[发明专利]强冲击噪声环境下基于量子企鹅搜索机制的互质阵列DOA估计方法

权利要求书

1.一种强冲击噪声环境下的基于量子企鹅搜索机制的互质阵列DOA估计方法，其特征是：

步骤一：获取互质阵列接收信号的快拍采样数据，获得无穷范数加权信号的分数低阶协方差矩阵；

互质阵列是由两个均匀线阵在起点重合摆放后得到的非均匀线阵，第一个均匀线阵含有y₂个阵元，每相邻两个阵元之间距离为y₁d；另一个均匀线阵含有y₁个阵元，每相邻两个阵元之间距离为y₂d；两个阵列的首个阵元是同一个，则互质阵列共有个阵元；y₁与y₂为互质的两个数，d为两个均匀线阵在起点重合摆放后得到的非均匀线阵可虚拟出的最小阵元间距，0＜d≤λ/2，λ为入射到互质阵列的目标信号波长；

D个远场窄带信号从方向θ＝[θ₁,θ₂,...,θ_D]入射到互质阵列上；阵列接收第k次快拍采样数据为w(k)＝A(θ)s(k)+n(k)；为维阵列接收数据向量；s(k)＝[s₁(k),s₂(k),...,s_D(k)]^T为D×1维空间信号向量；为维独立同分布的满足SαS分布的冲击噪声向量；A(θ)＝[a(θ₁),a(θ₂),...,a(θ_D)]为维阵列流型矩阵，其中a(θ_i)为入射角θ_i的导向矢量，θ_i是第i个信源的来波方向，i＝1,2,...,D；定义一个互质阵列阵元位置矢量其中表示第个阵元距离首个阵元的位置，互质阵列的首个阵元位置表示为p₁＝0；再定义且形成集合

所以互质阵列对于波达方向角为θ_i的入射窄带信号的阵列导向矢量为j是复数单位；

接收数据的无穷范数加权信号为max{}为取最大值函数；定义阵元接收数据之间的无穷范数加权信号的分数低阶协方差矩阵为C,其第i行第t列元素为k＝1,2,...,m，m为最大快拍数；γ为分数低阶协方差参数；*表示共轭；

步骤二：快拍采样数据得到的分数低阶协方差经过虚拟变换后的分数低阶矩协方差矩阵可进一步表示为则根据虚拟阵列构建加权信号的扩展分数低阶协方差矩阵为为矩阵C扩展后的最大维度；E为数学期望；l-q＝h_σ-h_η；

扩展导向矩阵为B(θ)＝[b(θ₁),b(θ₂),...,b(θ_D)]，其中第i个扩展导向矢量为且

构造基于加权信号的扩展分数低阶协方差矩阵的极大似然测向方程为f(θ)＝tr[P_B(θ)R]，其中P_B(θ)＝B(θ)[B^H(θ)B(θ)]^-1B^H(θ)为正交投影矩阵，R为根据虚拟阵列构建的加权信号的扩展分数低阶协方差矩阵，H表示共轭转置；

极大似然方程的角度估计值为tr()表示矩阵求迹函数；

步骤三：初始化量子企鹅群；

量子企鹅群的量子企鹅个体数为整个种群的最大迭代次数G_max，ε代表迭代次数；随机初始化第i只量子企鹅的量子位置为量子企鹅的量子位置再映射为量子企鹅的位置即映射规则为是第维变量下限，是第维变量上限，

随机初始化第i只量子企鹅速度为

步骤四：根据适应度函数对第i只量子企鹅的位置进行适应度计算并按照适应度值大小排序，找到至当前代为止适应度值最大的量子位置，确定其全局最优量子位置将全部量子企鹅按照一定的规则分为个族群，可以依照蛙跳算法的混洗规则，也可按照企鹅标号顺序把所有量子企鹅依次分给个族群，每个族群包含只量子企鹅，即

族群内第i只量子企鹅位置的适应度值可根据适应度函数进行计算，其中：

步骤五：进入组内迭代，更新族群内每只量子企鹅的速度和量子位置；

第i只量子企鹅将以发现概率随机地被选中并进行更新，为此将产生一个[0,1]间服从均匀分布的随机数若则第i只量子企鹅第维速度更新公式为为第i只量子企鹅第维速度更新后的第维速度；为[0,1]间服从均匀分布的随机数；是惯性权重系数；c为学习因子；为族群内第i只量子企鹅第维量子位置；为族群内全局最优量子位置第维；若第i只量子企鹅第维速度更新公式为为[0,1]间服从均匀分布的随机数；为在族群内的随机选择的量子企鹅标号；第i只量子企鹅的量子位置使用模拟的量子旋转门进行更新的更新公式为为第i只量子企鹅第维量子位置更新后的第维量子位置，abs()为求取绝对值函数；

步骤六：对每只量子企鹅新生成的量子位置映射为位置，根据适应度函数进行适应度计算，更新全局最优量子位置；

将第i只量子企鹅新生成的第维量子位置映射为第i只量子企鹅新生成的第维位置根据适应度函数计算第i只量子企鹅新生成的位置的适应度值，再用贪婪选择策略对量子企鹅的量子位置进行选择，若则并且将贪婪选择后的量子企鹅按照适应度值大小排序，找到适应度值最大的量子企鹅并记录其量子位置，即为至今为止的全局最优量子位置，更新为全局最优量子位置

步骤七：判断是否达到最大迭代次数G_max；如果未达到，令ε＝ε+1，返回步骤五继续迭代；否则结束，输出全局最优量子位置，映射得到全局最优位置即为波达方向最优估计值。