一种基于冲击噪声下最优相关熵的波达方向估计方法技术

本发明专利技术提出了一种基于冲击噪声下最优相关熵的波达方向估计方法，步骤为建立冲击噪声下基于中值离差相关熵的极大似然宽带信号测向模型；连续量子黑猩猩搜索机制参数初始化；计算所有黑猩猩所在位置适应度值，初始化攻击者，阻拦者，追捕者和驱逐者的量子位置；由攻击者，阻拦者，追捕者和驱逐者的量子位置更新种群中其他黑猩猩量子位置；计算所有黑猩猩所在新位置适应度值，更新整个黑猩猩种群中攻击者，阻拦者，追捕者和驱逐者位置；判断是否到达最大次数；黑猩猩群体中攻击者量子位置根据映射规则映射成全局最优位置，得到信号的来波角度。本发明专利技术在冲击噪声环境下能有效测向，测向精度高，具有良好的解相干能力。具有良好的解相干能力。具有良好的解相干能力。

【技术实现步骤摘要】
一种基于冲击噪声下最优相关熵的波达方向估计方法


[0001]本专利技术属于阵列信号处理领域，具体涉及一种基于冲击噪声下最优相关熵的波达方向估计方法。

技术介绍

[0002]阵列信号处理在通信、雷达和声纳系统等领域中均有着广泛的应用，而波达方向(Direction Of Arrival，DOA)估计是阵列信号处理的一个基本问题和研究热点。传统的多重信号分类法(MUSIC)和信号参数估计的旋转不变子空间技术(ESPRIT)已经具有较高的估计性能，但是这些算法都是基于特征值分解的基础上进行的，而且为了获得良好的估计性能往往需要成千上万的快拍数，不仅实时性低，计算量也很大，加之波达方向估计环境越来越复杂，因此设计求解精度高且可适用于复杂冲击噪声环境下的波达方向估计方法是十分有必要的。
[0003]根据已有文献发现，戴江安等在《信号处理》(2021,Vol.37,No.10,pp：1914
‑
1922)上发表的“脉冲噪声下基于中值离差相关熵的DOA估计方法”通过构造一种基于中值离差相关熵的MUSIC算法来进行波达方向估计，但是这种方法是建立在较大快拍数的情况下，不利于实时处理，且无法估计相干源的来波方向。张贺勇等在《火力与指挥控制》(2021,Vol.46,No.6,pp：105
‑
109+114)上发表的“基于空间平滑的单次快拍DOA估计方法”将空间平滑技术与Toeplitz矩阵的性质结合起来，提出了基于空间平滑的单快拍DOA估计算法，但是这种方法无法在冲击噪声下有效测向。因此，本专利技术设计了量子黑猩猩搜索机制设计一种基于指数核最优参数的最优相关熵的低阶矩进而设计了一种基于最优相关熵的波达方向估计及方法。

