基于小生境差分进化的多重信号分类谱峰搜索方法技术

本发明专利技术属于阵列信号测向领域，具体涉及一种基于小生境差分进化的多重信号分类谱峰搜索方法。本发明专利技术首先将差分算法进行改进，将差分的变异操作分为境内变异和全局变异，并使其参数自适应变化，用于提高全局搜索能力并加快局部收敛速度，再将差分算法与小生境技术结合，来解决多模态搜索问题。相比于传统多重信号分类算法中的固定步长式的谱峰搜索方法，本方法能够发挥差分进化类方法的优势，能够有效降低运算量，提高搜索速度，并且随着迭代次数的增多，处理精度能够不断提高。

Multiple signal classification peak searching method based on niche differential evolution

The invention belongs to the field of array signal direction finding, in particular to a multiple signal classification peak searching method based on niche differential evolution. The present invention will first improve the differential algorithm, the mutation operation of differential variation is divided into domestic and global variation, and the adaptive parameter changes, to improve the global search ability and speed up the convergence velocity, then the differential algorithm and niche technology combined to solve multi-modal search problems. The search method of peak fixed step type compared to the traditional multiple signal classification algorithm in this method, differential evolution method can play the advantages, can effectively reduce the amount of computation and improve the search speed, and with the increase of the number of iterations, the processing precision can be improved.

