CN108614235B - 一种多鸽群信息交互的单快拍测向方法 - Google Patents
一种多鸽群信息交互的单快拍测向方法 Download PDFInfo
- Publication number
- CN108614235B CN108614235B CN201810510981.2A CN201810510981A CN108614235B CN 108614235 B CN108614235 B CN 108614235B CN 201810510981 A CN201810510981 A CN 201810510981A CN 108614235 B CN108614235 B CN 108614235B
- Authority
- CN
- China
- Prior art keywords
- pigeon
- group
- value
- array
- updating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/14—Systems for determining direction or deviation from predetermined direction
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明提供一种多鸽群信息交互的单快拍测向方法,建立均匀线阵单快拍采样信号模型;获得单快拍极大似然方程;初始化鸽群,并将其划分为三个子鸽群;计算鸽群中鸽子位置的适应度值,确定每个子种群的局部最优位置和整个鸽群的全局最优位置;更新基本鸽群的速度和位置,产生混沌权重;反向鸽群中的鸽子根据跳转操作更新位置;更新鸽子位置;确定子鸽群中鸽子的局部最优位置和整个鸽群的全局最优位置;更新信仰空间;最终输出的鸽群全局最优位置即为来波方向估计值。本发明实现了仅对单个快拍的数据进行处理从而得到对阵列接收信号的波达方向估计,降低了DOA估计的运算量,同时提高了系统的实时性,实现了对目标来波的高精度测向。
Description
技术领域
本发明涉及一种多鸽群信息交互的单快拍测向方法,属于阵列信号处理领域。
背景技术
波达方向角(Direction of Arrival,DOA)估计一直是阵列信号处理的热点内容,在通信、雷达和声纳等系统中有着广泛应用。传统的多重信号分类法(MUSIC)和信号参数估计的旋转不变子空间技术(ESPRIT)已经具有较高的估计性能,但是这些算法都是基于特征值分解运算的基础上进行的,而且往往为了获得良好的估计性能需要成百上千的快拍数,不仅实时性低,计算量也很大。
为了降低DOA估计的运算量,提高系统的实时性,单快拍DOA估计受到了学者的广泛关注。单快拍DOA估计即只对单个快拍的数据进行处理,实现输入信号的波达方向估计。
根据已有的技术文献发现,王凌等在《系统工程与电子技术》(2012,Vol.34,No.7,pp.1323–1328)发表的“单次快拍波达方向矩阵法”中,利用接收信号重排构造伪协方差矩阵,但该方法构造的伪协方差矩阵由于利用的信息有限,这种方法存在阵列自由度的损失。伍逸枫等在《电光与控制》(2010.Vol.17,No.3,pp.60–63)发表的“基于Toeplitz矩阵重构的相干信源波达方向估计研究”提出的重构协方差矩阵,在一定程度上提高了分辨率,但都是建立在较大的快拍数情况下,并不利于实时处理。
已有的文献表明,单快拍DOA估计可以提高系统的实时性,减少运算量,但快拍数量的减少将导致估计性能不准确,因此需要设计一种高性能的单快拍测向方法。本发明设计了一种多鸽群信息交互搜索机制的单快拍测向方法,结合极大似然估计对信源进行精准测向。仿真结果表明,该方法可以实现单快拍测向,并且无论是独立源还是相干源都具有较高的测向精度。
发明内容
本发明的目的是为了提供一种多鸽群信息交互的单快拍测向方法,是一种在高斯噪声环境下基于文化、反向和混沌的多鸽群信息交互搜索机制的单快拍测向方法。
本发明的目的是这样实现的:步骤如下:
步骤一:建立均匀线阵单快拍采样信号模型;
y(1)=A(θ)s(1)+n(1)
