基于最大似然算法doa估计方法的研究

《基于最大似然算法doa估计方法的研究》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、哈尔滨T程大学硕十学位论文摘要空间谱估计是阵列信号处理的一个重要的研究方向，克服了传统的基于常规波束形成方法的“瑞利限’’问题，具有多信号同时测向能力、测向精度高、超分辨能力等等。最大似然算法是一种重要的高分辨空间谱估计方法，它的估计性能优良，在相干源情况下仍能有效估计。而且在理论上最大似然估计可以获得最优的性能，但实现这种估计的算法是极其繁重的，需要进行多变量非线性最大值的全局搜索，其搜索的运算量惊人，这个问题是MLE方法应用的瓶颈问题，在现有芯片条件下，没有可实现性。而计算智能算法的主要应用对象是优化问题的难解问题，有鉴于此，本文根据在非合作参数估计中的实际情况，把计算

2、智能中的混沌优化算法、文化算法及其改进算法适宜的用在多信号源波达方向的最大似然估计中取得了一定的效果，另外本文也在如何提高阵元利用率方面进行了一定的探索。文中主要研究了几种基于最大似然算法的DOA估计方法：(1)基于四阶累积量的最大似然测向方法(2)基于混沌优化的最大似然测向方法(3)基于文化算法的最大似然测向方法(4)改进的文化算法用于最大似然测向(5)广义最大似然算法，并使用MATLAB仿真工具对几种算法进行了仿真分析。研究发现，四阶累积量可以产生大量的虚拟阵元，有效的提高阵元利用率，而且可以有效抑制空间色噪声，但对于相干源它没有很好的解决办法；广义最大似然算法，可以解

3、相干，而且分辨的信源数可以大于阵元数，但是这个算法的实现需要对空间信源数和信源的相干结构有准确的估计或先验知识，这也是它最大的局限性；文化以及混沌优化等计算智能算法可以大大降低最大似然算法的计算量，而且其搜索方式不仅可以避免局部收敛还易于并行实现，是一个非常良好的研究方向。关键词：最大似然测向；四阶累积量：混沌优化；文化算法；广义最大似然算法哈尔滨T程大学硕十学位论文ABSTRACTSpatialspectrumestimationis肌importantareainarraysignalprocessing．itovercometheproblemof‘‘Ravleigh

4、limit'’intheconventionalbeam—formingmethodandhavetheexcellentmerits，suchasabilitytoestimatemultiplesourcesatthesametime，hi曲resolutionabilityandSOon．AsaveryimportantmethodofSpatialspectrumestimation,TheMLdirectionfmding’Scapabilityisveryexcellent，whichcanworkwhentheincidentsourcesarecoheren

5、t．AndtheoreticallytheMLestimationcangetthebestcapability．AlthoughthePerformanceoftheMLEisthemostoptimal，itinvolvestheHighcomputationalloadoftheMLEmultivariatenonlinearmaximizationproblem．TheComputationalloadoftheMLElimitsitspracticalapplicationinthePresentchiptechnology．Themainapplicationa

6、reaofthecomputationalintelligencemethodsiSthehardsolvedproblemsintheoptimization．Basedonthisconsideration．thisthesisisdedicatedtotheapplicationofthecomputationalintelligencemethodssuchaschaosoptimizationalgorithm，culturalalgorithmandtheirimprovedalgorithmstosolvethemaximumlikelihoodlocaliz

7、ationofmultiplesourcesinthenon-cooperativecontext．Additionalthisthesisalsodoessomeresearchonhowtoimprovetheuseefficiencyofthearrayelements．ThemainworkofthisthesisisonseveralDOAestimationmethodsbasedontheMLalgorithm：(1)MLDirectionFindingMethodBasedOnFourth．Orde