【技术实现步骤摘要】
基于小生境差分进化的多重信号分类谱峰搜索方法
本专利技术属于阵列信号测向领域，具体涉及一种基于小生境差分进化的多重信号分类谱峰搜索方法。
技术介绍
多信号到达方向的估计是阵列信号处理的一个主要研究方向，在雷达、声纳、通信等许多领域都有着重要的应用。近三十年来，以多重信号分类法(MultipleSignalClassification，MUSIC)作为代表的一类基于特征子空间分析的到达方向估计技术得到人们的广泛重视。多重信号分类法的估计精度和分辨率都较高，其性能接近Crammer-Rao限，而且适用于任意几何构型的阵列。多重信号分类法估计多信号到达方向可以看作是由两个阶段组成：第一个阶段是由天线阵的响应估计出信源个数和信号空间谱；第二个阶段则是搜索与信号到达方向对应的空间谱的极值点，简称谱峰搜索。谱峰搜索属于多模态问题，是对所有天线阵可探测方向的遍历搜索过程，在需要高精度结果的情况下，搜索的步长必须很小，由此导致计算量大和搜索速度慢。
技术实现思路
(一)要解决的技术问题本专利技术的目的是提出一种基于小生境差分进化的多重信号分类谱峰搜索方法，以解决多重信号分类法中谱峰搜索的多模态问题。(二)技术方案为解决上述技术问题，本专利技术提出一种基于小生境差分进化的多重信号分类谱峰搜索方法，该方法包括如下步骤：(1)针对q个远场均匀横电磁波入射到M个阵元的阵列的情形，建立阵列接收数据模型X(t)＝A(θ)S(t)+N(t)；其中：A(θ)＝[a(θ1),a(θ2),…,a(θq)]是天线阵列的空域导向矢量矩阵；是第i个信号的导向矢量，i＝1,2,…,q；上角标T表示矩阵的转置；φm(θi)是第i个信号si(t)入射到第m个阵元上时，相对于参考阵元的滞后相位；S(t)＝[s1(t)s2(t)…sq(t)]T是波达方向为θ1,θ2,…,θq的入射信号矢量；N(t)＝[n1(t)n2(t)…nM(t)]T是加性零均值白噪声矢量，功率为(2)计算X(t)的协方差矩阵R＝E[X(t)XH(t)]；(3)对协方差矩阵R进行特征分解其中∑S为信号特征值组成的对角阵，ΣN为噪声特征值组成的对角阵，得到M×q维信号子空间矩阵US和M×(M-q)维噪声子空间矩阵UN，空间谱函数的q个极大值点为所需估计的q个远场入射信号的波达方向；(4)针对于空间谱函数以基于小生境差分进化的搜索方法代替原有固定步长搜索，设置种群数目p_num及总迭代次数total，并对初始种群进行初始化，得到初始种群个体{0x1,0x2,…,0xp_num}，其中左上角标识表示该种群样本是迭代第几次的样本；(5)开始迭代过程，计算交叉概率CR(n)及缩放因子F(n)，其中n表示第n次迭代，n∈[0,total]；每一代的F(n)及CR(n)通过下式给出：其中n是当前进化代数；Fmin,Fmax限定了缩放因子F(n)的取值范围满足F(n)∈[Fmin,Fmax]；CRmin,CRmax限定了交叉概率CR(n)的取值范围满足CR(n)∈[CRmin,CRmax]；(6)通过自适应小生境识别方法，将种群{nx1,nx2,…,nxp_num}中的每一个体归类至各自的小生境中，并保留每个小生境的中心点；(7)对每个小生境中的每一个种群个体进行差分进化操作；(8)若进化后个体的适应度大于父代个体的适应度，则用进化后的种群个体代替父代个体；(9)重复步骤(5)至(8)，直至迭代次数达到total；此时每个小生境的中心点xc1,xc2,…,xcq即为待估计的q个入射信号的波达方向。进一步地，步骤(1)中，第i个信号入射到天线阵列原点，设第m个阵元在坐标系中的位置坐标为第i个信号在第m个阵元处所产生的相对于参考阵元的时延为对应的相位差为λ为信号波长，c为光速。进一步地，步骤(2)中，通过有限长的观测数据来近似得到协方差矩阵R，根据最大似然原理，R的估计值满足其中L是采样快拍数。进一步地，步骤(3)中，根据信号与噪声不相关的性质，协方差矩阵R满足其中矩阵RS为q个信号的功率组成的对角阵IM为M×M维的单位阵，结合矩阵特征分解可知AHUN＝0，即q个信号的波达方向θ1,θ2,…,θq满足AH(θi)UN＝0,i＝1,2,...,q，则谱函数存在q个极大值点。进一步地，步骤(4)中，根据处理速度及精度要求，选取种群数目p_num和总迭代次数total，完全随机地在待估计参数θ的取值范围内，选取p_num个样值点{0x1,0x2,…,0xp_num}，作为初始种群，其中θ参数为一维时，取值范围满足θ∈(-90°,90°)；θ(α,β)参数为二维时，取值范围满足α∈(0,360°),β∈(0,90°)。进一步地，步骤(6)的具体步骤如下：a)将种群中所有个体设置为未标记状态，计算种群中每两个个体之间的距离|nxi-nxj|，i≠j；b)通过计算种群中每一个个体的个体适应度myi；c)在未标记的个体中，找出适应度最大的个体记为xc，并标记此个体；d)将所有未标记的个体，按照与xc的距离从小到大的先后顺序排列，设该序列为H＝{x1,x2,…,xb}，b为未标记个体的总数；若b≤1，则识别结束，未标记个体为非小生境个体；e)从x2开始，依次检测H中后一个个体xl+1的适应度yl+1，是否大于前一个个体xl的适应度yl；若yl+1≤yl，则检测下一个个体；若H中不存在后一个个体的适应度大于前一个个体的适应度的情况，则所有个体均在一个小生境内，xc为该小生境的中心点个体，识别结束；f)若yl+1＞yl，则将前一个个体xl向xc方向移动一微小距离，判断移动后的实验个体x'的适应度y'是否小于移动前的前一个个体适应度yl；f1)若y'≥yl，则将前一个个体xl向后一个个体xl+1方向移动一微小距离，判断移动后的实验个体x”适应度y”是否小于移动前的前一个个体适应度yl；f11)若y”≥yl，跳至g)步骤；f12)若y”＜yl，则xc作为小生境的中心点个体，前一个个体xl作为该小生境的边界个体，标记该小生境内的所有个体x1,x2,…,xl；跳回c)步骤；f2)若y'＜yl，则判断此时l是否等于1，即xl是否是距离xc最近的个体；f21)若l＝1，则标记xc为非小生境个体，跳至g)步骤；f22)若l≠1，则xc作为小生境的中心点个体，标记前一个个体xl之前的所有个体x1,x2,…,xl-1为该小生境内的个体；跳回c)步骤；g)若此时l＝b-1，则识别结束；否则令l＝l+1，继续e)步骤检测下一个个体。进一步地，步骤(7)具体步骤如下：a)设定固定的变异概率P，并且对于每个小生境境内的所有种群个体，依次进行以下操作；b)生成随机数rand1∈(0,1)；c)若rand1＜CR(n)，则跳至d)步骤；若rand1≥CR(n)，则不产生下一代种群个体，用该本代种群个体代替下一代种群个体，跳至a)步骤；d)生成随机数rand2∈(0,1)；e)若rand2＜P，则在该小生境境内随机选取的三个种群个体nxa,nxb,nxc；若rand2≥P，则在所有种群个体中随机3个种群个体nxa,nxb,nxc；f)计算下一代种群个体n+1xi＝nxa+F(n)×(nxb-nxc)；g)计算进化个体n+1xi的适应度(三)有益效果本专利技术本文档来自技高网...

