基于量子遗传算法的传声器阵列布置优化方法技术

本发明专利技术提出一种基于量子遗传算法的传声器阵列布置优化方法，通过对平面均匀矩形阵列布置的传声器阵列进行编码，然后构造染色体进行种群初始化，并测量每个种群个体，个体根据给定概率坍缩成基础态，进一步计算个体的适应度，以方向图中功率下降3dB的等高线所围面积S为约束条件建立适应度函数进行计算，记录最优个体和对应的适应度，并采用量子旋转门的方式来进行种群的进化与更新，重复迭代直到达到终止条件，得到最优解。本发明专利技术的优化方法采用量子比特的编码方式，种群多样性较传统遗传算法大大增加，由于通过量子旋转门来实现种群的更新进化，省去了传统遗传算法中交叉变异的环节，从而具有达到最优解的迭代次数更少、收敛精度更高的优点。

Optimization method of microphone array layout based on quantum genetic algorithm

【技术实现步骤摘要】
基于量子遗传算法的传声器阵列布置优化方法
本专利技术涉及阵列信号处理
，特别涉及一种基于量子遗传算法的传声器阵列布置优化方法，适用于大量的平面布置的二维阵列，优化了平面阵列的布置形式，达到更好的输出效果。
技术介绍
自20世纪70年代以来，传声器阵列开始用来处理语音信号，并广泛地应用于定向拾音、语音增强、声源分离及噪声源定位等领域。在人工智能发展的大潮下，基于传声器阵列的语音识别技术也成为当前研究的热点。但是在实际应用中，传声器阵列的数量和设备的便携性具有一定的限制。传声器数量无谓的增加对于信号精度的影响微乎其微，但是却带来了巨大的数据和计算压力。因此，在固定阵元数量和阵列尺寸固定的前提下，对阵元排布位置进行科学的选取和优化具有重要的意义。对于规则阵列，比如渐开线、螺旋线、同心圆等阵列，由于其结构比较有规律，容易产生重复采样和混叠效应，而对于不规则阵列，由于阵元的位置向量一般是线性无关的，因此可以有效地抑制上述缺点，但是由于阵列是不规则的，因此采用优化算法选择出合适的阵列布置形式具有非常重要的意义。
技术实现思路
本专利技术的目的是提供一种基于量子遗传算法的传声器阵列布置优化方法，以得到优化的平面阵列的布置形式，达到更好的输出效果，优化过程收敛速度快、迭代精度更高。本专利技术主要是通过下述技术方案来解决的：一种基于量子遗传算法的传声器阵列布置优化方法，所述方法包括如下步骤：步骤1，编码：首先以平面均匀矩形阵列为基础，将所述平面均匀矩形阵列的各个所述阵元编码，每个编码包含了所述阵元的位置信息，所述阵元的编码采用二进制数字表示；步骤2，种群初始化：首先构造染色体，每个所述染色体包含了一个阵元布置形式的所有位置信息，其次随机选取若干所述染色体作为初始种群；步骤3，测量种群个体：所述染色体的编码以概率形式表示，对每轮进化后的种群里的所述个体进行测量，其中，测量时所述个体会依据给定的所述概率坍缩至基础态；步骤4，个体适应度的计算：以方向图中功率下降3dB的等高线所围面积S为约束条件建立适应度函数，进而计算种群里各个体的适应度，并记录下最优个体和对应的适应度；步骤5，进化更新：采用量子旋转门的方式来进行种群的进化与更新；步骤6，迭代：终止条件为迭代次数，在达到终止条件前，返回步骤3，如此往复，直至达到终止条件中设置的迭代次数。在其中一个实施例中，所述步骤1中的编码方式具体如下：从N个正方形均匀分布的阵元中选取n个阵元组成阵列，对N个阵元进行编号，将编号转化成为等长的二进制编码，对于编码位数d，选取方式如下：d＝min{c|2c≥N,c∈1,2,3,4…∞}。在其中一个实施例中，所述步骤2中的编码采用量子比特来表示染色体中的基因信息。