一种基于混合粒子群算法的信号到达角度估计方法和装置制造方法及图纸

本发明专利技术公开了一种基于混合粒子群算法的信号到达角度估计方法和装置，对构建的求解信号到达角度的目标函数通过改进的混合粒子群算法进行求解，得到待求解的信号源的方位角和俯仰角信息。目标函数根据五元阵的位置选择基线组合和到达角度的相关关系构建。本发明专利技术结合了粒子群算法计算简单的优点，同时采用混合策略，将模拟退火算法应用到粒子群算法中，应用模拟退火算法在搜索过程中的突跳能力，提高粒子的多样性，增强粒子的全局搜索能力，增加收敛速度与计算精度，快速准确的求解得到无源定位问题中目标信号到达角度的估计值。

【技术实现步骤摘要】
一种基于混合粒子群算法的信号到达角度估计方法和装置
本专利技术涉及雷达数据处理
，具体涉及一种基于混合粒子群算法的信号到达角度估计方法和装置。
技术介绍
随着电子信息技术的发展和移动通信技术在各个领域的广泛应用，人们越来越关注基于先进通信技术的各种信息服务。而在移动和无线通信的军用和民事应用中，也通常需要测向技术和无线电定位，如移动通信中的智能天线技术需要得到连接到基站的终端的方位、地震探测中的震源定位、军事通信中的干扰源定位等，所涉及的技术需求往往要求系统简单实用、实时性、测量准确度高、抗干扰能力强。传统的GPS定位系统和雷达测向无法适应此类应用场合。在这种情况下，无源测向技术得到了迅速发展。在民用方面，如在移动通信中，无源测向技术就是利用无线电信号来判定某一半径范围内无线电信号发射终端物理位置的一种方法。采用无源测向方法可以为移动通信网中的用户提供位置信息，给人们带来了极大的方便。移动通信网所提供的定位业务具有巨大的应用前景，第一，它可以为社区公共事业服务：如城市交通引导、急救业务、移动终端盗窃防范、车辆跟踪调度等。第二，它可本文档来自技高网...

【技术保护点】
1.一种基于混合粒子群算法的信号到达角度估计方法，其特征在于：包括步骤：/n对构建的求解信号到达角度的目标函数通过改进的混合粒子群算法进行求解，得到待求解的信号源的方位角和俯仰角信息。/n

【技术特征摘要】
1.一种基于混合粒子群算法的信号到达角度估计方法，其特征在于：包括步骤：
对构建的求解信号到达角度的目标函数通过改进的混合粒子群算法进行求解，得到待求解的信号源的方位角和俯仰角信息。


2.根据权利要求1所述的一种基于混合粒子群算法的信号到达角度估计方法，其特征是：所述目标函数根据五元阵的位置选择基线组合构建。


3.根据权利要求2所述的一种基于混合粒子群算法的信号到达角度估计方法，其特征是：所述目标函数为：



其中，J(α,β)表示待求解的目标函数，α,β为待估计的目标信号源到达五元阵侦查测向系统的方位角与俯仰角，为五元阵中第p个阵元接收通道与第q个阵元接收通道信号中提取的相位差信息，p、q的范围均为1～5，λ表示五元阵侦查测向系统工作波长；rpq表示目标信号源到第p个和第q个阵元接收天线的假定距离之差。


4.根据权利要求1所述的一种基于混合粒子群算法的信号到达角度估计方法，其特征是：所述对构建的求解信号到达角度的目标函数通过改进的混合粒子群算法进行求解，过程包括：
(1)设置混合粒子群算法的求解参数；
(2)初始化种群个体；
(3)计算初始种群适应度，将目标函数的倒数作为适应度计算函数，目标函数值越小，适应度越大；
(4)寻找全局最优值，将最优适应值对应的个体存入全局最优个体变量pg中，最优适应值保存在全局最优值gbest中；
(5)计算退火算法的初始温度；
(6)通过初始温度计算当前温度下各粒子pi的适应值TF(pi)，函数的定义见后面详细材料：
(7)通过当前温度下各粒子的适应值计算当前温度下各粒子位置和速度的更新因子：
(8)通过更新因子更新各粒子的位置和速度；
(9)计算更新后各粒子的适应度，更新全局极值，并进行降温操作；
将更新后的粒子xi,j,,j＝1,2.....D带入目标函数中，求得各粒子的适应度，通过排序找到更新后所有粒子的最优适应度值，如果最优适应度值优于全局最优值gbest，则将最优适应度值更新到gbest中，同时将求得最优值对应的粒子更新到全局最优个体变量pg中；
(10)判断迭代次数是否大于初始设定的最大迭代次数，如果大于则输出最优解pg以及对应的最优目标函数值gbest，对输出的最优解pg作进行变换，得到待求解的信号源的方位角和俯仰角信息。


5.根据权利要求4所述的一种基于混合粒子群算法的信号到达角度估计方法，其特征是：所述，参数包括：初始化粒子群的群体个体数目N、学习因子1，c1、学习因子2，c2、退火常数惯性权重lamda、最大迭代次数M、求解参数个数D。


6.根据权利要求4所述的一种基于混合粒子群算法的信号到达角度估计方法，其特征是：计算当前温度下各粒子pi的适应值TF(pi)：



t表示退火算法中的当前温度，初始时等于步骤(6)中的t0，在后续计算中，由步骤(10)中退火降温操作计算得到，pi为当前种群中的个体粒子，i表示群体个体序号；
当前温度下各粒子位置和速度的更新因子按照如下计算：
a)生成一个[0,1]均匀分布随机数pBet；
b)从l＝1:N依次计算中间变量k为循环的索引变量；
c)比较pBet与ComFit的大小，如果pBet＜＝ComFit，则令更新因子pg_pluse＝pi，跳出b)中的循环，完成计算；
各粒子的位置和速度按照如下公式更新：



xi,j(t+1)＝xi,j(t)+vi,j(t+1),j＝1,2.....D
vi,j(t+1)＝φ×{vi,j(t)+c1×r1×[yi,j(t)-xi,j(t)]+c2×r2×[pg_pluse-xi,j(t)]}
其中，xi,j(t)为当前温度下第i个个体的第j维的位置，vi,j(t)为前温度下第i个个体的第j维的位置的速度，c1为学习因子1，c2为学...

【专利技术属性】
技术研发人员：金科，魏晓磊，吴智慧，
申请(专利权)人：南京长峰航天电子科技有限公司，
类型：发明
国别省市：江苏;32