技术实现思路

[0004]本专利技术的目的在于提供一种基于冲击噪声下最优相关熵的波达方向估计方法。
[0005]本专利技术的目的通过如下技术方案来实现：
[0006]一种基于冲击噪声下最优相关熵的波达方向估计方法，其特征在于：具体步骤如下：
[0007]步骤一：建立冲击噪声下的基于相关熵的极大似然波达方向估计模型；
[0008]步骤二：基于量子黑猩猩搜索机制的核长求解种群的初始化；连续量子黑猩猩搜索机制初始化；
[0009]步骤三：核函数的最优核长的求解的测向模型建立和目标函数设计；
[0010]步骤四：计算所有黑猩猩所在位置的适应度值并对黑猩猩的位置进行分类；
[0011]步骤五：由攻击者，阻拦者，追捕者和驱逐者的量子位置更新种群中其他黑猩猩的量子位置；
[0012]步骤六：计算所有黑猩猩所在新位置的适应度值，更新整个黑猩猩种群中的攻击者，阻拦者，追捕者，驱逐者的位置；
[0013]步骤七：判断是否达到最大迭代次数，若没有达到，令t＝t+1，返回步骤五继续进行；若已经达到，则将黑猩猩群体中攻击者的量子位置根据映射规则映射成全局最优位置，就得到指数核的最优参数为和
[0014]步骤八：定义接收到的第k次快拍窄带信号为z(k)＝[z1(k),z2(k),
…
,z
M
(k)]T
，利用得到的指数核最优参数m1,m2,σ和阵列接收到的快拍数据构造相关熵矩阵其中，正交投影矩阵为P
A(θ)
＝A(θ)(A
H
(θ)A(θ))
‑1A
H
(θ)，极大似然方程的角度估计值为其中H代表共轭转置，tr()为矩阵的求迹运算；
[0015]步骤九：连续量子黑猩猩搜索机制初始化；
[0016]步骤十：计算所有黑猩猩所在位置的适应度值并对黑猩猩的位置进行分类；
[0017]步骤十一：由攻击者，阻拦者，追捕者和驱逐者的量子位置更新种群中其他黑猩猩的量子位置。具体步骤同步骤五；
[0018]步骤十二：计算所有黑猩猩所在新位置的适应度值，更新整个黑猩猩种群中的攻击者，阻拦者，追捕者，驱逐者的位置；具体步骤同步骤六；
[0019]步骤十三：判断是否达到最大迭代次数，若没有达到，令t＝t+1，返回步骤十一继续进行；若已经达到，则将黑猩猩群体中攻击者的量子位置根据映射规则映射成全局最优位置，就得到信号的来波角度。
[0020]本专利技术还可以包括：
[0021]1、其中步骤一具体为：在冲击噪声环境下有N个远场的窄带信号分别以方向角θ1,θ2,
…
,θ
N
入射到空间上包含M个阵元的均匀线阵上，波长为λ，阵元间距为d，入射信号的频率为f0，快拍数为S且入射信号和噪声不相关；以第一个阵元为参考阵元，则第m个阵元在所接收到的信号可以表示为其中，表示入射方向为θ
n
的窄带信号，表示第m个阵元上的冲击噪声，则阵列接收到的第k次快拍窄带信号为z(k)＝A(θ)s(k)+n(k)，k＝1,2,
…
,S，式中z(k)＝[z1(k),z2(k),
…
,z
M
(k)]T
，A(θ)＝[a(θ1),a(θ2),
…
,a(θ
N
)]M
×
N
为导向矩阵，其中第i个导向矢量为θ＝[θ1,θ2,
…
,θ
N
]为来波方位矢量,s(k)＝[s1(k),s2(k),
…
,s
N
(k)]T
为信号矢量，n(k)＝[n1(k),n2(k),
…
,n
M
(k)[
T
为阵列噪声矢量；利用阵列
接收到的快拍数据构造相关熵低阶矩阵矩阵其中表示求中值运算，|
·
|表示求绝对值运算，(
·
)
*
表示共轭运算，σ表示核函数κ
σ
(
·
)＝exp(
‑
|
·
|2σ2)的核长，m1和m2为[0,1]之间的数，i＝1,2,
…
,M，j＝1,2,
…
,M；正交投影矩阵为P
A(θ)
＝A(θ)(A
H
(θ)A(θ))
‑1A
H
(θ)，极大似然方程的角度估计值为其中H代表共轭转置，tr()为矩阵的求迹运算。
[0022]2、其中步骤二具体为：黑猩猩群体规模为最大迭代次数为t
max
，搜索空间维度为D，在第t次迭代第i只黑猩猩的量子位置为第i只黑猩猩的量子旋转角为其中n＝1,2,
…
,D，将第t次迭代第i只黑猩猩的量子位置映射为位置具体的映射规则为n＝1，2，
…
，D，其中和分别为指数核参数的下界和上界。t为迭代次数，初始时令t＝1。
