3.1 为什么需要深度学习进行DOA估计
学完前两章，同学们应该对经典 DOA 估计算法已经有了相当扎实的认识。MUSIC 能够实现超分辨率，ESPRIT 不需要谱搜索，Capon 在干扰压制上自适应，这些算法在理论上都达到了相当高的完善程度。那么，为什么还需要深度学习？难道经典方法还不够好吗？
这个问题问得非常值得。本节就来认真回答它：不是经典方法不好，而是现实工程场景提出了一些经典方法力所不及的挑战，而深度学习恰好在这些方向上有其独特的优势。理解这个"需求从哪里来"，比知道"深度学习能做什么"更重要——它帮助我们建立正确的预期，避免对深度学习产生不切实际的期待，也避免对其不必要的怀疑。
3.1.1 经典方法的前提假设：一道隐藏的门槛
在第二章中我们反复看到一件事：经典 DOA 估计算法的性能，在相当大程度上依赖于若干理想化假设。把这些假设明明白白地列出来，是理解其局限性的第一步。
假设一：精确的阵列模型。 MUSIC、ESPRIT 等子空间方法的核心是：用导向矢量 精确刻画信号到达阵列的相位关系，其中 。这个公式成立的前提，是阵列几何是理想均匀线阵：每根天线的间距恰好是 ，增益和相位响应完全一致，天线之间不存在互耦效应。
然而，真实硬件远非如此理想。天线的安装位置存在随机偏差（位置扰动），不同射频链路的放大器增益和相位响应并不一致（幅相误差），相邻天线的电磁感应会造成互耦效应（mutual coupling），模数转换器的非线性也会引入额外误差。这些误差统称为阵列误差（array imperfections）。当阵列误差存在时，算法使用的理想导向矢量与实际的物理响应之间出现偏差，子空间划分不再准确，估计精度会大幅下降。对于低成本集成雷达、紧凑型天线阵列等应用场景，这种误差往往无法忽略。
假设二：足够多的快拍数。 第一章和第二章多次提到：样本协方差矩阵 是理论协方差矩阵 的统计估计，需要足够多的快拍数 才能保证估计质量。经验规则是 ，而对子空间方法来说， 通常需要达到 的若干倍才能让特征结构稳定。实验也清楚地表明：当 时，样本协方差矩阵的秩不足，子空间方法几乎完全失效。
这在一些工程场景中是硬约束。脉冲雷达的每次照射对应的相干积累时间可能只有几十个快拍；高速运动场景中目标状态变化快，观测窗口来不及积累大量快拍；毫米波雷达的扫描帧率要求使得每帧可用快拍非常有限。快拍数不足，是经典方法面临的一道现实门槛。
假设三：较高的信噪比。 在第一章的克拉美-罗下界（CRB）分析中，我们看到：在低信噪比条件下，所有超分辨率算法都会遭遇"阈值效应"——RMSE 突然从接近 CRB 的良好表现急剧跳升，估计失效。2.7 节的仿真实验也清楚地呈现了这条分界线。子空间方法本质上是在协方差矩阵的特征值分解中寻找信号子空间与噪声子空间的分界，而低信噪比条件下噪声的特征值混入信号的特征值范围，导致子空间的划分出现根本性的错误。
假设四：已知信源数。 MUSIC 和 ESPRIT 都需要提前知道信源数 ，才能正确分割信号子空间与噪声子空间。2.2 节介绍的 AIC/MDL 模型阶数选择方法在中高信噪比条件下工作良好，但在低信噪比或快拍数不足时，阶数估计本身就可能出错，进而导致后续 DOA 估计完全失败。
这四个假设共同构成了经典方法"完美工作"所需的条件。一旦真实环境中有一项或几项不满足，性能就会显著下降。问题的核心在于：这些假设在工程实践中往往是同时被违反的——低成本硬件带来阵列误差，短时观测带来快拍不足，恶劣环境带来低信噪比，这些不利因素经常叠加出现。
3.1.2 深度学习的切入点：从"模型驱动"到"数据驱动"
理解了经典方法的局限，深度学习的切入逻辑就很清晰了。
经典方法是模型驱动（model-driven）的：先建立物理模型（导向矢量、协方差矩阵结构），再从模型出发推导算法。方法的精度和鲁棒性完全依赖于模型的准确程度。一旦模型失配，算法的理论根基就动摇了。
深度学习是数据驱动（data-driven）的：不显式建立物理模型，而是用大量数据训练一个神经网络，让网络自己从数据中学习"输入信号特征"到"目标角度"的映射关系。只要训练数据覆盖了目标场景的各种条件（包括阵列误差、低信噪比、少快拍等），网络就有机会学到一种更鲁棒的内在映射，不受手工建模误差的约束。
