[发明专利]一种基于量子细胞膜优化机理的空时测向方法

说明书

本发明属于阵列信号处理领域，具体涉及一种基于量子细胞膜优化机理的空时测向方法，包括以下步骤：获取信号时域数据、信号快拍采样和对采样数据进行时域延迟；构造极大似然估计的极大似然估计方程，进行量子物质群的初始化，并且构造适应度函数；选取精英量子个体，对精英量子个体进行局部搜索；划分量子个体类型；高浓度脂溶性量子个体自由扩散；高浓度非脂溶性量子个体运动；低浓度量子个体运动；生成新一代的量子物质群；判断是否达到最大迭代次数。本发明设计的基于量子细胞膜优化机理的空时测向方法，解决了极大似然类估计方法计算量大的难题，可快速得到较为精确的信号角度和频率的联合估计结果，易于在工程应用中实时处理。

技术领域

本发明属于阵列信号处理领域，具体涉及一种基于量子细胞膜优化机理的空时测向方法。

背景技术

测向技术是阵列信号处理技术中的重要分支，大部分的测向技术是针对方位角的一维信号参数的估计，但是相对而言，多维参数的估计更贴近实际应用，其中一个重要的研究方向就是空时测向问题。

在诸多测向方法中，使用极大似然估计原理的测向方法原理简单，能对相干源测向，鲁棒性和稳定性较强，但实际应用中由于实现过程复杂，二维搜索所需的计算量大，且若多维搜索方法效率低，测向的结果可能不收敛，也可能仅找到似然函数的一个近似极值，难以保证收敛到全局最优解，限制了这种方法的实际应用。而旋转不变子空间方法的优点在于计算量小，不需要进行谱峰搜索，但是需要进行高维奇异值分解，且需要进行额外的参数配对运算。

通过对现有技术文献的检索发现，张志成等在《光学精密工程》上发表的“利用状态空间模型联合估计波达方向和频率”中，提出了一种通过构造状态空间模型，利用其包含信号的波达方向和频率信息的系统矩阵，对系统矩阵的估计值进行特征分解得到信号的波达方向和频率，但估计误差较大。胡学龙等在《扬州大学学报》上发表的“信号频率方向联合估计中的双旋转子空间法”中，提出了一种基于子空间两次旋转变换的信号频率与方向联合估计方法，其运算量较小且可识别信号数目，但对信噪比，快拍数及信源间的相关性比较敏感。

综上所述，已有文献表明，对于空时测向问题，缺少一种快速准确，性能优良且能对相干源进行角度和频率有效联合估计的方法。

发明内容

本发明针对现有极大似然类测向方法计算量大，系统复杂性高，难以快速准确实现频率与方位角联合估计的难题，设计了一种基于量子细胞膜优化机理的空时测向方法。使用极大似然估计原理，利用细胞膜优化机理较强的全局寻优能力，并在细胞膜优化机理的基础上，引入量子原理，使用量子旋转门演化量子个体。实现了能在较短时间内得到较为准确的信号方位角和频率的估计结果。

一种基于量子细胞膜优化机理的空时测向方法，包括以下步骤：

(1)获取信号时域数据、信号快拍采样和对采样数据进行时域延迟；

(2)构造极大似然估计的极大似然估计方程，进行量子物质群的初始化，并且构造适应度函数；

(3)选取精英量子个体，对精英量子个体进行局部搜索；

(4)划分量子个体类型；

(5)高浓度脂溶性量子个体自由扩散；

(6)高浓度非脂溶性量子个体运动；

(7)低浓度量子个体运动；

(8)生成新一代的量子物质群；

(9)判断是否达到最大迭代次数。

所述获取信号时域数据、信号快拍采样和对采样数据进行时域延迟，包括：