【技术实现步骤摘要】
本专利技术属于阵列信号处理，特别涉及一种基于改进南美浣熊方法的波达方向估计优化技术方案。
技术介绍
1、从20世纪70年代末开始，阵列信号处理领域内的核心问题就在于空间谱估计方法的研究。空间谱估计也被学者称作波达方向(direction of arrival,doa)估计，是雷达、声纳、主动防护系统、通信系统以及智能天线等多个
的共性问题。随着现代电子战场上电磁环境的日益复杂，特别是雷达诱饵的出现，要求雷达测向系统具有超宽频带测向范围、高估计精度、高角度分辨率、抗干扰能力强等性能。虽然目前以多重信号分类(multiplesignal classification，music)为代表的空间谱估计方法理论已经日趋成熟，但是在实际测向系统中，由于信噪比、快拍数、色噪声、通道相位不一致性等因素的影响，使得空间谱估计测向方法的精度和分辨率仍不满足实际需求；同时，music方法谱峰搜索过程的巨大计算量降低了方法的实时性。所以，对高精度测向方法进行深入分析，增强测向方法的实时性并提高空间谱方法在非理想条件下的分辨精度和分辨率是亟需解决的问题。
2、南美浣熊优化方法(coati optimization algorithm，coa)是于2023年开发出的一种元启发式优化方法，灵感来源于南美浣熊(coati)的行为策略。南美浣熊方法虽然寻优能力较强，但方法寻优过程还存在一些不足。南美浣熊方法用随机产生的数据来初始化种群，种群的初始多样性难以保证，方法的全局搜索能力受到限制；其次，南美浣熊方法在位置更新过程中，搜索范围不够广泛，因
3、music方法是doa估计领域中运用最广泛的方法之一，但其谱峰搜索过程的巨大计算量大幅增加了方法的运算时间，减小搜索步长又会降低估计结果的精确度。本专利技术提出，将改进后的coa方法用于经典music方法的谱峰搜索，能大幅降低搜索时间并搜索到多个目标，同时目标的精确度有所提升，与同类方法相比具有更高的精度和较少设置参数，在基于music方法的doa估计中有重要的应用价值。
技术实现思路
1、针对主流doa估计方法中的music方法谱峰搜索运算复杂度高、运算时间长且在干扰下分辨精度与分辨概率下降的技术问题，本专利技术提出一种基于改进南美浣熊优化方法用于doa估计方法的优化。改进的南美浣熊方法在丰富种群多样性的同时，充分平衡全局和局部搜索能力，使得方法跳出局部最优能力得到加强，使其取代传统music方法的遍历搜索过程，可以有效提高估计方法的运算速度，同时提高其分辨率和分辨精度。
2、为实现上述目的，本专利技术采用的技术方案提供一种基于改进coa的波达方向估计优化方法，包括以下步骤：
3、步骤1，输入接收的回波信号，设置coa的种群数量n和迭代次数t，初始化设置当前浣熊个体i和循环次数t；
4、步骤2，利用kent混沌映射策略对coa进行初始化，生成初始化种群；
5、步骤3，根据步骤1输入的接收信号，使用多重信号分类方法求得接收信号的协方差矩阵并分解，得到信号子空间和噪声子空间，根据信号子空间中的方向向量和噪声子空间正交的关系，得到空间谱函数，并通过求最大值对应的解得到来波方向信息；根据所得空间谱函数构建改进coa的适应度函数；
6、步骤4，采用透镜成像折射反向学习策略更新鬣蜥位置；
7、步骤5，当时，采取模拟浣熊爬上树进攻鬣蜥，使其掉落的策略；
8、步骤6，当时，采取模拟鬣蜥掉落在地上后，剩余浣熊攻击并捕食它的策略；
9、步骤7，利用黄金正弦优化改进浣熊逃避天敌追捕的策略，并更新浣熊的位置信息；
10、步骤8，判断循环是否达到最大迭代次数，若否则返回步骤4，若达到则结束迭代，输出由改进coa找到目标函数的最优解，得到多重信号分类方法估计出的来波方向。
11、而且，所述利用kent混沌映射策略对coa进行初始化，其中kent混沌映射策略用以下函数来描述：
12、
13、xi,j＝lbi,j+ki,j×(ubi,j-lbi,j)
14、其中，u为(0,1)间的参数，ki,j为第i个浣熊个体的第j维编码值，ubi,j和lbi,j分别为xi的搜索上界和下界，xi,j是第i个浣熊个体的第j个决策变量的值，ki+1,j是第i+1个浣熊个体的第j维编码值。
15、而且，设置u＝0.3。
16、而且，所述构建改进coa的适应度函数如下式：
17、
18、式中，α(x)为导向矢量，un为噪声子空间，上标h表示共轭转置，通过搜索适应度函数的最小值，coa得到的最佳解即为多重信号分类方法估计出的来波方向。
