[发明专利]一种冲击噪声环境下的量子万有引力搜索动态DOA估计方法

说明书

技术领域

本发明涉及一种通过量子万有引力搜索机制和加权信号协方差极大似然方程的动态更新共同来实现的考虑在冲击噪声环境下对动态目标的波达方向进行鲁棒跟踪的冲击噪声环境下的量子万有引力搜索动态DOA估计方法。

背景技术

动态DOA估计技术作为无线通信系统、雷达和导弹制导的关键技术，是决定能否快速跟踪信源信号，实现精确定位的关键。子空间更新算法是动态DOA估计领域中研究的重点。其中子空间更新算法按其原理可分成三类：第一类是静态的DOA估计方法直接推广，如幂迭代算法等基于特征分解批处理的子空间更新算法。第二大类是是将空间谱估计中的求解子空间更新问题转化为最优化问题，然后求出最优解。如带约束的最优化问题梯度法和无约束的最优化问题的投影逼近子空间跟踪。第三类是基于秩-1子空间更新算法，分别将协方差矩阵的信号子空间及噪声子空间进行平均，从而得到一个秩等于2的矩阵，数据的更新就是对这个矩阵的更新，典型算法如ROSA算法等。基于子空间的动态DOA估计虽具有计算量小，处理速度快的特点，但步骤繁琐，在相干信源跟踪场合还需引入空间平滑等解相干算法，可能会带来有效孔径的损失；而且在低信噪比情况下的跟踪性能并不理想。最大似然算法作为一种经典的DOA估计方法，不仅具有优越的估计性能和解相干的能力。而且该算法直接能处理数据协方差矩阵，在动态DOA估计中能避免子空间类跟踪方法需要不断重复的协方差矩阵分解问题，可节省计算量。

经对现有技术文献的检索发现，刁鸣等在《系统工程与电子技术》(2009,Vol.29,No.12,pp.2046–2049)上发表的“一种新的基于粒子群算法的DOA跟踪方法”中使用了粒子群算法和极大似然算法进行相干信号的动态DOA估计，在高斯噪声背景下效果较好，但在冲击噪声背景下，方法性能恶化严重导致失效。赵大勇等在《山东大学学报》(2010,Vol.40,No.1,pp.133-138)上发表的“冲击噪声背景下的动态DOA跟踪”提出了粒子群算法和分数低阶矩的极大似然方法求解弱冲击噪声环境下的动态DOA估计问题，使用分数低阶矩的动态更新能在一定程度上实现动态DOA估计问题，但计算时间较长，依旧不能解决冲击噪声环境下的动态DOA估计的收敛速度和精度问题，在特征指数小于1的强冲击噪声情况下基于粒子群算法和分数低阶矩的极大似然方法就失效了。

已有文献表明，在恶劣噪声环境下，动态DOA估计问题依旧没有解决。针对冲击噪声环境下的DOA估计是一个难题，尤其对相干信源的动态跟踪更难，故不能把高斯噪声环境下的DOA估计算法直接进行移植。在冲击噪声下的鲁棒动态DOA估计首先应能建立高性能的鲁棒动态跟踪的优化方程，冲击噪声环境下经典智能计算方法很难摆脱收敛速度和收敛性能矛盾的制约，在现有计算条件下很难在有限的时间内搜索到最优解，需要设计新的智能算法求解冲击噪声环境特别是强冲击噪声环境下的鲁棒动态DOA估计问题。

运用空间平滑等解相干技术对数据协方差矩阵进行预处理虽能解相干但损失阵列孔径。而极大似然估计算法作为一种经典的DOA估计方法，在高斯噪声环境下不仅具有优越的估计性能，还避免了子空间跟踪类方法需要不断重复协方差矩阵分解的问题。但极大似然算法角度估计的另一缺点是搜索过程是一个复杂耗时的过程，运算量巨大。因此，本专利在冲击噪声环境提出了一种基于加权信号协方差的极大似然算法的动态DOA估计方法。该方法先将目标锁定在一个变化的搜索范围之内，再设计量子万有引力搜索机制在该搜索空间搜索加权信号极大似然方程的所蕴含的最优角度。通过逐渐减小搜索的范围以及运用智能搜索机制，有效解决了搜索方法的计算量问题。仿真结果表明这种冲击噪声环境下的动态目标DOA估计方法能够保证所设计方法的实时性，而且具备解相干的能力和较好的跟踪精度，尤其在小特征指数情况下，有非常明显的优势。

发明内容

本发明的目的在于提供一种有效性和鲁棒性更高的冲击噪声环境下的量子万有引力搜索动态DOA估计方法。

本发明的目的这样实现的：