一种用于搜索doa估计最优天线布放的方法
【专利摘要】本发明涉及一种用于搜索DOA估计最优天线布放的方法，其特征在于:天线种群初始化，接收窄带信号，计算初始种群中每个个体的适应度；根据轮盘赌法则选择参与进化的个体；将父代最优个体作为疫苗母本，对选择出的个体经过杂交运算和变异运算，产生新个体，更新种群，计算种群更新后个体的适应度；根据混沌机制确定疫苗的基因个数，根据疫苗母本制作疫苗，将疫苗接种到个体中，所说的疫苗为父代最优天线阵列部分天线布放方式；对接种疫苗后的个体进行免疫退火选择，由选择出的优良个体构成新种群，并根据精英保留策略，用父代最优个体取代本代最差个体，更新种群。
【专利说明】-种用于搜索DOA估计最优天线布放的方法
【技术领域】
[0001] 本发明涉及一种用于搜索信号波达方向（Direction of ArrivaL，简称D0A)估计 最优天线布放的方法。
【背景技术】
[0002] 大多数D0A估计方法的天线接收单元都是呈等距线性排列的，为了避免出现相位 模糊，等距线性排列的天线接收单元之间的间隔不能超过入射信号波长的一半。当天线数 确定时，天线孔径就被限定了，D0A估计的分辨率也就因此固定了。非等距线性天线布放方 式能够打破天线间隔为半波长的限制，在天线数相等的条件下，非等距线性天线布放方式 能够获得更大的天线孔径。目前已经提出了一些经典的非等距线性天线布放方式，例如最 小冗余天线布放方式、最大连续延迟天线布放方式和最小间隙天线布放方式等。虽然现有 的经典非等距线性天线布放方式在一定程度上能够提高D0A估计性能，然而复杂的工程环 境往往难以满足设置这些特殊天线布放方式的条件，因此如何在特定的约束条件下搜索到 D0A估计最优天线布放方式，最大限度地改善D0A估计性能，是亟待解决的技术问题。"Alex B.Gershman, A Note on Most Favourable Array Geometries for DOA Estimation and Array Interpolation，IEEE SIGAL PROCESSING LETTERS，VOL. 4, NO. 8, AUGUST1997" 利用 传统遗传算法搜索DOA估计的最优天线布放方法，与其它搜索方法相比，此方法具有鲁棒 性强、使用方便等优点，但它会出现种群退化，过早收敛于局部最优天线布放方式等问题。 因此需要改进传统遗传算法，使其搜索具有选择性、目的性，有效抑制种群退化等问题。
【发明内容】
[0003] 本发明目的在于提供一种用于搜索D0A估计最优天线布放的方法，有效抑制传统 遗传算法可能出现的退化现象，能够更加有效地搜索到D0A估计最优天线布放方式。
[0004] 实现本发明目的技术方案：
[0005] -种用于搜索D0A估计最优天线布放的方法，其特征在于：
[0006] 步骤1 :天线种群初始化，所说的天线种群为若干种天线布放方式的集合；
[0007] 步骤2 :接收窄带信号，计算初始种群中每个个体的适应度，适应度最高的个体为 最优个体，适应度最低的个体为最差个体，保留最优个体及其适应度，所说的每个个体对应 一种天线布放方式；
[0008] 步骤3 :根据轮盘赌法则选择参与进化的个体；
[0009] 步骤4:将父代最优个体作为疫苗母本，对选择出的个体经过杂交运算和变异运 算，产生新个体，更新种群，计算种群更新后个体的适应度；
[0010] 步骤5 :根据混沌机制确定疫苗的基因个数，根据疫苗母本制作疫苗，将疫苗接种 到个体中，所说基因即为天线，所说的疫苗为父代最优天线阵列部分天线布放方式；
[0011] 步骤6 :对接种疫苗后的个体进行免疫退火选择，由选择出的优良个体构成新种 群，并根据精英保留策略，用父代最优个体取代本代最差个体，更新种群；
[0012] 步骤7 :记录本代的最优个体及其适应度，如果未达到最大迭代次数，则根据轮盘 赌法则选择参与下一次进化的个体，然后返回步骤4,否则，输出最优个体。
[0013] 步骤1中，具体包括如下步骤，
[0014] 步骤1. 1 :规定天线种群规模为z，即初始天线种群中存在z种天线布放方式；天 线孔径为K，每种天线布放方式中存在L个基因位，所说的基因位为允许摆放天线的位置， 即天线编号为1，2,;天线最小间距为= V(L-l)，天线数为m，入射窄带信号数为 η ;任意产生一个[0, 1]之间的随机数记为混沌初值uQ且"(,? {〇,〇.25,0,5,0.75，1};
