一种基于粒子群算法的无网格波达角估计方法技术

本发明专利技术公开了一种基于粒子群算法的无网格波达角估计方法，所述方法包括步骤如下：S1：根据所用天线阵列结构和待估计DOA的维度构建导向矢量，并结合导向矢量与观测数据构建出自变量为信源估计角度的适应度函数；S2：设定粒子群算法的参数，并设置迭代终止条件；将适应度函数作为粒子群算法的优化目标进行迭代优化，从连续的角度域里进行参数搜索求解，直到达到粒子群算法迭代终止条件；S3：粒子群算法迭代完成之后，从中选取使得适应度函数最优的粒子作为最优解输出，其输出的参数即为所估计的DOA。本发明专利技术适用于阵列信号DOA估计，具有样本快拍需求少、无需预先角度离散化处理、目标超分辨的特点。超分辨的特点。超分辨的特点。

【技术实现步骤摘要】
一种基于粒子群算法的无网格波达角估计方法


[0001]本专利技术涉及阵列信号处理
，更具体的，涉及一种基于粒子群算法的无网格波达角估计方法。

技术介绍

[0002]信号波达角(DOA)估计是阵列信号处理中一个重要研究课题，其主要任务是通过在空域上按照一定的结构布置多个传感器阵元，并对来自空间的信号进行接收、处理和分析，从而获取信号的DOA等信息。作为自适应阵列的关键技术之一，DOA估计已经在无线通信、雷达、声纳、侦察、探测等领域有着广泛的应用。
[0003]早期阵列DOA估计通过波束形成类算法实现，包括波束形成算法(DBF)和最小方差信号无畸变响应算法(MVDR)。DBF算法性能会受到天线阵元的限制，不能对处于同一波束中的多个目标进行区分，即存在“瑞利限”。因此，该算法的DOA分辨率不高。MVDR算法估计性能在信噪比(SNR)较低与样本快拍数较少的情况下对多个目标以及角度相邻目标的分辨能力仍然欠佳。随着通信技术的日益发展与完善，实际应用测量中对精度与分辨率的要求逐渐提高，该类DOA方法的性能已经无法满足需求。<br/>[0004]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于粒子群算法的无网格波达角估计方法，其特征在于：所述方法包括步骤如下：S1：根据所用天线阵列结构和待估计DOA的维度构建导向矢量，并结合导向矢量与观测数据构建出自变量为信源估计角度的适应度函数；S2：设定粒子群算法的参数，并设置迭代终止条件；将适应度函数作为粒子群算法的优化目标进行迭代优化，从连续的角度域里进行参数搜索求解，直到达到粒子群算法迭代终止条件；S3：粒子群算法迭代完成之后，从中选取使得适应度函数最优的粒子作为最优解输出，其输出的参数即为所估计的DOA。2.根据权利要求1所述的基于粒子群算法的无网格波达角估计方法，其特征在于：所述的天线阵列结构采用均匀线阵ULA，因此构建的导向矢量如下：式中，λ表示信号波长，d表示阵元间隔；N表示均匀线阵拥有阵元的数量；θ为入射角，为虚数单位，(
·
)
T
为矩阵装置运算。3.根据权利要求1所述的基于粒子群算法的无网格波达角估计方法，其特征在于：所述的待估计DOA维度可为一维，或二维。4.根据权利要求2所述的基于粒子群算法的无网格波达角估计方法，其特征在于：结合导向矢量与观测数据构建出自变量为信源估计角度的适应度函数f(θ)如下：D(θ)＝[v(θ1),v(θ2),
…
,v(θ
K
)](2)f(θ)＝||D(θ)D(θ)
+
X
‑
X||
F
(3)式中，K表示信源个数，(
·
)
+
表示矩阵的伪逆，||
·
||
F
表示矩阵的Frobenius范数；D(θ)为K个导向矢量排列构成的矩阵，即信源子空间估计量。5.根据权利要求4所述的基于粒子群算法的无网格波达角估计方法，其特征在于：所述粒子群算法的参数包括迭代次数T、种群粒子...

【专利技术属性】
技术研发人员：段克清，李想，杨兴家，王煜岗，
申请(专利权)人：中山大学，
类型：发明
国别省市：