在其中一个实施例中，对于第i个基因位，可将其表示为：其中αi和βi均为复数，表示在观测某基因位时，基因位的数值为0或者1的概率。|αi|2代表此基因位|ψi>变为|0>的概率，|βi|2代表此基因位|ψi>变为|1>的概率，并且有|αi|2+|βi|2＝1。在其中一个实施例中，一个具有m个基因、每个基因长度为d的染色体可以表示为：为了使一个染色体可以将全部可能状态等概率表达，在初始编码时，所有的α和β都设定为在其中一个实施例中，所述步骤3中获得基础态个体的具体方式如下：对于第i个基因位的确定，随机产生一个数值γ，γ∈[0,1]，如果γ≥|αi|2，则此基因位的取值为1，若有γ＜|αi|2，则此基因位取值为0。在其中一个实施例中，所述步骤4中通过基础态包含的编码信息计算个体适应度，基础态的编码形式为二进制，将所述二进制的基因编码转换为十进制，所述十进制对应的数字即为阵元的编号，其中所述编号包含了所述阵元的位置信息，进而确定整个阵列的布置情况。在其中一个实施例中，所述步骤4中个体适应度的计算采用3dB波束宽度的大小来作为所述个体适应度的衡量标准，具体计算步骤如下：首先计算出阵列的方向图，阵元是根据所述平面均匀矩形阵列筛选得出，阵列响应计算公式为：其中，为信号的仰角，σ为信号的方位角，W＝[w1,w2,…wn]T，其中wi表示第i个阵元在参与计算阵列响应时的权值；以阵列最左下角的阵元为参考阵元，表示为：(xi,yi)为第i个阵元的位置坐标，λ为信号波长；所述阵列方向图由以下公式得出：在得出所述阵列方向图后，利用matlab计算出功率下降3dB的等高线所围面积S。在其中一个实施例中，所述步骤5中利用所述量子旋转门将量子态的基因信息进行旋转从而进行种群的进化与更新，所述量子旋转门的矩阵表示形式为：其中θ为旋转的角度。在其中一个实施例中，对于任意处于量子叠加态的染色体的信息|ρ>更新为|ρ′>的操作如下：量子旋转门的旋转角度和旋转方向在计算之前预先设定好。上述基于量子遗传算法的传声器阵列布置优化方法，以平面矩形阵列为基础，利用量子遗传算法对处于阵列中的传声器进行编号和独特的编码、建立基于量子遗传算法的模型结构；在种群初始化后，计算个体适应度并保留最优个体；在量子旋转门更新后进行独特的变异；如此迭代数次后选出最优个体，确定出优化后的阵元布置形式。由于量子遗传算法中采用了量子比特的编码方式，种群的多样性较传统遗传算法大大增加；并且由于通过量子旋转门来实现种群的更新进化，省去了传统遗传算法中交叉变异的环节，从而具有达到最优解的迭代次数更少、收敛精度更高的优点。附图说明为了更清楚地说明本专利技术现有技术中的技术方案，下面将对所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术中检测基于量子遗传算法的传声器阵列布置优化方法的算法流程图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步的详细说明，应当理解，此处描述的具体实施例仅仅用于解释本专利技术，并不用于限定本专利技术。本专利技术实施例中所提供的基于量子遗传算法的传声器阵列布置优化方法的整体流程如图1所示，具体包括以下步骤：步骤1，编码：首先以平面均匀矩形阵列为基础，将所述平面均匀矩形阵列的各个所述阵元编码，每个编码包含了所述阵元的位置信息，所述阵元的编码采用二进制数字表示。将传声器阵列布置成以平面均匀矩形阵列为基础的阵列，从中选取n个阵元组成最优的阵列。对平面均匀矩形阵列中的每一个阵元进行编码，使每一个阵元具有唯一的编码，由于所述阵元呈均匀分布，这就使得每个编码包含了所述阵元的位置信息，该位置信息是唯一的、确定的，并且所有阵元的编码均采用长达二进制数字表示，例如长达m位的二进制数字来表示。步骤2，种本文档来自技高网...

