膜计算优化随机最大似然DOA快速估计方法

摘要：

随机最大似然算法(SML)是一种优秀的波达方位(DOA)估计算法,但SML解析过程中极其繁重的计算复杂度制约了该算法在实际系统中的应用.针对SML计算复杂度高的问题,提出了一种融合膜计算(MC)的随机最大似然算法.首先利用膜计算的优化框架将SML算法的解空间进行膜划分,划分为基本膜和表层膜;然后在每个基本膜内并行采用粒子群算法(PSO)进行局部寻优,同时将基本膜区域内的局部最优解送至表层膜进行全局优化;最后在表层膜区域中采用人工蜂群优化算法进行全局最优解的搜索.实验结果表明,本文算法极大地降低了SML的解析复杂度,计算时间较常用的GA、AM和PSO算法提高了超过10倍,在收敛速度方面具有显著的优势,且测向精度优于传统空间谱算法.

关键词：波达方位(DOA)估计、随机最大似然算法(SML)、膜计算(MC)、粒子群算法(PSO)、人工蜂群算法(ABC)

所属期刊栏目：29

资助基金：国家自然科学基金61602517;中央高校基本科研业务费专项资金18CX02109A

在线出版日期：2019-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：833-840