一种基于极化敏感阵列的相干信源测向方法技术

本发明专利技术提出了一种极化敏感阵列下的相干信源测向方法，属于极化敏感阵列信号处理领域。本发明专利技术公开的方法的步骤为：(1)建立极化敏感阵列测向模型；(2)初始化种群中的量子花粉，确定全局最优量子花粉；(3)每个量子花粉依概率生成一个新的量子花粉；(4)把每个量子花粉映射为花粉，计算每个量子花粉的适应度并选择量子花粉；(5)使用量子差分演进机制产生新的量子花粉，并进行选择；(6)判断是否达到最大迭代次数：若达到最大迭代次数，执行步骤(7)；否则，令t＝t+1，返回步骤(3)继续迭代；(7)输出全局最优量子花粉的极大似然估计值。通过本发明专利技术提供的方法在信噪比低、快拍数小以及相干信源的情况下，都可以进行有效测向。

A coherent source direction finding method based on Polarization Sensitive Array

The invention proposes a coherent source direction finding method under the polarization sensitive array, which belongs to the field of polarization sensitive array signal processing. The method comprises the following steps: (1) the establishment of polarization sensitive array direction finding model; (2) quantum pollen initialized, determine the global optimal quantum pollen; (3) each quantum pollen generating probability of a new quantum pollen; (4) the mapping for each quantum pollen pollen, calculation each quantum pollen fitness and quantum pollen; (5) the use of quantum differential evolution mechanism of quantum pollen new, and selected; (6) to determine whether the maximum number of iterations is reached: if the maximum number of iterations is reached, step (7); otherwise, t = t+1, return to step (3) to continue the iteration; (7) the maximum likelihood output estimates of the global optimal quantum pollen. The method provided by the invention in the low signal-to-noise ratio and the number of snapshots and coherent source conditions, can be effective direction.