式中:y(1)=[y1(1),y2(1),…,yN(1)]T,A(θ)=[a(θ1),a(θ2),…,a(θM)]N×M为导向矩阵,其中第i个导向矢量为θ=[θ1,θ2,…,θM]为来波方位矢量;s(1)=[s1(1),s2(1),…,sM(1)]T为信号矢量,n(1)=[n1(1),n2(1),…,nN(1)]T为阵列噪声矢量;
步骤二:利用阵列接收到的单快拍数据构造伪协方差矩阵,再利用均匀线阵的导向矩阵构造正交投影矩阵,获得极大似然方程;
其中H代表共轭转置,tr()为矩阵求迹函数;
步骤三:初始化鸽群,计算适应度值;
产生3个子鸽群,将鸽群中的只鸽子划分为3个子鸽群,基本鸽群、反向鸽群和文化鸽群的鸽子数量分别为N1、N2和N3,分别按照鸽群基本算子、反向机制和文化机制进行演化,其中第h个鸽群随机产生Nh只鸽子,h=1,2,3;每只鸽子搜索空间的维数定义为M维,第h个鸽群第i只鸽子的位置为:
其中:t为迭代次数,初始设t=1,定义第h个鸽群第i只鸽子位置的适应度函数为:
步骤五:基本鸽群中,每只鸽子按照鸽群基本算子更新其速度和位置;
步骤六:反向鸽群的鸽子通过跳转操作更新位置;
反向鸽群中设置跳转概率J,依概率J决定是否对更新个体进行种群跳转;
步骤七:文化鸽群根据影响函数生成鸽子新位置;
根据文化机制的规范知识和局部最优位置来调整位置变量变化步长及前进方向的影响函数为:
步骤八:计算每只鸽子位置的适应度值,进行鸽群间信息交互,确定第h个子鸽群中第i只鸽子的局部最优位置和整个鸽群的全局最优位置其中,h=1,2,3;利用来计算第h个子鸽群中第i个鸽子位置的适应度值,将鸽群中鸽子位置的适应度值与其相应的局部最优位置的适应度值比较,若鸽子位置的适应度值更大,则将其更新为鸽群的局部最优位置;将鸽群中鸽子位置的适应度值与全局最优位置的适应度值比较,若鸽子位置的适应度值更大,则将其更新为鸽群的全局最优位置;
步骤九:鸽群根据接受函数,按照文化演进规则更新信仰空间;
本发明还包括这样一些结构特征:
1.步骤四还包括:生成初始信仰空间,初始化规范知识,规范知识的下限和上限根据待解决问题的变量取值范围来初始化;表示第m维变量的下限所对应的适应度值,表示第m维变量的下限所对应的评价值,均初始化为-∞。
与现有技术相比,本发明的有益效果是:(1)本发明仅对单个快拍的数据进行处理,实现对阵列接收信号的波达方向估计,降低了DOA估计的运算量,同时提高了系统的实时性。(2)本发明对接收到的单快拍数据重新构造了矩阵,并对其进行协方差处理,再结合极大似然测向方法,实现了对目标的高精度测向。(3)所设计的多鸽群信息交互的搜索机制的单快拍测向方法同时适用于相干信源、独立信源和混合信源,并且具有较优秀的抗噪声能力,和较高的测向成功概率。
附图说明
图1:基于多鸽群信息交互的单快拍测向方法流程图。
图2:三个相干信源时所提方法与运用MUSIC算法测向对比图。
图3:三个独立信源时所提方法与运用MUSIC算法测向对比图。
图4:四个信源混合有独立信源和相干信源,信源1、2和3独立,信源4与信源1相干时所提方法与运用MUSIC算法测向对比图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述。
为便于叙述,将基于多鸽群信息交互的单快拍测向方法简记为MPIO。
如图1所示,本发明技术方案包括如下步骤:
步骤一:建立均匀线阵单快拍采样信号模型。假设一个阵元数为N的均匀线阵,阵元间距有M个远场窄带信号分别从θi方向入射到该阵列,且入射信号和噪声信号不相关,i=1,2,…,M。选取第一个阵元为参考阵元,则在时刻第k个阵元接收到的信号为其中,为入射信号,为第k个阵元的噪声信号,k=1,2,…,N。则阵列接收的一次快拍信号模型可表示为y(1)=A(θ)s(1)+n(1),式中y(1)=[y1(1),y2(1),…,yN(1)]T,A(θ)=[a(θ1),a(θ2),…,a(θM)]N×M为导向矩阵,其中第i个导向矢量为θ=[θ1,θ2,…,θM]为来波方位矢量;s(1)=[s1(1),s2(1),…,sM(1)]T为信号矢量,n(1)=[n1(1),n2(1),…,nN(1)]T为阵列噪声矢量。
步骤二:利用阵列接收到的单快拍数据构造伪协方差矩阵,再利用均匀线阵的导向矩阵构造正交投影矩阵,获得极大似然方程。