19、而且，所述采用透镜成像折射反向学习策略更新鬣蜥位置，实现方式为，
20、在二维坐标中，x轴的搜索范围为[lbj,ubj]，y轴表示一个凸透镜，假设物体a在x轴上的投影为x，高度为h，通过透镜成像，另一侧的图像为a*，a*在x轴上的投影为x*，高度为h*，用以下函数来描述：
21、
22、令变量则上式改写为
23、
24、其中，k是一个与迭代次数相关的动态自适应值，具体公式如下：
25、
26、这里x轴的搜索范围为coa的搜索空间范围，也是多重信号分类的回波角度搜索范围由透镜成像折射反向学习策略生成的鬣蜥位置，随后将新的鬣蜥位置对应的适应度值与标准coa更新的位置对应的适应度值进行比较，判断是否进行位置更新。
27、而且，所述利用黄金正弦优化改进浣熊逃避天敌追捕的策略，用如下公式描述：
28、
29、其中i＝1,2,…,n,j＝1,2,…,m
30、x1＝a×(1-τ)+b×τ
31、x2＝a×τ+b×(1-τ)
32、
33、式中，xi,j为当前浣熊个体位置，r1、r2分别为[0,2π]和[0,π]之间的随机数，a和b为黄金分割系数，τ为系数，a＝-π，b＝π，分别是第j个决策变量的局部下界和局部上界，是当前第i个浣熊个体的第j个决策变量的值，。
34、另一方面，本专利技术提供一种基于改进coa的波达方向估计优化系统，包括处理器和存储器，存储器用于存储程序指令，处理器用于调用存储器中的存储指令执行如上任一项所述的一种基于改进coa的波达方向估计优化方法。
35、另一方面，本专利技术提供一种基于改进coa的波达方向估计优化系统，包括可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序执行时，实现如上任一项所述的一种基于改进coa的波达方向估计优化方法。
36、本专利技术采用以上技术方案，与现有技术相比的有益效果是：
37、1.本专利技术采用改进的本文档来自技高网...
【技术保护点】
1.一种基于改进COA的波达方向估计优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进COA的波达方向估计优化方法，其特征在于：所述利用Kent混沌映射策略对COA进行初始化，其中Kent混沌映射策略用以下函数来描述：
3.根据权利要求2所述的基于改进COA的波达方向估计优化方法，其特征在于：设置u＝0.3。
4.根据权利要求2所述的基于改进COA的波达方向估计优化方法，其特征在于：所述构建改进COA的适应度函数如下式：
5.根据权利要求2或3或4所述的基于改进COA的波达方向估计优化方法，其特征在于：所述采用透镜成像折射反向学习策略更新鬣蜥位置，实现方式为，
6.根据权利要求5所述的基于改进COA的波达方向估计优化方法，其特征在于：所述利用黄金正弦优化改进浣熊逃避天敌追捕的策略，用如下公式描述：
7.一种基于改进COA的波达方向估计优化系统，其特征在于：包括处理器和存储器，存储器用于存储程序指令，处理器用于调用存储器中的存储指令执行如权利要求1-6任一项所述的一种基于改进COA的波达方向
8.一种基于改进COA的波达方向估计优化系统，其特征在于：包括可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序执行时，实现如权利要求1-6任一项所述的一种基于改进COA的波达方向估计优化方法。
...【技术特征摘要】
1.一种基于改进coa的波达方向估计优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进coa的波达方向估计优化方法，其特征在于：所述利用kent混沌映射策略对coa进行初始化，其中kent混沌映射策略用以下函数来描述：
3.根据权利要求2所述的基于改进coa的波达方向估计优化方法，其特征在于：设置u＝0.3。
4.根据权利要求2所述的基于改进coa的波达方向估计优化方法，其特征在于：所述构建改进coa的适应度函数如下式：
5.根据权利要求2或3或4所述的基于改进coa的波达方向估计优化方法，其特征在于：所述采用透镜成像折射反向学习策略更新鬣蜥...
【专利技术属性】
技术研发人员：尚尚，石依山，王召斌，徐环，乔铁柱，祝健，刘强，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。