【技术实现步骤摘要】
一种基于极化敏感阵列的相干信源测向方法
本专利技术提出了一种极化敏感阵列下的相干信源测向方法，属于极化敏感阵列信号处理领域。
技术介绍
极化敏感阵列信号处理是近些年国际阵列信号处理领域中新的研究热点，此类阵列既能利用极化敏感阵元获取空间电磁信号的极化信息，又能利用阵元的空间分布获得空间电磁信号的空域信息，更大限度利用了信号的固有属性和传播信息，有助于提高雷达、侦察等电子系统的综合性能。和普通阵列相比，极化敏感阵列具有优越的系统性能，包括较强的抗干扰能力、稳健的检测能力、较高的分辨能力以及极化多址能力，极化敏感阵列的诸多优点使得其在雷达、通信、声呐以及生物医学等领域具有广阔的应用前景。波达方向(DOA)估计是极化敏感阵列信号处理的重要部分之一，一些普通阵列的测向方法已被推广到极化敏感阵列，例如子空间旋转不变技术(ESPRIT)、多重信号分类(MUSIC)等。经对已有文献的检索发现，JianLi等在《IEEETransactionsonAntennasandPropagation》(1991，39(9):1376-1383)发表的“AnglePolarizationEstimationUsingESPRITwithaPolarizationSensitiveArray”中，利用ESPRIT方法估计信源的DOA以及极化参数，具有计算时间短的优点，但是该方法只适用于独立信源条件下的角度估计且估计精度不高。YuB在《InternationalConferenceonComputerScienceandNetworkTechnology》(2013，321-324)发表的“ANew2-DParameterEstimationMethodofNearFieldSourcesBasedonPolarizationSensitiveArray”中，利用四阶累积量对信源的方位角和极化参量进行估计，有效提高了测向精度，但是该方法不能对相干信源进行测向。已有的文献表明，有关极化敏感阵列的相干信源测向问题的研究比较少，并且都无法直接对相干信源进行测向。因此本专利技术设计了一种基于量子差分花授粉搜索机制的极大似然极化敏感阵列测向方法，该方法可以利用极化敏感阵列对相干信源和非相干信源进行高精度测向，同时有效估计极化参数。
技术实现思路
本专利技术的目的是提供一种基于量子差分花授粉搜索机制的极化敏感阵列测向方法，本专利技术是通过如下技术方案实现的：步骤一，建立极化敏感阵列测向模型。步骤二，初始化种群中的量子花粉，构造适应度函数且计算每个量子花粉适应度，并确定全局最优量子花粉。步骤三，每个量子花粉依概率从全局授粉和局部授粉两种量子演化规则中选择一种生成一个新的量子花粉。步骤四，把每个量子花粉映射为花粉，计算每个量子花粉的适应度并使用贪婪选择策略选择量子花粉。步骤五，使用量子差分演进机制产生新的量子花粉，并使用贪婪选择策略进行选择。步骤六，判断是否达到最大迭代次数：若达到最大迭代次数，执行步骤七；否则，令t＝t+1，返回步骤三继续进行迭代。步骤七，输出全局最优量子花粉，经过映射变换获得相应方位角、极化辐角和极化相位差的极大似然估计值。本专利技术充分利用极大似然方程以及量子差分花授粉搜索机制的优势，在信噪比低、快拍数小以及相干信源的情况下，都可以进行有效测向。与已有技术相比，本专利技术具有以下优点：(1)不需要额外解相干操作，就可以对相干信源进行有效测向，并可同时有效估计极化辐角和极化相位差等极化参量。(2)首次将差分思想和量子机制共同引入花授粉搜索机制中，提高了全局寻优能力，可有效求解连续优化问题。(3)提出的基于量子差分花授粉机制的极化敏感阵列极大似然测向方法具有更高的测向精度。(4)相对于标量传感器，所设计的利用极化敏感阵列这种矢量传感器的测向方法有更优秀的阵列扩展能力。附图说明图1为基于量子差分花授粉的极化敏感阵列测向方法示意图。图2为量子差分花授粉搜索机制结构流程图。图3为所提量子差分花授粉方法对3个独立信源的测向结果。图4为所提量子差分花授粉方法对3个相干信源的测向结果。图5为所提量子差分花授粉方法在100次蒙特卡洛试验中对3个相干信源的测向结果。具体实施方式本专利技术提供了一种基于极化敏感阵列的相干信源测向方法，下面结合附图对实施方法做进一步的说明：步骤一，建立极化敏感阵列测向模型。假设极化敏感阵列由M个双正交偶极子对组成，阵元间距为d。远场有Q个波长为λ的完全极化窄带平面波入射到该阵列，则极化敏感阵列接收的快拍数据为y(k)＝A(θ,γ,η)s(k)+n(k)，式中y(k)＝[y1(k),y2(k),...,y2M(k)]T为2M×1维阵列快拍数据矢量，其中k表示快拍次数；A(θ,γ,η)＝[a1,a2,...,aQ]为2M×Q维的极化导向矩阵，第q个极化导向矢量为其中j为复数单位，表示Kronecker积，q＝1,2,...,Q，θ＝[θ1,θ2,...,θQ]为信源方位角矢量，γ＝[γ1,γ2,...,γQ]为极化辐角矢量，η＝[η1,η2,...,ηQ]为极化相位差矢量；s(k)＝[s1(k),s2(k),...,sQ(k)]T为Q×1维信号矢量；n(k)为2M×1维服从高斯分布的复噪声矢量。则阵元接收数据的协方差矩阵可以表示为其中K为最大快拍数，H表示共轭转置。步骤二，初始化种群中的量子花粉，构造适应度函数且计算每个量子花粉适应度，并确定全局最优量子花粉。考虑由W棵量子显花植物组成的种群，t表示种群迭代次数，初始迭代次数为t＝1。假设每一棵显花植物仅开一朵花，并且每朵花仅产生一个花粉配子，则种群中共有W个量子花粉，其中第w(w＝1,2,...,W)个量子花粉可以表示为i＝1,2,...,3Q。把第w个量子花粉从量子态映射到待求解变量的定义区间得到的花粉为其中与极化敏感阵列的信源方位角矢量θ＝[θ1,θ2,...,θQ]相对应，与阵列的极化辐角矢量γ＝[γ1,γ2,...,γQ]相对应，与阵列的极化相位差矢量η＝[η1,η2,...,ηQ]相对应。计算各个量子花粉的适应度，第w(w＝1,2,...,W)个量子花粉的适应度函数为其中tr()为矩阵求迹函数，并将适应度最大值对应的量子花粉记为全局最优量子花粉步骤三，每个量子花粉依概率从全局授粉和局部授粉两种量子演化规则中选择一种生成一个新的量子花粉。对于第w个量子花粉，产生一个[0,1]区间内的随机数若其中μ为转移概率，则进行全局授粉，第w个量子花粉的量子旋转角矢量为w＝1,2,...,W，其第i维量子旋转角为其中i＝1,2,...,3Q，c1为变异概率，为[0,1]区间内的随机数，并且对量子旋转角进行边界约束检查，量子旋转角的每一维都要限制在一定区域内，即其中为量子旋转角的第i维上限。则对应的量子花粉的产生公式为其中i＝1,2,...,3Q。反之，若则进行局部授粉，第w个量子花粉的第i维量子旋转角为其中i＝1,2,...,3Q，c2为变异概率，和分别表示种群中除第w个量子花粉外的其它第个量子花粉和第e个量子花粉的第i维分量，e为{1,2,...,M}内的随机整数，且对量子旋转角进行边界约束检查，量子旋转角的每一维都要限制在一定区域内，即其中为量子旋转角第i维上限。则对应量子花粉的产生公式本文档来自技高网...

