基于蝙蝠优化算法的阵列信号DOA估计方法研究

发布时间：2017-04-12 09:06

  本文关键词：基于蝙蝠优化算法的阵列信号DOA估计方法研究，由笔耕文化传播整理发布。

【摘要】：阵列信号参数估计的研究主要集中于空间目标的波达方向(DOA)估计,被广泛应用到雷达、声纳等诸多军用和民用领域。随着信号处理技术的发展,一大批超分辨率的算法先后涌现,其中经典的算法有多重信号分类(MUSIC)和最大似然估计(ML)。处于发展阶段的基于稀疏分解理论的阵列信号DOA估计,也同样具有高分辨率的特点。这些算法在理论上都能获得最佳的估计性能,但由于存在非线性搜索,运算量大等问题,不利于工程应用。蝙蝠算法(BA)是通过模拟自然界中的蝙蝠利用超声波捕获猎物的生物学特性而提出的一种仿生智能优化算法。它具有分布式、并行性、模型简单、收敛速度快和控制参数少等优点。本文将蝙蝠算法分别优化最大似然算法、基于稀疏分解思想的正交匹配追踪算法和MUSIC算法,并应用于阵列信号的DOA估计,以展现蝙蝠算法优秀的全局搜索和局部搜索能力,使传统算法性能得以改善。本文首先介绍了阵列信号处理的理论基础和数学模型,以及蝙蝠算法的基本概念和数学模型。提出了蝙蝠算法优化的最大似然算法,对基本蝙蝠算法的搜索策略做出了改进,以结合最大似然算法DOA估计谱函数的特点,使其快速收敛到全局极值。与其他几种经典的优化算法相比,蝙蝠算法具有更优秀的收敛性能。其次,针对稀疏分解的正交匹配追踪算法在迭代过程中存在的计算量大的问题,提出一种文化蝙蝠算法以优化正交匹配追踪算法,进行DOA估计。将文化算法的模型引入蝙蝠算法中,以改善算法的精度。仿真实验证明,文化蝙蝠算法优化后的正交匹配追踪算法在减少计算量的同时,仍能获得较好的估计效果。最后,介绍了L型阵列MIMO雷达模型下的MUSIC-二维DOA估计方法。由于传统的MUSIC算法计算量大,且估计谱函数为多峰函数,提出一种基于小生境技术的蝙蝠算法优化MUSIC-二维DOA估计算法。采用小生境技术对蝙蝠算法作出改进,以搜索出所有峰值对应的极值点,从而估计出多个信源的方位角和俯仰角。
【关键词】：DOA估计 蝙蝠算法 最大似然算法 正交匹配追踪算法 MUSIC
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN911.23;TP18
【目录】：

