近日，山东农业大学信息科学与工程学院吴日恒教授与其团队成员研究生郑亦可，在分布式雷达阵列大规模缺失数据恢复和DOA估计研究方面取得新进展。相关论文以"End-to-End DOA Estimator for Distributed Sensors Arrays With Massive Missing Observations"为题, 在《IEEE Internet of Things Journal》 (IoTJ) 发表。吴日恒教授为通讯作者，山东农业大学为唯一署名单位。
波达方向（DOA）估计是雷达、无线通信及物联网感知等领域的底层核心技术。分布式雷达传感器阵列在恶劣环境或资源受限场景下（如物联网、无人机集群），常面临极端的随机大规模数据缺失（协方差矩阵数据缺失率高达80%甚至90%）的严重挑战，导致传统基于结构化先验知识重构的DOA估计算法严重退化甚至完全失效。围绕以上难题，研究团队提出了一种创新的端到端DOA估计框架：率先利用分布式子阵间的位置与角度多样性进行误差校正与信息整合，将局部极度稀疏的“死阵”转化为全局可恢复的协方差矩阵，大幅降低数据缺失率；其次，构建了专用的扩散神经网络，联合实现缺失矩阵的精准恢复与DOA端到端直接预测，彻底规避了传统算法易产生“伪峰”的缺陷。
该方法突破了传统测向算法的信息恢复极限。实验表明，即使在高达90%的极端随机数据丢失、低信噪比及少快拍条件下，该模型依然能保持高精度的DOA估计。
图1：大规模数据缺失条件下估计性能比较
DOI: 10.1109/JIOT.2026.3701484
编 辑：万 千
审 核：贾 波