[0015] 步骤1. 2 :对天线种群中个体采用二进制编码，编码符号集是由二进制符号0和1 组成的二值符号集{〇, 1}，1表示该基因位设置天线，〇表示该基因位不设置天线；规定第1 位，第L位基因位上的基因均为1。
[0016] 步骤2中，具体包括如下步骤，
[0017] 步骤2. 1 :将二进制编码的个体映射成为非等距天线阵列，接收窄带信号，环境噪 声为高斯白噪声，计算真实天线阵列的数据协方差矩阵；
[0018] 步骤2. 2 :利用内插阵列变换方法，将非等距天线阵列虚拟成为等距天线阵列，得 到真实天线阵列的阵列流型阵和虚拟天线阵列的阵列流型阵的变换关系，通过此变换关系 以及真实天线阵列的数据协方差矩阵，得到虚拟天线阵列的数据协方差矩阵；
[0019] 步骤2. 3 :对虚拟天线阵列的数据协方差矩阵进行特征值分解，得到噪声子空间；
[0020] 步骤2. 4 :将噪声子空间带入谱峰搜索公式，得到窄带信号的空间谱；
[0021] 步骤2. 5 :输出空间谱对应的信号角度信息，计算D0A估计的均方根误差；
[0022] 步骤2. 6 :取均方根误差的倒数作为适应度函数；
[0023] 步骤2. 7 :计算初始种群中每个个体的适应度，保留适应度最大值及其对应的个 体。
[0024] 步骤3中，具体包括如下步骤，
[0025] 步骤3. 1 :分别找到适应度最高和最低的个体，适应度最低的个体为最差个体，适 应度最高的个体为最优个体，保存最优个体；
[0026] 步骤3. 2 :根据轮盘赌法则选择参与交叉运算、变异运算的个体，基于适应度比例 选择，个体i被选中的概率
【权利要求】
1. 一种用于搜索DOA估计最优天线布放的方法，其特征在于： 步骤1 :天线种群初始化，所说的天线种群为若干种天线布放方式的集合； 步骤2 :接收窄带信号，计算初始种群中每个个体的适应度，适应度最高的个体为最优 个体，适应度最低的个体为最差个体，保留最优个体及其适应度，所说的每个个体对应一种 天线布放方式； 步骤3 :根据轮盘赌法则选择参与进化的个体； 步骤4 :将父代最优个体作为疫苗母本，对选择出的个体经过杂交运算和变异运算，产 生新个体，更新种群，计算种群更新后个体的适应度； 步骤5 :根据混沌机制确定疫苗的基因个数，根据疫苗母本制作疫苗，将疫苗接种到个 体中，所说基因即为天线，所说的疫苗为父代最优天线阵列部分天线布放方式； 步骤6 :对接种疫苗后的个体进行免疫退火选择，由选择出的优良个体构成新种群，并 根据精英保留策略，用父代最优个体取代本代最差个体，更新种群； 步骤7 :记录本代的最优个体及其适应度，如果未达到最大迭代次数，则根据轮盘赌法 则选择参与下一次进化的个体，然后返回步骤4,否则，输出最优个体。
2. 根据权利要求1所述的用于搜索D0A估计最优天线布放的方法，其特征在于：步骤1 中，具体包括如下步骤， 步骤1. 1 :规定天线种群规模为z，即初始天线种群中存在z种天线布放方式；天线孔 径为K，每种天线布放方式中存在L个基因位，所说的基因位为允许摆放天线的位置，即天 线编号为1，2,…，L ;天线最小间距为cU = V(L-l)，天线数为m，入射窄带信号数为η ;任 意产生一个[0, 1]之间的随机数记为混沌初值％且％ <〇,〇.25,0.5,0_75，丨卜 步骤1. 2 :对天线种群中个体采用二进制编码，编码符号集是由二进制符号0和1组成 的二值符号集{〇, 1}，1表示该基因位设置天线，〇表示该基因位不设置天线；规定第1位， 第L位基因位上的基因均为1。
3. 根据权利要求2所述的用于搜索D0A估计最优天线布放的方法，其特征在于：步骤2 中，具体包括如下步骤， 步骤2. 1 :将二进制编码的个体映射成为非等距天线阵列，接收窄带信号，环境噪声为 高斯白噪声，计算真实天线阵列的数据协方差矩阵； 步骤2. 2 :利用内插阵列变换方法，将非等距天线阵列虚拟成为等距天线阵列，得到真 实天线阵列的阵列流型阵和虚拟天线阵列的阵列流型阵的变换关系，通过此变换关系以及 真实天线阵列的数据协方差矩阵，得到虚拟天线阵列的数据协方差矩阵； 步骤2. 3 :对虚拟天线阵列的数据协方差矩阵进行特征值分解，得到噪声子空间； 步骤2. 4 :将噪声子空间带入谱峰搜索公式，得到窄带信号的空间谱； 步骤2. 5 :输出空间谱对应的信号角度信息，计算D0A估计的均方根误差； 步骤2. 6 :取均方根误差的倒数作为适应度函数； 步骤2. 7 :计算初始种群中每个个体的适应度，保留适应度最大值及其对应的个体。