直接利用阵列接收的单快拍数据构造矩阵:并对所构造的矩阵Ry(1)进行协方差处理,即正交投影矩阵为PA(θ)=A(θ)(AH(θ)A(θ))-1AH(θ),极大似然方程的角度估计值为其中H代表共轭转置,tr()为矩阵求迹函数。
步骤三:初始化鸽群,计算适应度值。产生3个子鸽群,将鸽群中的只鸽子划分为3个子鸽群,基本鸽群、反向鸽群和文化鸽群的鸽子数量分别为N1、N2和N3,分别按照鸽群基本算子、反向机制和文化机制进行演化,其中第h个鸽群随机产生Nh只鸽子,h=1,2,3。每只鸽子搜索空间的维数定义为M维,第h个鸽群第i只鸽子的位置为t为迭代次数,初始设t=1。定义第h个鸽群第i只鸽子位置的适应度函数为其中,第1个鸽群中第i只鸽子的速度为其中1≤i≤N1。
步骤五:基本鸽群中,每只鸽子按照鸽群基本算子的更新其速度和位置。利用如下方法更新:第i只鸽子第m维的速度更新方程为第i只鸽子第m维的位置更新方程为其中i=1,2,…,N1,m=1,2,…,M,为鸽群全局最优位置的第m维,为地图和指南针因数,为混沌方程所产生的混沌权重,具体方法为:初始的为[0,1]间的均匀随机数,初始值不能等于1、0.75、0.5、0.25和0,按照如下规则更新:
步骤六:反向鸽群的鸽子通过跳转操作更新位置。
步骤七:文化鸽群根据影响函数生成鸽子新位置,根据文化机制的规范知识和局部最优位置来调整位置变量变化步长及前进方向的影响函数定义为其中,η为缩放比例因子,为标准正态分布的随机数,1≤i≤N3,1≤m≤M。
步骤八:计算每只鸽子位置的适应度值,进行鸽群间信息交互,确定第h个子鸽群中第i只鸽子的局部最优位置和整个鸽群的全局最优位置其中,h=1,2,3。利用来计算第h个子鸽群中第i个鸽子位置的适应度值,将鸽群中鸽子位置的适应度值与其相应的局部最优位置的适应度值比较,若鸽子位置的适应度值更大,则将其更新为鸽群的局部最优位置;将鸽群中鸽子位置的适应度值与全局最优位置的适应度值比较,若鸽子位置的适应度值更大,则将其更新为鸽群的全局最优位置。
步骤九:鸽群根据接受函数,按照文化演进规则更新信仰空间。鸽群设定接受函数,根据接受函数挑选鸽群中局部极值最优前20%的鸽子位置更新规范知识,更新信仰空间,和分别为影响规范函数下界和上界更新的鸽子的局部最优位置。其更新方程为:
模型具体参数设置如下:
阵元数N=8,当信源数M=3时,来波方向为θ=[30,20,-10];当信源数M=4时,来波方向为θ=[50,30,20,-10],其中,来波方向的单位均为度。信噪比为15dB。
基于多鸽群信息交互的单快拍测向方法参数设置如下:
基于MUSIC算法的测向方法相关参数见李军在《电子科技大学》(硕士学位论文)发表的“极大似然和MUSIC算法用于DOA估计的DSP实现”,其他参数均与基于多鸽群信息交互的单快拍测向方法中的相同。
某次随机实验的DOA估计结果如下表1所示:
表1两种方法DOA估计结果
表中估计角度的单位均为度。
图2:三个相干信源时所提方法与运用MUSIC算法测向对比图。
可以看出,在三个相干信源的情况下,MUSIC算法几乎所有仿真已经失效,无法根据单快拍数据进行估计,但本文所提方法仍可以估计出信号角度,30次实验中仅有3次估计误差较大。
图3:三个独立信源时所提方法与运用MUSIC算法测向对比图。
可以看出,在三个独立信源的情况下,MUSIC算法在绝大多数情况下已无法准确估计来波方向,但本文所提出的方法在绝大多数仿真试验中仍可以较准确地估计出信号来波方向。
图4:四个信源,信源1、2和3独立,信源4与信源1相干时所提方法与运用MUSIC算法测向对比图,所设计的方法依旧有性能上的优势。可以看出,此时MUSIC算法已经失效,但本文所提方法仍有较高的成功率。
