原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
摘要
摘要
波达方向（Direction-of-arrival，DOA）和到达时延（Time-of-arrival，TOA）
作为信号空时特性的核心参数，在定位、导航和无线通信等领域具有重要应用，
其估计方法的研究也一直备受关注。然而，传统估计方法鲁棒性差、计算复杂度
高，且过于依赖理想的物理模型，难以适应动态复杂环境。近年来，深度学习以
数据驱动方式提升了参数估计的精度与适应性，但现有研究多局限于单一参数估
计，未能
文档评论（0）