[发明专利]一种基于量子鼠群的近场和远场源混合测向方法

权利要求书

1.一种基于量子鼠群的近场和远场源混合测向方法，其特征在于，包括以下步骤：

步骤一：建立高斯噪声下的均匀对称线阵接收信号的数学模型，具体为：

假设有一个由2N+1个共向同性全向天线构成的均匀线阵，K个波长为λ的窄带信号源从方向角为θ_k(k＝1,2,…,K)的方向入射到线阵，其中假设前K₁(0≤K₁≤K)个信源为远场信号源，后K-K₁个信源为近场源，相邻阵元之间的距离为d，在信号为窄带信号的假设下，对于第t次快拍，阵元接收数据为x(t)＝A(θ,r)s(t)+n(t)＝A_F(θ)s_F(t)+A_F(θ,r)s_N(t)+n(t)，其中，线阵接收到的数据向量x(t)＝[x_-N(t),x_-(N-1)(t),…,x₀(t),x₁(t),…,x_N(t)]^T为(2N+1)×1维；阵列噪声向量n(t)＝[n_-N(t),…,n₀(t),n₁(t),…,n_N(t)]^T为(2N+1)×1维；为K₁×1维远场信源向量；为(K-K₁)×1维近场信源向量；s_k(t)表示第t次快拍下第k个信源的包络；是(2N+1)×K₁维远场信源的阵列流行导向矩阵，其中A_F(θ)导向矩阵的第k列导向矢量(2N+1)×(K-K₁)维的近场信号源的导向矩阵为其中A_N(θ,r)导向矩阵的第k列导向矢量,

步骤二：设计目标适应度函数F₁，F₂，F₃，具体为：

1.设计求解远场源角度目标适应度函数F₁：

对于第t次快拍阵元接收向量x(t)，可构建协方差矩阵其中上标‘H’表示矩阵的共轭转置，T为最大快拍采样数，对R进行特征分解其中，信号子空间U_s为(2N+1)×K维，噪声子空间U_n为(2N+1)×(2N+1-K)维，K×K维的对角矩阵V_s其主对角线上的元素由K个较大特征值构成的，(2N+1-K)×(2N+1-K)维的对角矩阵V_n其主对角线上的元素由剩余2N+1-K个较小特征值构成；

构建求解远场角度的适应度函数其中：θ为待估计矢量，trace为求迹函数，为导向矩阵的映射矩阵；

2.设计求解近场源角度目标适应度函数F₂：

构造一个只包含信源角度信息的四阶累积量矩阵C₁，C₁中元素可以表示为

其中：C₁是(2N+1)×(2N+1)维的矩阵，其中上标‘*’表示共轭，E代表求均值；

构建远场信源的虚拟导向矢量矩阵其中为第k个远场源角度估计值，构建分离算子其中上标‘₊’表示矩阵的伪逆，远场源得四阶累积量矩阵通过四阶累积量矩阵的差分C₃＝C₁-C₂获得近场源的四阶累积量矩阵C₃，对C₃进行特征分解其中，U_C,n为(2N+1)×(2N+1-K+K₁)维的噪声子空间，U_C,s为(2N+1)×(K-K₁)维的信号子空间，(K-K₁)×(K-K₁)维的对角矩阵V_C,s其主对角线上的元素由(K-K₁)个较大特征值构成的，(2N+1-K+K₁)×(2N+1-K+K₁)维的对角矩阵V_C,n其主对角线上的元素由剩余2N+1-K+K₁个较小特征值构成；

构建求解近场角度的适应度函数其中：为待估计矢量，为虚拟导向矢量矩阵的映射矩阵，

3.设计求解近场源距离的目标适应度函数F₃：

构建求解近场源距离的适应度函数其中：为近场源角度的估计值构成的矢量，r为待估计矢量，为导向矩阵的映射矩阵，满足以下关系式：

4.为了分离获得远场源的角度、近场源的角度和近场源的距离，需要依次计算根据量子鼠群机制最大的适应度函数值F_ξ，ξ＝1，2，3，初始时令ξ＝1；

步骤三：根据ξ的取值初始化量子鼠群、经验因子和环境因子，同时选取相应的F_ξ作为量子鼠群算法的适应度函数；

步骤四：使用模拟量子旋转门通过环境因子和经验因子实现量子个体的寻优搜索过程；

步骤五：更新第g+1代的量子最优位置，并更新经验因子和环境因子；

步骤六：判断g+1与G之间的大小关系，若g+1＜G，G为最大迭代次数，则令迭代次数g＝g+1，并返回步骤四；若g+1＝G则输出最优量子位置的映射态作为输出参数

步骤七：若ξ＜3则ξ＝ξ+1，并返回步骤三；若ξ＝3，则将得到的作为远场角度估计值，作为近场角度估计值，作为近场距离估计值。