一种均匀圆阵下基于自适应复合仿生算法的二维MUSIC快速搜索方法

摘要: 本发明涉及无线电测向与空间谱估计,具体是一种均匀圆阵下基于自适应复合仿生算法的二维music快速搜索方法,适用于复杂电磁环境下的无人机目标快速二维测向、通信信号...
一种均匀圆阵下基于自适应复合仿生算法的二维MUSIC快速搜索方法

本发明涉及无线电测向与空间谱估计,具体是一种均匀圆阵下基于自适应复合仿生算法的二维music快速搜索方法,适用于复杂电磁环境下的无人机目标快速二维测向、通信信号定位等场景。

背景技术:

1、近年来无人机技术广泛应用,“黑飞”事件频发,威胁公共安全与社会治安,针对无人机目标的快速二维测向成为无线电领域关键技术需求。空间谱估计是主流测向技术,其中多重信号分类算法music精度高、可突破瑞利极限,是经典算法。该算法能够突破瑞利极限实现多目标的高精度测向,但测向中的关键步骤谱峰搜索,需要代入所有可能的入射角度在二维空间内依次进行网格遍历和谱函数计算。该步骤矩阵运算量巨大,导致算法的实时性极差,严重限制了其在实际工程中的应用。

2、针对上述计算复杂度高的问题,现有技术主要有两类方法,具体如下:

3、一类是基于代数的解析法(如rd-music或root-music),通过降维或多项式求根替代网格搜索,但二维求根往往面临“参数配对”困难以及低信噪比下数值不稳定的问题。另一类为直接搜索法,其属于近来兴起的智能仿生优化算法(如遗传算法ga、差分进化de、粒子群等),其为突破计算复杂度提供了新思路。然而,现有的单一群体智能算法存在明显缺陷:全局优化算法(如ga、麻雀搜索算法)只适用于单信源情况,在多信源(多峰)场景下极易陷入局部最优;而具备多模态寻优能力的算法(如改进蚁群、萤火虫算法)在面临单谱峰搜索时,又会产生大量冗余计算,浪费计算资源。

4、因此,研发自适应、高精度、高实时性的二维music快速搜索方法具有重要工程价值。

技术实现思路

1、本发明的目的在于解决传统二维music算法计算量大、单一仿生算法场景适配性差的问题,提供一种均匀圆阵下基于自适应复合仿生算法的二维music快速搜索方法,实现计算量降低、信源数精准预估、搜索算法自适应切换,兼顾效率与精度。

2、为了实现上述目的,本发明是通过以下技术方案实现的:

3、本发明一种均匀圆阵下基于自适应复合仿生算法的二维music快速搜索方法,包括如下步骤:

4、s1、读取均匀圆阵天线接收的阵列采样数据,利用酉变换将接收数据的复数协方差矩阵转换为实数协方差矩阵,并构建实数化的多重信号分类算法music空间谱函数;

5、s2、对所述实数协方差矩阵进行特征分解,利用模糊c均值聚类算法fcm对特征值进行处理,估计出空间信源数目;判断信源数目是否为零,若是则判定无信源并结束算法,放弃搜索,若否则执行步骤s3;

6、s3、根据步骤s2获取的信源数目自适应选择谱峰搜索算法;若信源数目为1,判断为单信源,则执行步骤s4;若信源数目大于1,判断为多信源,则跳过步骤s4,执行步骤s5;

7、s4、将空间谱的方位角和俯仰角作为麻雀的位置维度,将实数化多重信号分类算法music谱函数的倒数作为适应度函数,通过更新发现者、追随者和侦察者的位置进行迭代寻优,输出全局最优位置作为单信源的二维空间信源doa估计结果;

8、s5、调用萤火虫算法fa进行多谱峰搜索,将空间谱的方位角和俯仰角作为萤火虫的位置坐标,将实数化多重信号分类算法music空间谱函数值作为萤火虫的亮度,通过计算萤火虫间的吸引度并更新位置进行迭代寻优,最后提取多个局部极值点作为多信源的二维空间信源doa估计结果。