【技术保护点】
1.一种基于量子遗传算法的传声器阵列布置优化方法，其特征在于，所述方法包括如下步骤：/n步骤1，编码：首先以平面均匀矩形阵列为基础，将所述平面均匀矩形阵列的各个所述阵元编码，每个编码包含了所述阵元的位置信息，所述阵元的编码采用二进制数字表示；/n步骤2，种群初始化：首先构造染色体，每个所述染色体包含了一个阵元布置形式的所有位置信息，其次随机选取若干所述染色体作为初始种群；/n步骤3，测量种群个体：所述染色体的编码以概率形式表示，对每轮进化后的种群里的所述个体进行测量，其中，测量时所述个体会依据给定的所述概率坍缩至基础态；/n步骤4，计算个体适应度：以阵列的方向图中功率下降3dB的等高线所围面积S为约束条件建立适应度函数，进而计算种群里各个体的适应度，并记录下最优个体和对应的适应度；/n步骤5，进化更新：采用量子旋转门的方式来进行种群的进化与更新；/n步骤6，迭代：终止条件为迭代次数，设定为500次，在达到终止条件前，返回步骤3，如此往复，直至达到终止条件中设置的迭代次数。/n

【技术特征摘要】
1.一种基于量子遗传算法的传声器阵列布置优化方法，其特征在于，所述方法包括如下步骤：
步骤1，编码：首先以平面均匀矩形阵列为基础，将所述平面均匀矩形阵列的各个所述阵元编码，每个编码包含了所述阵元的位置信息，所述阵元的编码采用二进制数字表示；
步骤2，种群初始化：首先构造染色体，每个所述染色体包含了一个阵元布置形式的所有位置信息，其次随机选取若干所述染色体作为初始种群；
步骤3，测量种群个体：所述染色体的编码以概率形式表示，对每轮进化后的种群里的所述个体进行测量，其中，测量时所述个体会依据给定的所述概率坍缩至基础态；
步骤4，计算个体适应度：以阵列的方向图中功率下降3dB的等高线所围面积S为约束条件建立适应度函数，进而计算种群里各个体的适应度，并记录下最优个体和对应的适应度；
步骤5，进化更新：采用量子旋转门的方式来进行种群的进化与更新；
步骤6，迭代：终止条件为迭代次数，设定为500次，在达到终止条件前，返回步骤3，如此往复，直至达到终止条件中设置的迭代次数。


2.根据权利要求1所述的一种基于量子遗传算法的传声器阵列布置优化方法，其特征在于，所述步骤1中的编码方式具体如下：
从N个正方形均匀分布的阵元中选取n个阵元组成阵列，对N个阵元进行编号，将编号转化成为等长的二进制编码，对于编码位数d，
选取方式如下：d＝min{c|2c≥N,c∈1,2,3,4…∞}。


3.根据权利要求1所述的一种基于量子遗传算法的传声器阵列布置优化方法，其特征在于，所述步骤2中的编码采用量子比特来表示染色体中的基因信息。


4.根据权利要求3所述的一种基于量子遗传算法的传声器阵列布置优化方法，其特征在于，对于第i个基因位，可将其表示为：



其中αi和βi均为复数，含义为概率幅。在量子力学中，概率幅可以用来描述粒子的位置，在本算法中，可以表示为在观测某基因位时，基因位的数值为0或者1的概率。|αi|2代表此基因位|ψi>变为|0>的概率，|βi|2代表此基因位|ψi>变为|1>的概率，并且有|αi|2+|βi|2＝1。
一个具有m个基因、每个基因长度为d的染色体可以表示为：



为了使...

【专利技术属性】
技术研发人员：殷守斌，李继攀，田克强，孙素亮，郭瑞，王强，刘宏领，彭顺，徐珂，王维令，陈小虎，谷栋，李明，李中原，时鹏，张红敏，张伟，王陆丽，徐环，安勇，盛雨，
申请(专利权)人：国网山东省电力公司菏泽供电公司，国家电网有限公司，
类型：发明
国别省市：山东;37