【技术保护点】
一种基于极化敏感阵列的相干信源测向方法，其特征在于：(1)建立极化敏感阵列测向模型；(2)初始化种群中的量子花粉，构造适应度函数且计算每个量子花粉适应度，并确定全局最优量子花粉；(3)每个量子花粉依概率从全局授粉和局部授粉两种量子演化规则中选择一种生成一个新的量子花粉；(4)把每个量子花粉映射为花粉，计算每个量子花粉的适应度并使用贪婪选择策略选择量子花粉；(5)使用量子差分演进机制产生新的量子花粉，并使用贪婪选择策略进行选择；(6)判断是否达到最大迭代次数：若达到最大迭代次数，执行步骤七；否则，令t＝t+1，返回步骤三继续进行迭代；(7)输出全局最优量子花粉，经过映射变换获得相应方位角、极化辐角和极化相位差的极大似然估计值。

【技术特征摘要】
1.一种基于极化敏感阵列的相干信源测向方法，其特征在于：(1)建立极化敏感阵列测向模型；(2)初始化种群中的量子花粉，构造适应度函数且计算每个量子花粉适应度，并确定全局最优量子花粉；(3)每个量子花粉依概率从全局授粉和局部授粉两种量子演化规则中选择一种生成一个新的量子花粉；(4)把每个量子花粉映射为花粉，计算每个量子花粉的适应度并使用贪婪选择策略选择量子花粉；(5)使用量子差分演进机制产生新的量子花粉，并使用贪婪选择策略进行选择；(6)判断是否达到最大迭代次数：若达到最大迭代次数，执行步骤七；否则，令t＝t+1，返回步骤三继续进行迭代；(7)输出全局最优量子花粉，经过映射变换获得相应方位角、极化辐角和极化相位差的极大似然估计值。2.根据权利要求1所述的一种基于极化敏感阵列的相干信源测向方法，其特征在于：所述的步骤(1)建立极化敏感阵列测向模型的过程为：假设极化敏感阵列由M个双正交偶极子对组成，阵元间距为d，远场有Q个波长为λ的完全极化窄带平面波入射到该阵列，则极化敏感阵列接收的快拍数据为y(k)＝A(θ,γ,η)s(k)+n(k)(1)式中y(k)＝[y1(k),y2(k),...,y2M(k)]T为2M×1维阵列快拍数据矢量，其中k表示快拍次数；A(θ,γ,η)＝[a1,a2,...,aQ]为2M×Q维的极化导向矩阵，第q个极化导向矢量为其中j为复数单位，表示Kronecker积，q＝1,2,...,Q，θ＝[θ1,θ2,...,θQ]为信源方位角矢量，γ＝[γ1,γ2,...,γQ]为极化辐角矢量，η＝[η1,η2,...,ηQ]为极化相位差矢量；s(k)＝[s1(k),s2(k),...,sQ(k)]T为Q×1维信号矢量；n(k)为2M×1维服从高斯分布的复噪声矢量；则阵元接收数据的协方差矩阵可以表示为其中K为最大快拍数，H表示共轭转置。3.根据权利要求1所述的一种基于极化敏感阵列的相干信源测向方法，其特征在于：所述的步骤(2)的过程如下：考虑由W棵量子显花植物组成的种群，t表示种群迭代次数，初始迭代次数为t＝1，假设每一棵显花植物仅开一朵花，并且每朵花仅产生一个花粉配子，则种群中共有W个量子花粉，其中第w(w＝1,2,...,W)个量子花粉可以表示为式中i＝1,2,...,3Q；把第w个量子花粉从量子态映射到待求解变量的定义区间得到的花粉为其中与极化敏感阵列的信源方位角矢量θ＝[θ1,θ2,...,θQ]相对应，与阵列的极化辐角矢量γ＝[γ1,γ2,...,γQ]相对应，与阵列的极化相位差矢量η＝[η1,η2,...,ηQ]相对应，第w(w＝1,2,...,W)个量子花粉的适应度函数为其中式中tr()为矩阵求迹函数，并将适应度最大值...

【专利技术属性】
技术研发人员：高洪元，陈梦晗，刘丹丹，李晋，刁鸣，李佳，池鹏飞，侯阳阳，苏雪，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江,23