一种基于量子粒子群的波达方向估计方法
【技术领域】
[0001] 本发明涉及阵列信号处理和智能技术领域，具体地说是一种基于量子粒子群的波 达方向估计技术。
【背景技术】
[0002] 目前，基于阵列的波达方向估计主要有传统方法、子空间法、最大似然法和MUSIC 算法。传统方法需要较多的阵元才能保证高分辨率，从而限制了其应用；子空间法充分利用 了接收数据的空间结构，将数据分解为信号子空间和噪声子空间，其性能优于传统方法；最 大似然法具有较好的鲁棒性，即使在信噪比较低时也能获得较好的性能，但其需要巨大的 计算量，使得在工程上限制了其应用；MUSIC算法则存在多维谱峰搜索的困难。
[0003] 量子粒子群算法（QPS0)，是近年新兴起的一种群智能计算方法，其结合量子物理 基本理论，将量子理论应用于标准的粒子群优化算法，从量子力学波函数的角度提出的一 种新的粒子群优化算法模型，它是对标准PS0算法的全新改进，粒子的搜索性能远远优于 基本PS0算法，已经在函数优化、神经网络训练等领域得到应用。
[0004] 针对上述现有的基于阵列的波达方向估计技术存在的缺陷或不足，本申请人遂W 其多年从事本行业的技术累积，积极地研究如何将量子粒子群算法应用于波达方向的估计 中，W期能改善先前技术之缺失，终于在各方条件的审慎考虑下开发出本发明。
【发明内容】
[0005] 本发明的目的在于克服现有波达方向估计算法中非线性复杂优化问题，提出一种 基于量子粒子群的波达方向估计方法，寻优过程中利用了粒子的量子行为，并且搜索粒子 综合了个体局部极值和全局极值之间协同切换，充分发挥搜索粒子间的协同搜索机制，具 有高效搜索和全局搜索的能力，W达到实现最佳波达方向效果。
[0006] 为达上述的目的及功效，本发明采用W下技术内容：
[0007] -种基于量子粒子群的波达方向估计方法，包括如下步骤：
[0008] (1)确定阵元数兩，平面波信号数P，信号中也波长入，快拍数应，相邻阵元间距 d，结合接收信号对数据协方差矩阵的最大似然估计进行特征分解获得信号子空间S、噪声 子空间G ;
[0009] (2)初始化；确定粒子群的种群规模M，粒子的初始位置向量为Zi，粒子对应的速 度向量为Vi，i = 1，2,…，M，最大速度Vm。,，迭代次数k= 1，最大迭代次数Km。,，每个粒子的 局部最优位置乂 W及整个种群的全局最优位置;
[0010] 0)计算各粒子的适应度函数；将M个粒子位置Zi，i = 1，2,…，M作为波达方向 角0的估计值，代入MUSIC算法的谱估计适应度函数
[0011]
【主权项】
1. 一种基于量子粒子群的波达方向估计方法，其特征在于，所述方法包括如下步骤： (1) 确定阵元数反，平面波信号数P，信号中心波长A，快拍数M，相邻阵元间距d，结 合接收信号对数据协方差矩阵的最大似然估计进行特征分解获得信号子空间S、噪声子空 间G; (2) 初始化；确定粒子群的种群规模M，粒子的初始位置向量为Zi，粒子对应的速度向 量为Vpi= 1，2, ???，]?,最大速度Vmax，迭代次数k= 1,最大迭代次数Kmax，每个粒子的局部 最优位置#以及整个种群的全局最优位置4; (3) 计算各粒子的适应度函数；将M个粒子位置Zi，i= 1，2,…，M作为波达方向角0 的估计值，代入MUSIC算法的谱估计适应度函数
获得每个粒子个体适应度函数值； 其中，I为单位矩阵，
(4) 量子粒子群速度和位置更新；第k+1次迭代，粒子根据如下公式更新速度和位置：
其中：i= 1，2,…，M，a为收缩扩张系数；ri，r2,r3,1~4取[〇, 1]之间均匀分布的随机数，W为第i个粒子经历的最好位置，芦=^1>丨，g为所有粒子种群经历的最好位置； (5) 如果达到最大迭代次数k=K_，则寻优结束，所得到的前P个全局最优位置向量 即为最优波达方向角估计值，即输出信源入射角度矢量估计值，进而计算入射方向角的均 方差；否则，k: =k+l，转到步骤3。
【专利摘要】本发明公开了一种基于量子粒子群的波达方向估计方法，步骤包括：建立阵列信号模型，设置阵列相关参数，接着根据阵列信号数据建立最大似然估计，然后初始化，计算各粒子的适应度函数，更新量子粒子群速度和位置，然后判断是否达到最大迭代次数，然后输出信源入射角度矢量估计值，进而计算入射方向角的均方差。本发明在寻优过程中利用了粒子的量子行为，克服了标准粒子群算法容易陷入局部最小值缺点，估计精度高，对于解决波达方向估计问题取得了较好的效果，为获得高分辨率的波达方向估计提供了新的解决思路。
【IPC分类】G06N3-00
【公开号】CN104616059
【申请号】CN201510048332
【发明人】叶倩, 楼旭阳
【申请人】无锡职业技术学院
【公开日】2015年5月13日
【申请日】2015年1月29日