后期再缩窄到目标信噪比附近。n_snap=32要注意：快照数越少，协方差矩阵估计越粗糙，但对深度模型而言，这种粗糙也是一种正则化，能提升真实场景里的鲁棒性。

部署或离线验证时，则用固定随机种子生成一个独立的测试集，保证测试样本不在训练流中出现。这个测试集通常隔离 10% 的网格角度不参与训练，专门检验模型的插值能力，即没见过的角度能不能通过相邻角度正确预测。

4.4 训练曲线判读与过拟合识别

训练 loss 降得快不明显，关键看验证集的角度误差。我在实验中遇到过训练误差很小、验证误差很大的情况，第一反应不是调参，而是检查数据泄漏，比如训练和验证共用同一个随机种子生成了几乎相同的数据。其次才考虑降低模型容量。

如果验证误差稳定在 2°~3°，而类别准确率只有 60%，说明大部分误差都落在相邻网格，这是正常的，不需要加 Dropout。只有当你看到验证误差波动超过 8°，且 loss 曲线持续下降，才说明耦合了某种过拟合。

5. 提高实战鲁棒性的网格加密与损失函数技巧

5.1 把分类网格变细而不增加输出维度

固定网格分类有两个缺点：一是真实角度落在两个网格中间，预测结果永远有 0.5° 的系统偏差；二是网格细化到 0.1° 时输出层太大，训练变慢。一个折中技巧是用“粗网格分类 + 细网格回归”的多任务结构：主干网络共享，一个分支输出粗分类概率，另一个分支输出相对粗网格中心的偏移量。最终角度估计值为粗网格中心角度 + 偏移量。

实现上，偏移量分支用tanh激活，输出值乘以最大偏移步长，例如粗网格间隔 3°，偏移范围限制在 ±1.5° 内：

offset_out = layers.Dense(1, activation='tanh', name='offset')(features)

损失函数设置为分类交叉熵与回归 Huber 损失的加权和。这个结构只比纯分类多了一个输出头，但能将角度分辨率从 3° 提升到接近 0.3°，代价很小。

5.2 角度环绕问题的 Soft Label 实现

针对窄带 DOA 中角度边界，我常用高斯软标签处理真实角度。假设真实角度为 θ，分布于 [-60, 60] 的网格上，第 g 个网格中心为 θ_g，则标签概率取exp(-(θ - θ_g)^2 / (2σ^2))。这里 σ 取 1 到 1.5 倍网格间隔比较合适，太大会让相邻类别概率几乎一样，模型学不到区分度；太小退化成 one-hot。

def gaussian_soft_label(theta_deg, grid_centers, sigma=1.5): dist = np.abs(theta_deg - grid_centers) dist = np.minimum(dist, 120 - dist) # 处理 ±60 环绕 logits = -dist ** 2 / (2 * sigma ** 2) prob = np.exp(logits - logits.max()) return prob / prob.sum()

这个软标签与交叉熵配合时，模型输出会主动向邻近网格分配概率，而不是像硬标签那样在分类边界附近产生不稳定的尖锐预测。实测在 SNR 低于 5dB 时，软标签带来的角度误差改善比单纯加深网络更明显。

5.3 如果预测结果整体偏移的检查清单

先画预测角度和真实角度的散点图，如果点沿 45° 线分布但有固定平移，优先检查angle_to_label和label_to_angle里是否漏加了grid_start。如果散点图呈 S 形弯曲，多半是训练数据里角度采样不均匀，模型把常见角度当成了先验。如果只在某个角度区间误差大，回看该区间生成数据的信噪比和快拍数是否被改了。最后别忘了验证协方差矩阵的通道顺序，这条最容易在重构代码时被破坏。

把模型输出的 softmax 直接换成argmax之前，也用软标签训练后的概率分布检查一下峰值是否平滑。如果峰值左右不对称，就用模型的概率分布按网格期望计算角度，而不是取最大概率点，这样可以把剩余误差再压低零点几度。

本文还有配套的精品资源，点击获取