[发明专利]一种基于文化蚁狮机制的特殊阵列动态测向方法

说明书

一种基于文化蚁狮机制的特殊阵列动态测向方法，属于阵列信号处理领域。本发明包括如下步骤：设置非等距双均匀阵列，初始化搜索区间和最大迭代次数，更新协方差矩阵，初始化蚁群和蚁狮群空间，计算适应度值，标记精英蚁狮，初始化信仰空间；判断迭代次数是否为文化算子参与度的整数倍，若不是，则轮盘赌选择优秀的蚁狮，蚂蚁围绕其和精英蚁狮随机游走，计算蚂蚁适应值，更新蚁狮位置和精英蚁狮位置，否则对蚁狮变异，计算变异后蚁狮适应值，选取适应值较优的一半蚁狮作为下一代蚁狮，更新信仰空间和精英蚁狮位置。本发明不仅跟踪速度快，搜索精度高，而且可扩展阵列孔径，突破信源数不能超过天线数的限制，回避传统方法对天线摆放的苛刻要求。

技术领域

本发明属于阵列信号处理领域，具体涉及一种基于文化蚁狮机制的特殊阵列动态测向方法。

背景技术

目前，波达角度(DOA)估计方法主要针对的是静止的信源。而在实际情况下，信源位置是变化的，即波达方向随时间发生改变。传统的DOA估计方法，需要接收信号在一定的快拍内波达方向不变，以便于利用接收数据统计特性求得精确角度。而在动态信源下，多次快拍的数据对应的不是同一个波达方向，传统的DOA估计方法就不再适用。因此，研究在波达方向时刻改变情况下的动态DOA估计方案，对实际应用有重要意义。

DOA估计领域常用的算法有子空间分解类算法和子空间拟合类算法。子空间分解类又可分为噪声子空间类算法如MUSIC算法和旋转不变子空间类算法如ESPRIT算法，多数DOA 估计围绕这些算法开展研究。子空间拟合类算法中比较实用的算法有最大似然算法ML、加权子空间拟合WSF算法等。

最大似然算法是一种求解非线性多维问题的算法，运算量随着维数的增多而急剧增大。为了增强该算法的实用性应寻找算法的快速实现方法，已有的算法如轮换投影(AP)算法等，可以在一定程度上减少计算量，然而随着信号源数的增多，算法的收敛时间会明显增长。近年不少学者提出将智能优化算法应用在最大似然算法的求解上，如遗传算法，粒子群算法等实现最大似然求解，能够大大的减少计算量，同时保证高测向精度，但也存在收敛慢和早熟等问题。

蚁狮算法是一种以蚁狮捕食蚂蚁的过程为模型而建立的智能优化算法，和其他智能算法相比，具有收敛速度快，高鲁棒性等优点，但容易陷入局部最优解。该算法在很多工程问题上已经得到了成功的应用。动态测向这种测向难题，需要设计收敛速度快、估计精度高的新方法。

多数DOA估计方法是在等距均匀线阵(Uniform Linear Array，ULA)条件下进行研究的，如赵大勇等在《哈尔滨工程大学学报》(2009,Vol.30,No.7,pp.843-846)上发表的期刊“应用粒子群算法的动态目标DOA估计”提出了粒子群跟踪(TSPSO ML)算法进行动态DOA估计，但由于采用的是均匀线阵，不能很好的利用接收数据的冗余性，导致阵列有效孔径较小，当信号源数大于天线数时，该方法失效。

发明内容

本发明目的在于提供一种能够估计信源数大于阵元数情况下的基于文化蚁狮机制的特殊阵列动态测向方法。

本发明的目的是这样实现的：

一种基于文化蚁狮机制的特殊阵列动态测向方法，包括以下步骤：

(1)设置非等距双均匀阵列，获得特殊阵列的接收信号，构造扩展的虚拟均匀线阵的协方差矩阵及其对应的导向矩阵；

(2)初始化搜索上界和搜索下界，初始化最大迭代次数、搜索因子和遗传因子；

(3)更新虚拟阵列的协方差矩阵当k＝1时，

(4)初始化蚁群和蚁狮群空间，计算所有个体适应度值，将蚁狮中适应度值最大的蚁狮记为精英蚁狮；初始化信仰空间；