本文選題：波達(dá)方位估計(jì)　切入點(diǎn)：粒子群優(yōu)化算法　出處：《電子學(xué)報(bào)》2017年08期

【摘要】：隨機(jī)最大似然算法(Stochastic Maximum Likelihood,SML)具有優(yōu)越的波達(dá)方位(Direction-of-Arrival,DOA)估計(jì)性能,但SML解析過(guò)程較高的計(jì)算復(fù)雜度限制了該算法在實(shí)際系統(tǒng)中的應(yīng)用.針對(duì)SML計(jì)算復(fù)雜度高的問(wèn)題,提出一種低復(fù)雜度的粒子群優(yōu)化算法(Particle Swarm Optimization,PSO),解決了傳統(tǒng)PSO算法中粒子數(shù)多和迭代次數(shù)多的雙重缺點(diǎn).首先,根據(jù)天線獲得的信號(hào),將旋轉(zhuǎn)不變子空間法(Estimation of Signal Parameters via Rotational Invariance Techniques,ESPRIT)求得的閉式解作為DOA的預(yù)估計(jì)值,同時(shí)計(jì)算系統(tǒng)此時(shí)的信噪比以及SML在此信噪比下的克拉-美羅界(Cramer-Rao bound,CRB).然后,根據(jù)DOA預(yù)估計(jì)值和當(dāng)前CRB值在SML最優(yōu)解的近鄰范圍內(nèi)確定較小的初始化空間,并在該空間初始化少量粒子.最后通過(guò)設(shè)計(jì)合適的慣性因子w,使粒子以合理的速度搜索最優(yōu)解.實(shí)驗(yàn)結(jié)果表明,改進(jìn)PSO算法所需的粒子個(gè)數(shù)和迭代次數(shù)大約是傳統(tǒng)PSO算法的1/5,降低了SML的解析復(fù)雜度,計(jì)算時(shí)間是傳統(tǒng)PSO算法的1/10,因此在收斂速度上也有顯著的優(yōu)勢(shì).
[Abstract]:Stochastic Maximum Likelihood-SMLs have excellent DOA estimation performance, but the high computational complexity of the SML analysis process limits its application in practical systems. A low complexity particle swarm optimization algorithm (PSO) is proposed, which solves the double disadvantages of large number of particles and many iterations in the traditional PSO algorithm. Firstly, according to the signal obtained from the antenna, the particle swarm optimization algorithm (PSO) is proposed. The closed solution obtained by the Signal Parameters via Rotational Invariance technique Esprit is taken as the pre-estimate value of DOA, and the SNR of the system and the Cramer-Rao boundary of SML at this SNR are calculated simultaneously. Then, According to the DOA pre-estimate value and the current CRB value, the smaller initialization space is determined in the nearest neighbor range of the SML optimal solution. A small number of particles are initialized in this space. Finally, by designing an appropriate inertia factor w, the particle can search the optimal solution at a reasonable speed. The experimental results show that, The number of particles and the number of iterations needed to improve the PSO algorithm are about 1 / 5 of that of the traditional PSO algorithm, which reduces the analytical complexity of the SML algorithm, and the computational time is 1 / 10 of the traditional PSO algorithm, so it also has a significant advantage in the convergence speed.
【作者單位】： 中國(guó)石油大學(xué)(華東)信息與控制工程學(xué)院;中國(guó)石油大學(xué)(華東)計(jì)算機(jī)與通信工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(No.61305012)
【分類號(hào)】：TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 邵朝;保錚;;松馳、最大似然算法的相關(guān)算法研究[J];西安電子科技大學(xué)學(xué)報(bào);1997年S1期

2 佘彩云;陶海紅;廖桂生;;兩相干源情況下的簡(jiǎn)化最大似然算法研究[J];彈箭與制導(dǎo)學(xué)報(bào);2010年03期

3 王布宏,王永良,陳輝;相干信源波達(dá)方向估計(jì)的廣義最大似然算法[J];電子與信息學(xué)報(bào);2004年02期

4 范忠亮;王永生;許家棟;姚如貴;;非確定性MIMO系統(tǒng)的K-Best檢測(cè)算法研究[J];計(jì)算機(jī)仿真;2011年04期

5 陳相國(guó);宋愛(ài)民;劉劍;;基于非圓信號(hào)波達(dá)方向估計(jì)的最大似然算法[J];現(xiàn)代雷達(dá);2011年01期

6 惲小華，王莉，，惲才華，張國(guó)春;基于最大似然算法的空間譜估計(jì)測(cè)向性能分析[J];電子學(xué)報(bào);1996年12期

7 饒志宏;;OFDM系統(tǒng)時(shí)頻同步的ML算法研究[J];信息安全與通信保密;2006年07期

8 李靜;陳賢亮;;UWB中不可分離多徑條件下的ML改進(jìn)算法[J];通信技術(shù);2008年11期

9 刁鳴;楊麗麗;陳超;;基于分?jǐn)?shù)低階矩的空時(shí)最大似然DOA估計(jì)[J];應(yīng)用科技;2010年04期

10 徐銳;馮肖揚(yáng);龐海波;;基于最大似然算法的OFDM系統(tǒng)設(shè)計(jì)和應(yīng)用[J];通信技術(shù);2007年06期

相關(guān)會(huì)議論文 前1條

1 李宏宇;;HML算法在OFDM系統(tǒng)時(shí)頻同步中的應(yīng)用研究[A];四川省通信學(xué)會(huì)2008年學(xué)術(shù)年會(huì)論文集[C];2008年

相關(guān)博士學(xué)位論文 前1條

1 倪浩;OFDM無(wú)線系統(tǒng)中的TOA估計(jì)技術(shù)研究[D];西安電子科技大學(xué);2010年

相關(guān)碩士學(xué)位論文 前4條

1 李曉剛;基于最大似然算法的DOA估計(jì)方法研究[D];哈爾濱工程大學(xué);2008年

2 袁熹;最大似然算法在動(dòng)態(tài)DOA估計(jì)中的應(yīng)用研究[D];哈爾濱工程大學(xué);2009年

3 駱希;基于最大似然算法的CPM信號(hào)符號(hào)同步和解調(diào)[D];電子科技大學(xué);2012年

4 興旺;室內(nèi)MIMO關(guān)鍵技術(shù)研究[D];西安科技大學(xué);2011年

本文編號(hào)：1665005