9、优选的,步骤s1中所述利用酉变换将复数协方差矩阵转换为实数协方差矩阵的方法具体为:

10、利用偶数阵元均匀圆阵的中心对称性,构造一个稀疏的酉变换矩阵;

11、利用构造的酉变换矩阵对阵列的复数协方差矩阵进行左乘和右乘共轭转置操作,取其实部构建纯实数协方差矩阵;

12、随后对纯实数协方差矩阵进行特征分解,分离出实数噪声子空间,并结合酉变换后的实数导向矢量构建实数化的多重信号分类算法music空间谱函数。

13、优选的,步骤s2中利用模糊c均值聚类算法fcm估计信源数目的方法包括如下步骤:

14、a、将实数协方差矩阵的各特征值,以及各特征值与最小特征值的差值作为联合估计样本向量;

15、b、将聚类数目固定为2,分别对应信号和噪声两类;选取样本中模值最大的向量作为初始信号聚类中心,模值最小的向量作为初始噪声聚类中心;

16、c、根据目标函数计算每个样本对不同分类的隶属度;

17、d、根据计算出的隶属度更新聚类中心;

18、e、判断是否满足停止条件,若满足,则根据隶属度大小划分信号特征值和噪声特征值,信号特征值的个数即为信源数目;若不满足,则返回步骤c继续迭代。

19、优选的,步骤s4中所述调用麻雀搜索算法ssa进行单谱峰搜索的方法具体包括:

20、初始化麻雀种群参数,将每一只麻雀的二维坐标映射为二维搜索角度;

21、计算每只麻雀的适应度并进行排序分级,找出当前种群中的最优位置和最差位置;按照设定的安全阈值和环境阈值,更新发现者的位置;

22、根据适应度排名,更新追随者的位置;

23、随机选取部分麻雀作为侦察者,更新侦察者的位置以避免陷入局部最优;

24、进行边界处理与状态更新,判断是否达到最大迭代次数或满足容差条件,若满足则输出全局最优位置作为单信源doa,否则继续迭代。

25、优选的,步骤s5中所述调用萤火虫算法fa进行多谱峰搜索的方法具体包括:

26、初始化萤火虫种群参数,将每只萤火虫的二维坐标映射为二维搜索角度;

27、根据当前位置计算每只萤火虫的绝对亮度,亮度值为该坐标下的实数化多重信号分类算法music谱函数值;

28、基于亮度差和空间欧式距离计算萤火虫之间的吸引度;

29、普通萤火虫向比自己更亮的萤火虫移动,最亮的萤火虫进行随机扰动移动;

30、计算位置更新后的萤火虫亮度,判断是否满足终止条件;若满足终止条件,则利用排序和距离抑制法提取相距较远的多个空间位置作为多信源的二维doa估计结果;若不满足则继续迭代。

31、优选的,所述偶数阵元均匀圆阵满足第m个阵元与第m+m/2个阵元关于圆心中心对称,m为阵元总数。

32、优选的,步骤e中停止条件为聚类中心变化量小于预设阈值或迭代次数达到最大值。

33、优选的,麻雀搜索算法ssa迭代寻优中,发现者负责全局探索高适应度区域,追随者负责局部开发,侦察者负责规避局部最优。

34、优选的,萤火虫算法fa多谱峰提取中,距离抑制法用于剔除相邻过近的谱峰,保留独立信源对应的谱峰位置。

35、优选的,该方法在-10db信噪比下,二维doa估计误差不超过0.15°,单信源搜索速度为传统网格法的798倍,多信源搜索速度为传统网格法的502倍。

36、有益效果

37、1)计算量大幅降低:酉变换实现复数域转实数域,计算量减少约75%;

38、2)场景自适应:fcm低信噪比精准估信源数,可实现单信源用麻雀搜索算法ssa、多信源用萤火虫算法fa,资源最优配置;

39、3)效率显著提升:搜索速度较传统网格法提升数百倍,解决实时性难题;

40、4)鲁棒性强:可实现在-10db低信噪比下估计误差小于0.15°,不易陷入局部最优。