计算智能方法在空间谱估计中的应用研究

论文摘要

波达方向（DOA）估计是阵列信号处理领域中的重要的研究方向。基于阵列信号处理的波达方向估计方法,可以同时对空间不同方向上的多个信号源实现高分辨率的方向估计,在雷达、声纳、主动防护系统、通信系统以及智能天线等多个研究领域中广泛的应用。最大似然估计（MLE）是统计估计中最重要、应用最广泛的方法之一,理论上最大似然可以获得最优性能,但实现这种估计的算法需要进行多变量非线性最大值的全局搜索,其运算量很大。这正是MLE方法应用的瓶颈问题。计算智能方法的主要应用对象是优化问题的难解问题。因此,本论文根据在非合作参数估计中的实际情况,把粒子群优化算法、模拟退火算法及其改进算法适宜地用在多信号源的波达方向最大似然估计这个难解的优化问题上。本文首先介绍了阵列信号处理基本理论和模型,然后介绍波束形成法、MUSIC和ESPRIT等经典空间谱估计算法的基本原理。接着重点介绍了最大似然算法以及一些实现最大似然算法的算法,例如交替投影算法、遗传算法等。由于粒子群优化算法的算法流程简单性及其优秀的收敛能力,本文选择粒子群优化算法为主要的实现算法。在最大似然估计基础上,对带有线性递减权向量的粒子群优化算法（LDWPSO）进行修正,逐渐缩小算法的惯性权向量的初值,通过这样的处理在保留了算法的全局收敛能力的基础上增强了算法的局部收敛性,使算法更加适合DOA最大似然估计搜索。接着在论文中提出了一种由当前粒子与最优粒子之间的距离动态调整惯性权向量的改进粒子群优化算法,并且在该改进粒子群优化算法中增加了种群中所有粒子的平均信息。使粒子在飞行的过程中能够考虑到整个种群的情况。使用该改进粒子群优化算法进行DOA最大似然估计搜索,并通过仿真将修正后的LDWPSO算法和改进粒子群优化算法性能与修正改进前的算法进行比较。在最后一部分,采用SA-PSO算法进行DOA的最大似然估计的搜索,在PSO算法中引入了模拟退火算法的接受概率与退火温度的概念,形成SA-PSO算法,最后通过仿真来验证该算法在DOA最大似然估计搜索方面的性能。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题研究背景和意义
• 1.2 计算智能方法概述
• 1.2.1 遗传算法（GA）
• 1.2.2 粒子群优化算法（PSO）
• 1.2.3 模拟退火算法（SA）
• 1.3 DOA估计的发展与研究现状
• 1.4 本文的主要内容
• 第2章 多信源的DOA估计问题
• 2.1 数学模型
• 2.1.1 通常情况下的数学模型
• 2.1.2 相干信号源数学模型
• 2.2 传统算法
• 2.2.1 延迟—相加法
• 2.2.2 Capon最小方差算法
• 2.3 子空间类算法
• 2.3.1 MUSIC算法
• 2.3.2 ESPRIT算法
• 2.4 最大似然算法
• 2.4.1 交替投影算法
• 2.4.2 遗传算法
• 2.5 本章小结
• 第3章 基于改进PSO的DOA估计
• 3.1 基本粒子群算法
• 3.2 基于修正LDWPSO算法的DOA估计
• 3.3 基于改进PSO算法的DOA估计
• 3.4 计算机仿真与性能分析
• 3.5 本章小结
• 第4章 基于改进SA-PSO的DOA估计
• 4.1 基本模拟退火算法
• 4.2 基于SA-PSO算法的DOA估计
• 4.3 计算机仿真与性能分析
• 4.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间所发表的论文和取得的科研成果
• 致谢