• 摘要4-5
• ABSTRACT5-10
• 第1章 绪论10-18
• 1.1 引言10-11
• 1.2 课题的国内外发展现状11-15
• 1.2.1 阵列信号DOA估计的发展现状11-12
• 1.2.2 仿生智能优化算法的发展现状12-14
• 1.2.3 仿生智能优化算法在阵列信号参数估计的研究现状14-15
• 1.3 论文的主要研究工作和章节安排15-18
• 1.3.1 主要研究工作15
• 1.3.2 章节安排15-18
• 第2章 DOA估计理论基础和蝙蝠算法18-26
• 2.1 阵列信号模型18-22
• 2.2 蝙蝠算法22-25
• 2.2.1 蝙蝠算法的基本原理22-23
• 2.2.2 蝙蝠算法的数学模型23-25
• 2.3 本章小结25-26
• 第3章 基于蝙蝠优化算法的最大似然DOA估计方法26-36
• 3.1 最大似然算法的DOA估计26-28
• 3.1.1 均匀线阵信号模型26-27
• 3.1.2 确定性最大似然算法估计算子27-28
• 3.2 基于蝙蝠优化算法的最大似然DOA估计方法28-30
• 3.3 仿真实验30-34
• 3.4 算法的计算量分析34-35
• 3.5 本章小结35-36
• 第4章 基于文化BA优化的OMP稀疏分解DOA估计36-50
• 4.1 稀疏分解的DOA估计36-41
• 4.1.1 信号的稀疏分解36
• 4.1.2 正交匹配追踪算法36-38
• 4.1.3 稀疏分解的DOA估计模型38-39
• 4.1.4 稀疏分解的DOA估计算法实现39-41
• 4.2 基于文化BA优化的OMP稀疏分解算法41-45
• 4.2.1 文化蝙蝠41-44
• 4.2.2 基于CBA优化算法的信号OMP稀疏分解44-45
• 4.3 仿真实验45-47
• 4.4 算法的计算复杂度分析47-48
• 4.5 本章小结48-50
• 第5章 基于小生境BA优化算法的MIMO雷达二维DOA估计50-68
• 5.1 L阵MIMO雷达二维DOA估计50-56
• 5.1.1 L阵MIMO雷达结构与信号模型50-54
• 5.1.2 MIMO雷达模型的MUSIC-二维DOA估计54-56
• 5.2 基于小生境BA优化的MUSIC算法56-61
• 5.2.1 小生境技术56-57
• 5.2.2 小生境BA优化算法57-59
• 5.2.3 基于小生境BA优化的MUSIC算法59-61
• 5.3 仿真实验61-65
• 5.4 算法的计算量分析65-66
• 5.5 本章小结66-68
• 第6章 全文总结68-70
• 6.1 研究工作及展望68-70
• 参考文献70-76
• 作者简介及科研成果76-78
• 致谢78

【参考文献】

中国期刊全文数据库 前10条

1 杨晋生;张菊;;基于累积量的互耦误差下相干信号DOA估计[J];信息技术;2015年12期

2 张志成;温炎;石要武;;利用隔离小生境混合蛙跳方法联合估计波达方向和多普勒频率[J];光学精密工程;2014年09期

3 李煜;马良;;新型全局优化蝙蝠算法[J];计算机科学;2013年09期

4 张志成;林君;石要武;孙晓东;;基于人工蜂群算法的波达方向和多普勒频率联合估计[J];吉林大学学报(工学版);2013年04期

5 韩福霞;刘宏志;;基于蝙蝠算法的信息工程监理多目标优化研究[J];现代计算机;2013年19期

6 李枝勇;马良;张惠珍;;蝙蝠算法收敛性分析[J];数学的实践与认识;2013年12期

7 刘长平;叶春明;;具有混沌搜索策略的蝙蝠优化算法及性能仿真[J];系统仿真学报;2013年06期

8 黄光球;赵魏娟;陆秋琴;;求解大规模优化问题的可全局收敛蝙蝠算法[J];计算机应用研究;2013年05期

9 盛晓华;叶春明;;蝙蝠算法在PFSP调度问题中的应用研究[J];工业工程;2013年01期

10 李俊武;俞志富;;改进粒子群算法在DOA估计中的应用[J];计算机工程与应用;2013年09期

中国博士学位论文全文数据库 前2条

1 章军;小生境粒子群优化算法及其在多分类器集成中的应用研究[D];中国科学技术大学;2007年

2 陈四根;阵列信号处理相关技术研究[D];哈尔滨工程大学;2004年

中国硕士学位论文全文数据库 前4条

1 李文昊;基于分数低阶统计量稀疏性的DOA估计[D];大连海事大学;2015年

2 王大元;阵列多参数联合估计[D];南京航空航天大学;2010年

3 李晓刚;基于最大似然算法的DOA估计方法研究[D];哈尔滨工程大学;2008年

4 杨琳琳;空间谱估计算法研究[D];华中科技大学;2007年

  本文关键词：基于蝙蝠优化算法的阵列信号DOA估计方法研究，由笔耕文化传播整理发布。

，

本文编号：301141