本发明解决了在DOA估计问题中,现有方法为了获得良好的估计性能需要成百上千的快拍数而导致的实时性低、计算量大等不足,通过接收的单快拍数据重新构造协方差矩阵,设计单快拍极大似然估计和多鸽群信息交互机制对信源方向进行高精度估计。该方法的步骤为:建立均匀线阵单快拍采样信号模型;利用接收的单快拍数据重新构造协方差矩阵,获得单快拍极大似然方程;初始化鸽群,并将其划分为三个子鸽群,基本鸽群、反向鸽群和文化鸽群;计算鸽群中鸽子位置的适应度值,确定每个子种群的局部最优位置和整个鸽群的全局最优位置,文化鸽群生成初始信仰空间,初始化规范知识;更新基本鸽群的速度和位置,并利用混沌方程产生混沌权重;反向鸽群中的鸽子根据跳转操作更新位置;文化鸽群根据影响函数更新鸽子位置;通过三个子鸽群间的信息交互,确定子鸽群中鸽子的局部最优位置和整个鸽群的全局最优位置;鸽群根据接受函数和知识更新规则更新信仰空间;最终输出的鸽群全局最优位置即为来波方向估计值。本发明实现了仅对单个快拍的数据进行处理从而得到对阵列接收信号的波达方向估计,降低了DOA估计的运算量,同时提高了系统的实时性,实现了对目标来波的高精度测向。
综上,本发明涉及一种单快拍测向方法,它是通过多鸽群信息交互机制来实现的,该方法涉及到阵列信号处理领域。它解决了在DOA估计问题中,现有方法为了获得良好的估计性能需要成百上千的快拍数而导致的实时性低、计算量大等不足,通过接收的单快拍数据重新构造协方差矩阵,设计单快拍极大似然估计和多鸽群信息交互机制对信源方向进行高精度估计。该方法的步骤为:建立均匀线阵单快拍采样信号模型;利用接收的单快拍数据重新构造协方差矩阵,获得单快拍极大似然方程;初始化鸽群,并将其划分为三个子鸽群,基本鸽群、反向鸽群和文化鸽群;计算鸽群中鸽子位置的适应度值,确定每个子种群的局部最优位置和整个鸽群的全局最优位置,文化鸽群生成初始信仰空间,初始化规范知识;更新基本鸽群的速度和位置,并利用混沌方程产生混沌权重;反向鸽群中的鸽子根据跳转操作更新位置;文化鸽群根据影响函数更新鸽子位置;通过三个子鸽群间的信息交互,确定子鸽群中鸽子的局部最优位置和整个鸽群的全局最优位置;鸽群根据接受函数和知识更新规则更新信仰空间;最终输出的鸽群全局最优位置即为来波方向估计值。本发明实现了仅对单个快拍的数据进行处理从而得到对阵列接收信号的波达方向估计,降低了DOA估计的运算量,同时提高了系统的实时性,实现了对目标来波的高精度测向。
Claims (3)
1.一种多鸽群信息交互的单快拍测向方法,其特征在于:步骤如下:
步骤一:建立均匀线阵单快拍采样信号模型;
y(1)=A(θ)s(1)+n(1)
式中:y(1)=[y1(1),y2(1),…,yN(1)]T,A(θ)=[a(θ1),a(θ2),…,a(θM)]N×M为导向矩阵,其中第i个导向矢量为θ=[θ1,θ2,…,θM]为来波方位矢量;s(1)=[s1(1),s2(1),…,sM(1)]T为信号矢量,n(1)=[n1(1),n2(1),…,nN(1)]T为阵列噪声矢量;
步骤二:利用阵列接收到的单快拍数据构造伪协方差矩阵,再利用均匀线阵的导向矩阵构造正交投影矩阵,获得极大似然方程;
其中H代表共轭转置,tr()为矩阵求迹函数;
步骤三:初始化鸽群,计算适应度值;
产生3个子鸽群,将鸽群中的只鸽子划分为3个子鸽群,基本鸽群、反向鸽群和文化鸽群的鸽子数量分别为N1、N2和N3,分别按照鸽群基本算子、反向机制和文化机制进行演化,其中第h个鸽群随机产生Nh只鸽子,h=1,2,3;每只鸽子搜索空间的维数定义为M维,第h个子鸽群第i只鸽子的位置为:
其中:t为迭代次数,初始设t=1,定义第h个子鸽群第i只鸽子位置的适应度函数为:
步骤五:基本鸽群中,每只鸽子按照鸽群基本算子更新其速度和位置;
步骤六:反向鸽群的鸽子通过跳转操作更新位置;
反向鸽群中设置跳转概率J,依概率J决定是否对更新个体进行种群跳转;
步骤七:文化鸽群根据影响函数生成鸽子新位置;
根据文化机制的规范知识和局部最优位置来调整位置变量变化步长及前进方向的影响函数为:
步骤八:计算每只鸽子位置的适应度值,进行鸽群间信息交互,确定第h个子鸽群中第i只鸽子的局部最优位置和整个鸽群的全局最优位置其中,h=1,2,3;利用来计算第h个子鸽群中第i个鸽子位置的适应度值,将鸽群中鸽子位置的适应度值与其相应的局部最优位置的适应度值比较,若鸽子位置的适应度值更大,则将其更新为鸽群的局部最优位置;将鸽群中鸽子位置的适应度值与全局最优位置的适应度值比较,若鸽子位置的适应度值更大,则将其更新为鸽群的全局最优位置;