这个逻辑带来了几个直接的潜在优势，我们逐一来看。
优势一：对阵列误差的自然鲁棒性。 在训练阶段，如果我们用包含各种随机阵列误差的仿真数据来训练网络，网络就会被迫学会在误差存在条件下仍然做出正确预测。它不需要知道误差的确切数值，不需要做任何显式校准，只是在大量"有误差的输入"上反复训练，就能发展出对误差的内在适应能力。实验研究表明，这种通过数据增广获得的鲁棒性在实际不完美阵列场景下有明显优势。
优势二：在低信噪比和少快拍条件下的潜力。 深度网络具有强大的非线性特征提取能力，可以从噪声较强的信号中提取经典线性分解方法难以捕捉的模式。已有研究专门针对低信噪比场景设计 CNN，通过将协方差矩阵的实部、虚部和相位作为多通道输入来提取更丰富的特征，在 SNR 接近 0 dB 甚至更低的区间取得了远优于 MUSIC 的表现。另一方面，对于快拍数极少（甚至单快拍）的场景，网络也可以通过在各种快拍数条件下进行训练，获得一定的适应能力——而经典子空间方法在 时几乎必然失效。
优势三：推理阶段的计算速度。 经典方法的主要计算瓶颈在于特征值分解（）和谱搜索（每个候选角度都需要一次矩阵-向量乘法）。深度网络一旦训练完成，推理阶段只涉及一系列矩阵乘法和激活函数计算，本质上是一次前向传播，延迟极低，非常适合对实时性要求高的嵌入式部署场景。
3.1.3 深度学习不是万能的：要讲清楚的另一面
说了深度学习的优势，同样必须讲清楚它的代价和局限，否则读者会建立错误的期待。
代价一：训练数据的依赖。 深度学习的鲁棒性来自数据，而不是物理先验。这意味着网络的泛化能力完全取决于训练集是否覆盖了目标场景。如果测试时遇到的阵列配置、信噪比范围、信源数目与训练时差异显著，网络的性能可能出现严重的泛化失效——甚至比经典方法更差。相比之下，MUSIC 和 ESPRIT 只要信号模型大致成立，就总能给出有意义的结果。
代价二：可解释性的损失。 经典方法的每一步都有清晰的数学意义：协方差矩阵估计了信号的二阶统计量，特征值分解划分了子空间，伪谱峰值对应信号方向。工程师可以通过查看每一步的中间结果来诊断问题。深度网络是一个黑盒——输入进去，输出出来，中间的特征难以解释，出错时也更难排查。
代价三：在高信噪比、理想条件下并不一定更优。 在 SNR 充足、快拍数够多、阵列模型精确的条件下，经典子空间方法可以达到或接近克拉美-罗下界，这是统计最优的。深度学习方法在这种理想条件下未必能超越，有时甚至因为高 SNR 区间泛化不足而出现 RMSE "平台效应"——误差降低到一定程度后不再随 SNR 提升而改善。这正好与经典方法形成互补：低 SNR 深度学习占优，高 SNR 经典方法占优。
所以，深度学习 DOA 估计的正确定位，不是"全面取代经典方法"，而是"在经典方法力不从心的场景下提供一条补充路径"。两者的关系是互补，而非替代。
3.1.4 小结：从"为什么"到"怎么做"
用一张简洁的对比来归纳本节的核心结论：
| 维度 | 经典子空间方法（MUSIC/ESPRIT） | 深度学习方法 |
|---|---|---|
| 设计范式 | 模型驱动，依赖物理假设 | 数据驱动，从数据中学习映射 |
| 阵列误差鲁棒性 | 较弱，模型失配导致性能骤降 | 可通过训练数据增广获得较强鲁棒性 |
| 低 SNR 表现 | 阈值以下急剧失效 | 可专门针对低 SNR 优化，下限更低 |
| 少快拍表现 | 时几乎失效 | 可在少快拍条件下训练以适应 |
| 推理计算复杂度 | 需谱搜索，与角度分辨率正相关 | 一次前向传播，延迟固定且低 |
| 理想条件精度 | 可达 CRB（渐近最优） | 高 SNR 下可能出现精度平台 |
| 可解释性 | 每步有明确数学意义 | 黑盒，中间特征难以解释 |
| 对场景外数据 | 只要模型大致正确即可用 | 泛化范围依赖训练集覆盖度 |
明确了经典方法在哪里遭遇困难、深度学习在哪里能够填补，我们就有了进入第三章的真实动机。接下来的几节会依次回答：深度学习 DOA 估计的基本任务形式是什么（3.2 节）？怎样构建可用于训练的数据集（3.3 节）？基于分类和回归两种思路各自如何实现（3.4 至 3.6 节）？代码怎么写（3.7 节）？以及两类方法放在一起比较时，该如何选型（3.8 节）？
一步一步来，我们先从任务定义开始。