[0023]3、其中步骤三具体为：在求最优核长时，空间来波方向为N＝1，搜索空间维度为D＝3；其空间来波为合作信号的确定值为接收到的第k次快拍本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于冲击噪声下最优相关熵的波达方向估计方法，其特征在于：具体步骤如下：步骤一：建立冲击噪声下的基于相关熵的极大似然波达方向估计模型；步骤二：基于量子黑猩猩搜索机制的核长求解种群的初始化；连续量子黑猩猩搜索机制初始化；步骤三：核函数的最优核长的求解的测向模型建立和目标函数设计；步骤四：计算所有黑猩猩所在位置的适应度值并对黑猩猩的位置进行分类；步骤五：由攻击者，阻拦者，追捕者和驱逐者的量子位置更新种群中其他黑猩猩的量子位置；步骤六：计算所有黑猩猩所在新位置的适应度值，更新整个黑猩猩种群中的攻击者，阻拦者，追捕者，驱逐者的位置；步骤七：判断是否达到最大迭代次数，若没有达到，令t＝t+1，返回步骤五继续进行；若已经达到，则将黑猩猩群体中攻击者的量子位置根据映射规则映射成全局最优位置，就得到指数核的最优参数为和步骤八：定义接收到的第k次快拍窄带信号为z(k)＝[z1(k),z2(k),
…
,z
M
(k)]
T
，利用得到的指数核最优参数m1,m2,σ和阵列接收到的快拍数据构造相关熵矩阵其中，正交投影矩阵为P
A(θ)
＝A(θ)(A
H
(θ)A(θ))
‑1A
H
(θ)，极大似然方程的角度估计值为其中H代表共轭转置，tr()为矩阵的求迹运算；步骤九：连续量子黑猩猩搜索机制初始化；步骤十：计算所有黑猩猩所在位置的适应度值并对黑猩猩的位置进行分类；步骤十一：由攻击者，阻拦者，追捕者和驱逐者的量子位置更新种群中其他黑猩猩的量子位置。具体步骤同步骤五；步骤十二：计算所有黑猩猩所在新位置的适应度值，更新整个黑猩猩种群中的攻击者，阻拦者，追捕者，驱逐者的位置；具体步骤同步骤六；步骤十三：判断是否达到最大迭代次数，若没有达到，令t＝t+1，返回步骤十一继续进行；若已经达到，则将黑猩猩群体中攻击者的量子位置根据映射规则映射成全局最优位置，就得到信号的来波角度。2.根据权利要求所述的一种基于冲击噪声下最优相关熵的波达方向估计方法，其特征在于：其中步骤一具体为：在冲击噪声环境下有N个远场的窄带信号分别以方向角θ1,θ2,
…
,θ
N
入射到空间上包含M个阵元的均匀线阵上，波长为λ，阵元间距为d，入射信号的频率为f0，快拍数为S且入射信号和噪声不相关；以第一个阵元为参考阵元，则第m个阵元在所接收到
的信号可以表示为其中，表示入射方向为θ
n
的窄带信号，表示第m个阵元上的冲击噪声，则阵列接收到的第k次快拍窄带信号为k＝1,2,
…
,S，式中z(k)＝[z1(k),z2(k),
…
,z
M
(k)]
T
，A(θ)＝[a(θ1),a(θ2),
…
,a(θ
N
)]
M
×
N
为导向矩阵，其中第i个导向矢量为θ＝[θ1,θ2,
…
,θ
N
]为来波方位矢量,s(k)＝[s1(k),s2(k),
…
,s
N
(k)]
T
为信号矢量，n(k)＝[n1(k),n2(k),
…
,n
M
(k)]
T
为阵列噪声矢量；利用阵列接收到的快拍数据构造相关熵低阶矩阵矩阵Q:其中med(
·
)表示求中值运算，|
·
|表示求绝对值运算，(
·
)
*
表示共轭运算，σ表示核函数κ
σ
(
·
)＝exp(
‑
|
·
|/2σ2)的核长，m1和m2为[0,1]之间的数，i＝1,2,
…
,M，j＝1,2,
…
,M；正交投影矩阵为P
A(θ)
＝A(θ)(A
H
(θ)A(θ))
‑1A
H
(θ)，极大似然方程的角度估计值为其中H代表共轭转置，tr()为矩阵的求迹运算。3.根据权利要求所述的一种基于冲击噪声下最优相关熵的波达方向估计方法，其特征在于：其中步骤二具体为：黑猩猩群体规模为最大迭代次数为t
max
，搜索空间维度为D，在第t次迭代第i只黑猩猩的量子位置为第i只黑猩猩的量子旋转角为其中n＝1,2,
…
,D，将第t次迭代第i只黑猩猩的量子位置映射为位置具体的映射规则为其中和分别为指数核参数的下界和上界。t为迭代次数，初始时令t＝1。4.根据权利要求所述的一种基于冲击噪声下最优相关熵的波达方向估计方法，其特征在于：其中步骤三具体为：在求最优核长时，空间来波方向为N＝1，搜索空间维度为D＝3；其空间来波为合作信号的确定值为接收到的第k次快拍窄带信号为z(k)＝[z1(k),z2(k),
…
,z
M
(k)]
T
，利用阵列接收到的快拍数据构造相关熵矩阵
其中将相...

【专利技术属性】
技术研发人员：高洪元，杜子怡，任立群，王钦弘，赵立帅，马静雅，陈暄，张禹泽，张震宇，刘廷晖，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：