基于蝙蝠优化算法的阵列信号doa估计方法研究

《基于蝙蝠优化算法的阵列信号doa估计方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、．－Ｉ分类号；ＴＮ９１１单位代福：１０１８３：２０１３５２２１１５密级研究生学号；公开：．＇戀；吉林大学硕古學位论文樂术学化（）基于骗幅优化算法的阵列信号Ｄ０Ａ估计方法硏究ＡｒｒａｙＳｉｎａｌＰａｒａｍｅｔｅｒＥｓｔｉｍａｔｉｏｎＭｅｔｈｏｄｇ巳ａｓｅｄｏｎ化ｅＢａｔＯｔｉｍｉｚａｔｉｏｎＡｌｏｒｉ化ｍｐｇ作者姓名：冯舒专业－：模式识别与智能系统研究方向：阵列信号处理指导教师；石要武教授培养单位：通信工程学院２０１６年６月

2、未经本论文作者的书面授权，依法收存和保管本论文书面版本、电子版本的任何单位和个人，均不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有碍作者著作权的商业性使用（但纯学术性使用不在此限）。否则，应承担侵权的法律责任。吉林大学硕±学位论文原创性声明本人郑重声明：所呈交的硕±学位论文，是本人在指导教师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文

3、中明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签：名；俾日期《月ａ日————————————————————————————————基于蝙蝠优化算法的阵列信号DOA估计方法研究————————————————————————————————ArraySignalDoaEstimationMethodsBasedontheBatOptimizationAlgorithm摘要基于蝙蝠优化算法的阵列信号DOA估计方法研究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

4、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

5、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

6、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，

7、MUSIC，IABSTRACTArraySignalDoaEstimationMethodsBasedonTheBatOptimizationAlgorithmArraysignalparameterestimationresearchmainlyfocusonDOAofspacetargetestimation,iswidelyappliedtoradar,sonar,andmanyothermilitaryandcivilianfields.Withthedevelopmentofsignalprocessingtech

8、nology,alargenumberofsuper-resolutionalgorithmhasemerged,whichtheclassicalalgorithmshavemultiplesignalclassification(MUSIC)andmaximumlikelihoodes