【技术保护点】
一种基于小生境差分进化的多重信号分类谱峰搜索方法，其特征在于，所述搜索方法包括如下步骤：(1)针对q个远场均匀横电磁波入射到M个阵元的阵列的情形，建立阵列接收数据模型X(t)＝A(θ)S(t)+N(t)；其中：A(θ)＝[a(θ1),a(θ2),…,a(θ

【技术特征摘要】
1.一种基于小生境差分进化的多重信号分类谱峰搜索方法，其特征在于，所述搜索方法包括如下步骤：(1)针对q个远场均匀横电磁波入射到M个阵元的阵列的情形，建立阵列接收数据模型X(t)＝A(θ)S(t)+N(t)；其中：A(θ)＝[a(θ1),a(θ2),…,a(θq)]是天线阵列的空域导向矢量矩阵；是第i个信号的导向矢量，i＝1,2,…,q；上角标T表示矩阵的转置；φm(θi)是第i个信号si(t)入射到第m个阵元上时，相对于参考阵元的滞后相位；S(t)＝[s1(t)s2(t)…sq(t)]T是波达方向为θ1,θ2,…,θq的入射信号矢量；N(t)＝[n1(t)n2(t)…nM(t)]T是加性零均值白噪声矢量，功率为(2)计算X(t)的协方差矩阵R＝E[X(t)XH(t)]；(3)对协方差矩阵R进行特征分解其中∑S为信号特征值组成的对角阵，∑N为噪声特征值组成的对角阵，得到M×q维信号子空间矩阵US和M×(M-q)维噪声子空间矩阵UN，空间谱函数的q个极大值点为所需估计的q个远场入射信号的波达方向；(4)针对于空间谱函数以基于小生境差分进化的搜索方法代替原有固定步长搜索，设置种群数目p_num及总迭代次数total，并对初始种群进行初始化，得到初始种群个体{0x1,0x2,…,0xp_num}，其中左上角标识表示该种群样本是迭代第几次的样本；(5)开始迭代过程，计算交叉概率CR(n)及缩放因子F(n)，其中n表示第n次迭代，n∈[0,total]；每一代的F(n)及CR(n)通过下式给出：其中n是当前进化代数；Fmin,Fmax限定了缩放因子F(n)的取值范围满足F(n)∈[Fmin,Fmax]；CRmin,CRmax限定了交叉概率CR(n)的取值范围满足CR(n)∈[CRmin,CRmax]；(6)通过自适应小生境识别方法，将种群{nx1,nx2,…,nxp_num}中的每一个体归类至各自的小生境中，并保留每个小生境的中心点；(7)对每个小生境中的每一个种群个体进行差分进化操作；(8)若进化后个体的适应度大于父代个体的适应度，则用进化后的种群个体代替父代个体；(9)重复步骤(5)至(8)，直至迭代次数达到total；此时每个小生境的中心点xc1,xc2,…,xcq即为估计的q个入射信号的波达方向。2.如权利要求1所述的方法，其特征在于，所述步骤(1)中，第i个信号入射到天线阵列原点，设第m个阵元在坐标系中的位置坐标为第i个信号在第m个阵元处所产生的相对于参考阵元的时延为对应的相位差为λ为信号波长，c为光速。3.如权利要求1所述的方法，其特征在于，所述步骤(2)中，通过有限长的观测数据来近似得到协方差矩阵R，根据最大似然原理，R的估计值满足其中L是采样快拍数。4.如权利要求1所述的方法，其特征在于，所述步骤(3)中，根据信号与噪声不相关的性质，协方差矩阵R满足其中矩阵RS为q个信号的功率组成的对角阵IM为M×M维的单位阵，结合矩阵特征分解可知AHUN＝...

【专利技术属性】
技术研发人员：朱曈，张梦莹，所玉君，崔建飞，
申请(专利权)人：天津津航计算技术研究所，
类型：发明
国别省市：天津,12