步骤九:鸽群根据接受函数,按照文化演进规则更新信仰空间;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810510981.2A CN108614235B (zh) | 2018-05-25 | 2018-05-25 | 一种多鸽群信息交互的单快拍测向方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810510981.2A CN108614235B (zh) | 2018-05-25 | 2018-05-25 | 一种多鸽群信息交互的单快拍测向方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108614235A CN108614235A (zh) | 2018-10-02 |
CN108614235B true CN108614235B (zh) | 2021-12-24 |
Family
ID=63663915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810510981.2A Active CN108614235B (zh) | 2018-05-25 | 2018-05-25 | 一种多鸽群信息交互的单快拍测向方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108614235B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109669155A (zh) * | 2018-11-16 | 2019-04-23 | 中国电子科技集团公司第三十八研究所 | 一种冲击噪声环境下的波束空间测向方法 |
CN109683128B (zh) * | 2019-02-01 | 2022-04-29 | 哈尔滨工程大学 | 冲击噪声环境下的单快拍测向方法 |
CN111366891B (zh) * | 2020-03-23 | 2022-03-29 | 电子科技大学 | 一种基于伪协方差矩阵的均匀圆阵单快拍测向方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103902826A (zh) * | 2014-04-02 | 2014-07-02 | 哈尔滨工程大学 | 一种冲击噪声环境下的多移动目标跟踪方法 |
CN104714224A (zh) * | 2015-03-13 | 2015-06-17 | 哈尔滨工程大学 | 一种基于文化猫群搜索机制的双基地mimo雷达动态跟踪方法 |
CN105469422A (zh) * | 2015-11-13 | 2016-04-06 | 北京航空航天大学 | 一种基于鸽群智能优化卡尔曼滤波参数的目标跟踪方法 |
CN105930307A (zh) * | 2016-04-22 | 2016-09-07 | 大连理工大学 | 一种新型群智能优化算法-鸽群算法 |
-
2018
- 2018-05-25 CN CN201810510981.2A patent/CN108614235B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103902826A (zh) * | 2014-04-02 | 2014-07-02 | 哈尔滨工程大学 | 一种冲击噪声环境下的多移动目标跟踪方法 |
CN104714224A (zh) * | 2015-03-13 | 2015-06-17 | 哈尔滨工程大学 | 一种基于文化猫群搜索机制的双基地mimo雷达动态跟踪方法 |
CN105469422A (zh) * | 2015-11-13 | 2016-04-06 | 北京航空航天大学 | 一种基于鸽群智能优化卡尔曼滤波参数的目标跟踪方法 |
CN105930307A (zh) * | 2016-04-22 | 2016-09-07 | 大连理工大学 | 一种新型群智能优化算法-鸽群算法 |
Non-Patent Citations (2)
Title |
---|
