Skip to content

NHan1822/deep-network-doa-estimation

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

1 Commit
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

MIMO DOA

Программная реализация двухэтапного нейросетевого конвейера для оценки направления прихода сигнала (DOA) в автомобильных MIMO-радарах.

Структура

code/
├── mimo_doa/
│   ├── __init__.py
│   ├── signal_model.py     — модель сигнала виртуальной MIMO-решётки
│   ├── classic_doa.py      — MUSIC, ESPRIT, forward/backward smoothing
│   ├── models.py           — нейросети: классификатор + реконструктор
│   └── dataset.py          — синтетический датасет (single/double/multipath)
├── train.py                — обучение моделей
├── figures.py              — построение всех графиков для ВКР
└── README.md

Запуск

cd code
pip install numpy scipy torch matplotlib  # если ещё не установлены
python3 train.py --epochs 12 --train-len 6000 --val-len 1500 --out-dir checkpoints
python3 figures.py --checkpoints checkpoints --out-dir ../figures

Геометрия по умолчанию: 2 передающих и 4 приёмных антенны, виртуальная решётка из 8 элементов.

Реализация

  • MUSIC и ESPRIT с forward/backward сглаживанием как эталонные методы.
  • Свёрточный классификатор сценария распространения сигнала (3 класса).
  • Свёрточная нейросеть, реконструирующая теоритическую корреляционную матрицу из выборочной — далее на восстановленной R̂ применяется тот же MUSIC.

Графики

Файл Содержание
fig01_array_geometry Физическая и виртуальная антенные решётки TI AWR1843
fig02_geometry_direct_vs_multipath Геометрия прямого луча vs многолучёвого распространения
fig03_classifier_architecture Архитектура нейросети-классификатора
fig04_reconstructor_architecture Архитектура реконструктора корреляционной матрицы
fig05_pipeline_overview Сквозной конвейер обработки данных
fig06_training_curves Кривые обучения (loss, accuracy, MSE)
fig07_confusion_matrix Матрица ошибок классификатора сценариев
fig08_pseudospectrum Пространственный псевдоспектр (1 цель / 2 цели), MUSIC vs реконструкция
fig09_rmse_vs_snr RMSE оценки DOA от SNR — MUSIC, ESPRIT, нейросетевой подход
fig10_resolution_probability Вероятность правильного разрешения двух близких целей
fig11_range_doppler_map Карта дальность/радиальная скорость и геометрия сцены
fig12_cartesian_results Оценка декартовых координат (MUSIC vs реконструкция R̂)

About

No description, website, or topics provided.

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

No releases published

Packages

 
 
 

Contributors

Languages