基于限定PSO初始化空间的随机最大似然算法

摘要：

针对随机最大似然算法(SML)在波达方位(DOA)估计中由于多维非线性优化导致计算复杂度大的问题,提出一种限定粒子群(PSO)算法搜索空间的SML算法.该算法克服了一个缺陷,即在采用ESPRIT算法限定PSO初始化空间时,在阵列结构是非均匀线性阵列而且信号是相干信号时ESPRIT算法不能直接处理信号,且需要采用一组预处理技术,这增加了算法计算的复杂度.提出的算法的关键之处在于采用假设技术确定初始化点来代替ESPRIT算法的解,结合克拉美罗界(CRB)确定PSO算法的初始化解空间.这一方法不必再采用预处理技术,且利用限定PSO初始化空间的算法大大降低了SML算法的计算复杂度.实验结果表明,提出的算法为相干情况和非相干情况都提供了相当好的初始值.最后,将该算法与许多现有算法进行比较,验证提出算法的有效性和准确性.

关键词：波达方位估计、粒子群算法、随机最大似然算法、计算复杂度、假设技术

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金资助项目61601519;电子测试技术国防科技重点实验室基金资助项目614200105011702

在线出版日期：2019-04-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：60-65