Direction Finding of Maximum Likelihood Algorithm Using Artificial Bee Colony in the Impulsive Noise;Dayong Zhao 等;《IEEE》;20101231;103-104 * |
采用单次快拍数据实现相干信号DOA估计;谢鑫 等;《电子与信息学报》;20100331;第32卷(第3期);605-606 * |
Also Published As
Publication number | Publication date |
---|---|
CN108614235A (zh) | 2018-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104749553B (zh) | 基于快速稀疏贝叶斯学习的波达方向角估计方法 | |
CN111123192B (zh) | 一种基于圆形阵列和虚拟扩展的二维doa定位方法 | |
CN108614235B (zh) | 一种多鸽群信息交互的单快拍测向方法 | |
CN109239646B (zh) | 一种冲击噪声环境下连续量子水蒸发的二维动态测向方法 | |
CN109669156B (zh) | 冲击噪声下基于量子帝王蝶的圆阵模式空间动态测向方法 | |
CN110940949B (zh) | 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 | |
CN110109050A (zh) | 嵌套阵列下基于稀疏贝叶斯的未知互耦的doa估计方法 | |
CN108663654B (zh) | 一种基于连续量子鸽群的360度全方位动态测向方法 | |
CN104502904B (zh) | 一种鱼雷自导波束锐化方法 | |
CN111273269B (zh) | 基于ipso-bp的频率分集阵列的雷达目标定位方法 | |
CN108398659B (zh) | 一种矩阵束与求根music结合的波达方向估计方法 | |
CN109212466B (zh) | 一种基于量子蜻蜓演化机制的宽带测向方法 | |
CN115236584A (zh) | 基于深度学习的米波雷达低仰角估计方法 | |
CN103837858A (zh) | 一种用于平面阵列的远场波达角估计方法及系统 | |
CN109783960A (zh) | 一种基于网格部分细化的波达方向估计方法 | |
CN113759303A (zh) | 一种基于粒子群算法的无网格波达角估计方法 | |
Gao et al. | Direction finding of bistatic MIMO radar based on quantum-inspired grey wolf optimization in the impulse noise | |
CN113567913A (zh) | 基于迭代重加权可降维的二维平面doa估计方法 | |
CN111896929A (zh) | 非均匀mimo雷达的dod/doa估计算法 | |
CN109506763B (zh) | 一种基于教与学优化的矢量水听器稀疏布阵方法 | |
CN111352075B (zh) | 一种基于深度学习的水下多声源定位方法及系统 | |
CN109683128B (zh) | 冲击噪声环境下的单快拍测向方法 | |
Wang et al. | Maximum likelihood DOA estimation based on improved invasive weed optimization algorithm and application of MEMS vector hydrophone array | |
Rajani et al. | Direction of arrival estimation by using artificial neural networks | |
CN109100679B (zh) | 基于多输出支持向量回归机的近场声源参数估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |