針對多分量線性調(diào)頻（LFM）信號的初始頻率和調(diào)頻斜率估計問題,提出了基于人工蜂群算法的LFM信號最大似然函數(shù)估計方法。首先,利用最大似然方法對LFM信號的初始頻率和調(diào)頻斜率進行聯(lián)合估計;然后,用人工蜂群算法對似然函數(shù)進行優(yōu)化求解;接著,針對人工蜂群算法收斂速度慢、易早熟等問題采用多維并行搜索結(jié)合交叉全局引導的方式對算法進行改進,實現(xiàn)了高效的多分量LFM信號參數(shù)估計。仿真實驗證明,本文算法具有最大似然估計的有效性,兼具快速性和實時性。 

【文章來源】：吉林大學學報(工學版). 2020,50(03)北大核心EICSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

多維并行搜索混合人工蜂群算法流程圖

求解多分量LFM信號的最大似然函數(shù)需要多維搜索，計算量較大。傳統(tǒng)多維網(wǎng)格法搜索的計算量為O{[(fmax-fmin)(mmax-mmin)/ΔfΔm]q}，其中，(fmin,fmax)、Δf分別為初始頻率搜索范圍和搜索步長；(mmin,mmax)、Δm分別為調(diào)頻斜率搜索范圍和搜索步長�；救斯し淙汉透倪M的人工蜂群算法的計算量均為O(2qQbχ+Qb)，其中，χ為迭代次數(shù)�？梢�，兩種人工蜂群算法的計算量均由信號分量個數(shù)、種群規(guī)模和迭代次數(shù)決定。設(shè)χ1和χ2分別為基本人工蜂群算法和改進人工蜂群算法收斂到全局最優(yōu)所需的迭代次數(shù)。圖2給出了種群規(guī)模均為100時，對于不同信號源個數(shù)，兩種人工蜂群算法收斂到全局最優(yōu)所需平均迭代次數(shù)的仿真實驗結(jié)果。從圖2可以看出：改進的人工蜂群算法收斂到全局最優(yōu)所需的迭代次數(shù)小于基本人工蜂群算法所需的迭代次數(shù)，這是由于基本人工蜂群算法每次都只是在某一個維度上進行鄰域搜索，而改進后的多維并行算法，是在多個維度上進行并行搜索；另外，交叉操作引入了全局引導項，進一步加快了算法的收斂速度，因此χ2<χ1，這種優(yōu)勢在信源數(shù)目增加時體現(xiàn)得更加明顯。將圖2中的迭代次數(shù)代入計算量表達式，并與網(wǎng)格法的計算量作比較。

實驗二收斂性實驗設(shè)信噪比為-5 dB，種群規(guī)模為80，分別用基本人工蜂群算法和多維并行搜索混合人工蜂群算法對LFM信號的最大似然函數(shù)進行優(yōu)化，取不同的迭代次數(shù)，得到似然函數(shù)的平均優(yōu)化值如圖4所示。

【參考文獻】：
期刊論文
[1]基于切割聚類的快速多分量LFM信號分離[J]. 劉凱,韓嘉賓,王韻白,黃青華.  系統(tǒng)工程與電子技術(shù). 2015(05)
[2]基于人工蜂群算法的波達方向和多普勒頻率聯(lián)合估計[J]. 張志成,林君,石要武,孫曉東.  吉林大學學報(工學版). 2013(04)



本文編號：3467270