4. 根据权利要求3所述的用于搜索D0A估计最优天线布放的方法，其特征在于：步骤3 中，具体包括如下步骤， 步骤3. 1 :分别找到适应度最高和最低的个体，适应度最低的个体为最差个体，适应度 最高的个体为最优个体，保存最优个体； 步骤3.2 :根据轮盘赌法则选择参与交叉运算、变异运算的个体，基于适应度比例选 择，个体i被选中的概率
为个体i的适应度；对于个体i，计算从1开始到i 结束的全部累计概率并构成累计概率序列，利用随机数发生器产生[0, 1]之间的随机数， 若随机数大于累计概率序列中第i个值，则表示编号i所对应的个体i被随机选中，共选择 出z个优良个体参与交叉运算、变异运算。
5. 根据权利要求4所述的用于搜索DOA估计最优天线布放的方法，其特征在于：步骤4 中，具体包括如下步骤， 步骤4. 1 :将父代最优个体作为疫苗母本，对优良个体进行交叉、变异运算，产生z个 [〇, 1]之间的随机数构成随机序列，随机序列的第i个元素对应种群第i个个体，将随机序 列元素与交叉概率P。(0. 4〈pe〈0. 9)比较，找到小于p。的元素，其对应的个体为参加交叉运 算的个体，计算参加交叉运算的个体数y，并将y调整为偶数； 步骤4. 2 :分别取第2i-l，
个个体，在其所有基因位中随机定义一个交 叉点，保证交叉点后这两个个体的基因片段所含基因1的个数相等，将两个个体交叉点后 的基因互换，所说基因片段为部分天线摆放形式；所说的基因即为天线； 步骤4. 3 :重复步骤4. 2直至交叉运算结束，并由参加交叉运算得到的y个新个体以及 未参加交叉运算的（m-y)个个体构成新种群； 步骤4. 4 :利用随机数发生器产生[0, 1]之间的随机数构成zXL维随机矩阵，随机矩 阵的元素对应种群个体的基因，将随机矩阵的元素与变异概率Pm(〇.〇〇〇l〈Pm〈〇. 1)比较，若 随机矩阵的元素小于变异概率Pm且该元素不位于随机矩阵的第1列和第L列，则该元素对 应的个体基因参与变异运算；反之，则该元素对应的个体基因不参与变异运算；将参与变 异运算的基因位上的基因取反； 步骤4. 5 :计算经过交叉运算、变异运算后的种群个体适应度。
6. 根据权利要求5所述的用于搜索DOA估计最优天线布放的方法，其特征在于：步骤5 中，具体包括如下步骤， 步骤5. 1 :根据混沌机制，确定疫苗的基因个数：，记第1次接种所需从疫苗母本中提取 的疫苗基因个数4为
1? = 4uh (1-Uh)，1 = z (g_l)+l，z (g_l)+2,…，z (g_l)+z， Ul表示第1次提取疫苗母本时的混沌值，g表示第g次迭代，从长度为L的疫苗母本中 提取Cl个基因，将其制成第1次接种的疫苗，按照疫苗的基因特征修改子代个体相应基因 位上的基因，产生抗体，所说抗体为接种疫苗后产生的新的天线结构； 步骤5. 2 :判断抗体中基因1的个数X与天线数m的关系，若x〈m，则增加抗体中基因1 的个数；若x>m，则在保证抗体第1位、第L位基因不变的情况下，减少抗体中基因1的个数， 直至X与m相等。
7.根据权利要求6所述的用于搜索DOA估计最优天线布放的方法，其特征在于：步骤6 中，具体包括如下步骤， 步骤6. 1 :计算接种疫苗后个体适应度； 步骤6. 2 :根据Metropolis准则，对个体进行免疫退火选择，比较每个个体接种疫苗前 后适应度大小，若接种疫苗后个体适应度大于接种疫苗前个体适应度，则接种疫苗后的个 体以概率1被接受为新种群的个体；若接种疫苗后个体的适应度小于接种疫苗前个体的适 应度，则接种疫苗后个体i依据概率P a Q)被接受； Pa(i) = exp (g Δ E/G), g = 1,...,6 其中，△ E为接种疫苗后个体适应度与接种疫苗前个体适应度的差，G表示最大迭代次 数，PaW为介于[〇, 1]之间的数；利用随机数发生器产生[〇, 1]之间的随机数，若Pa⑴大 于该随机数，则接受接种疫苗后的个体作为新种群的个体，反之则接受接种疫苗前的个体 作为新种群的个体； 步骤6. 3 :将通过免疫退火选择得出的个体按照其适应度高低降序排列，找到本代最 差个体，根据精英保留策略，用父代最优个体取代本代最差个体，更新种群。
【文档编号】G01S3/02GK104090260SQ201410334035
【公开日】2014年10月8日 申请日期:2014年7月15日 优先权日:2014年7月15日
【发明者】刁鸣, 高璐, 高洪元, 李力, 徐从强 申请人:哈尔滨工程大学