买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明公布】强冲击噪声环境下基于量子企鹅搜索机制的互质阵列DOA估计方法_哈尔滨工程大学_201911266148.9 

申请/专利权人:哈尔滨工程大学

申请日:2019-12-11

公开(公告)日:2020-03-31

公开(公告)号:CN110940949A

主分类号:G01S3/00(20060101)

分类号:G01S3/00(20060101)

优先权:

专利状态码:有效-授权

法律状态:2023.04.28#授权;2020.04.24#实质审查的生效;2020.03.31#公开

摘要:本发明一种强冲击噪声下基于量子企鹅搜索机制的互质阵列DOA估计方法,获得无穷范数加权信号的分数低阶协方差矩阵;构建扩展分数低阶协方差矩阵和扩展的导向矩阵,构造基于此扩展协方差矩阵的极大似然测向方程;初始化量子企鹅群,初始化量子企鹅的速度和量子位置;计算适应度并降序排列,并选出全局最优量子位置;更新量子企鹅的量子位置;评价量子企鹅位置适应度值,更新全局最优量子位置;判断是否达到最大迭代次数,若未达到,继续迭代;若达到,输出全局最优量子位置,映射后获得最佳波达方向估计值。本发明实现了获得更高的测向精度、更快的运算速度、更好的扩展阵列孔径能力、测相干源能力、抗冲击噪声能力和更广泛的应用环境。

主权项:1.一种强冲击噪声环境下的基于量子企鹅搜索机制的互质阵列DOA估计方法,其特征是:步骤一:获取互质阵列接收信号的快拍采样数据,获得无穷范数加权信号的分数低阶协方差矩阵;互质阵列是由两个均匀线阵在起点重合摆放后得到的非均匀线阵,第一个均匀线阵含有y2个阵元,每相邻两个阵元之间距离为y1d;另一个均匀线阵含有y1个阵元,每相邻两个阵元之间距离为y2d;两个阵列的首个阵元是同一个,则互质阵列共有个阵元;y1与y2为互质的两个数,d为两个均匀线阵在起点重合摆放后得到的非均匀线阵可虚拟出的最小阵元间距,0<d≤λ2,λ为入射到互质阵列的目标信号波长;D个远场窄带信号从方向θ=[θ1,θ2,...,θD]入射到互质阵列上;阵列接收第k次快拍采样数据为wk=Aθsk+nk;为维阵列接收数据向量;sk=[s1k,s2k,...,sDk]T为D×1维空间信号向量;为维独立同分布的满足SαS分布的冲击噪声向量;Aθ=[aθ1,aθ2,...,aθD]为维阵列流型矩阵,其中aθi为入射角θi的导向矢量,θi是第i个信源的来波方向,i=1,2,...,D;定义一个互质阵列阵元位置矢量其中表示第个阵元距离首个阵元的位置,互质阵列的首个阵元位置表示为p1=0;再定义且形成集合所以互质阵列对于波达方向角为θi的入射窄带信号的阵列导向矢量为j是复数单位;接收数据的无穷范数加权信号为max{}为取最大值函数;定义阵元接收数据之间的无穷范数加权信号的分数低阶协方差矩阵为C,其第i行第t列元素为k=1,2,...,m,m为最大快拍数;γ为分数低阶协方差参数;*表示共轭;步骤二:快拍采样数据得到的分数低阶协方差经过虚拟变换后的分数低阶矩协方差矩阵可进一步表示为则根据虚拟阵列构建加权信号的扩展分数低阶协方差矩阵为为矩阵C扩展后的最大维度;E为数学期望;l-q=hσ-hη;扩展导向矩阵为Bθ=[bθ1,bθ2,...,bθD],其中第i个扩展导向矢量为且构造基于加权信号的扩展分数低阶协方差矩阵的极大似然测向方程为fθ=tr[PBθR],其中PBθ=Bθ[BHθBθ]-1BHθ为正交投影矩阵,R为根据虚拟阵列构建的加权信号的扩展分数低阶协方差矩阵,H表示共轭转置;极大似然方程的角度估计值为tr表示矩阵求迹函数;步骤三:初始化量子企鹅群;量子企鹅群的量子企鹅个体数为整个种群的最大迭代次数Gmax,ε代表迭代次数;随机初始化第i只量子企鹅的量子位置为量子企鹅的量子位置再映射为量子企鹅的位置即映射规则为是第维变量下限,是第维变量上限,随机初始化第i只量子企鹅速度为步骤四:根据适应度函数对第i只量子企鹅的位置进行适应度计算并按照适应度值大小排序,找到至当前代为止适应度值最大的量子位置,确定其全局最优量子位置将全部量子企鹅按照一定的规则分为个族群,可以依照蛙跳算法的混洗规则,也可按照企鹅标号顺序把所有量子企鹅依次分给个族群,每个族群包含只量子企鹅,即族群内第i只量子企鹅位置的适应度值可根据适应度函数进行计算,其中:步骤五:进入组内迭代,更新族群内每只量子企鹅的速度和量子位置;第i只量子企鹅将以发现概率随机地被选中并进行更新,为此将产生一个[0,1]间服从均匀分布的随机数若则第i只量子企鹅第维速度更新公式为为第i只量子企鹅第维速度更新后的第维速度;为[0,1]间服从均匀分布的随机数;是惯性权重系数;c为学习因子;为族群内第i只量子企鹅第维量子位置;为族群内全局最优量子位置第维;若第i只量子企鹅第维速度更新公式为为[0,1]间服从均匀分布的随机数;为在族群内的随机选择的量子企鹅标号;第i只量子企鹅的量子位置使用模拟的量子旋转门进行更新的更新公式为为第i只量子企鹅第维量子位置更新后的第维量子位置,abs为求取绝对值函数;步骤六:对每只量子企鹅新生成的量子位置映射为位置,根据适应度函数进行适应度计算,更新全局最优量子位置;将第i只量子企鹅新生成的第维量子位置映射为第i只量子企鹅新生成的第维位置根据适应度函数计算第i只量子企鹅新生成的位置的适应度值,再用贪婪选择策略对量子企鹅的量子位置进行选择,若则并且将贪婪选择后的量子企鹅按照适应度值大小排序,找到适应度值最大的量子企鹅并记录其量子位置,即为至今为止的全局最优量子位置,更新为全局最优量子位置步骤七:判断是否达到最大迭代次数Gmax;如果未达到,令ε=ε+1,返回步骤五继续迭代;否则结束,输出全局最优量子位置,映射得到全局最优位置即为波达方向最优估计值。

全文数据:

权利要求:

百度查询: 哈尔滨工程大学 强冲击噪声环境下基于量子企鹅搜索机制的互质阵列DOA估计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。