一種基于差分進(jìn)化機(jī)理的目標(biāo)船舶方位估計(jì)方法技術(shù)

本發(fā)明專利技術(shù)公開(kāi)一種基于差分進(jìn)化機(jī)理的目標(biāo)船舶方位估計(jì)方法，其包括以下步驟：步驟1：將多變異策略融入差分進(jìn)化優(yōu)化算法形成改進(jìn)后的差分進(jìn)化機(jī)理，多變異策略包括變異、雜交和選優(yōu)三個(gè)過(guò)程；步驟2：將步驟1的改進(jìn)后的差分進(jìn)化機(jī)理和似然函數(shù)相結(jié)合應(yīng)用于估計(jì)目標(biāo)船舶的DOA方位。本發(fā)明專利技術(shù)首先將多變異策略和“優(yōu)勝劣汰”機(jī)制融入差分進(jìn)化優(yōu)化算法，然后將改進(jìn)的差分進(jìn)化機(jī)理和似然函數(shù)相結(jié)合應(yīng)用于估計(jì)目標(biāo)船舶的DOA方位。實(shí)驗(yàn)證明，本發(fā)明專利技術(shù)的方法不僅表明了改進(jìn)的差分進(jìn)化方案的合理性，且它比其他一些算法具有更好的優(yōu)化性能；另外，該改進(jìn)的差分進(jìn)化方案應(yīng)用于目標(biāo)船舶方位估計(jì)方法中，不僅具有有效性，且它具有比其它傳統(tǒng)的方法更好的魯棒性。

【技術(shù)實(shí)現(xiàn)步驟摘要】
一種基于差分進(jìn)化機(jī)理的目標(biāo)船舶方位估計(jì)方法
本專利技術(shù)屬于信號(hào)處理領(lǐng)域，具體涉及一種基于差分進(jìn)化機(jī)理的船舶定位方法。
技術(shù)介紹
船舶是海上交通的一種重要載體，由于海洋環(huán)境的“復(fù)雜”和氣候的“善變”，船舶的安全運(yùn)行不可避免受到影響，甚至因船舶本身受到損傷而造成海損事故，一旦事故發(fā)生，航行船舶的方位信息將為安全保障部門(mén)做出準(zhǔn)確的維護(hù)或搜救決策提供至關(guān)重要的科學(xué)支持；不僅如此，為了保證船舶安全航行，船舶方位更是海上智能交通自動(dòng)定位識(shí)別和船舶避碰系統(tǒng)做出決策的重要依據(jù)。信號(hào)處理領(lǐng)域中的波達(dá)方位(DirectionofArrival，DOA)估計(jì)(例如文獻(xiàn)：張賢達(dá).現(xiàn)代信號(hào)處理[M].北京:清華大學(xué)出版社,2002.)，是一種廣泛應(yīng)用于雷達(dá)、聲納、導(dǎo)彈制導(dǎo)和無(wú)線通信系統(tǒng)等方面的目標(biāo)方位估計(jì)方法，其原理是通過(guò)對(duì)天線陣列接收的信號(hào)進(jìn)行分析得到目標(biāo)源的方位。現(xiàn)有的DOA估計(jì)方法主要可分為三類：多重信號(hào)分類(multiplesignalclassification，MUSIC)法(參見(jiàn)文獻(xiàn)：ZhangXD.ModernSignalProcessing[M].Beijing:TsinghuaUniversityPress,2002.以及文獻(xiàn)：ZhangY.,NgB.P.MUSIC-likeDOAEstimationwithoutEstimatingtheNumberofSources[J].IEEETranscationsonSignalProcessing,2010,58(3):1668-1669.)、旋轉(zhuǎn)不變技術(shù)(estimatingsignalparameterviarotationalinvariancetechniques，ESPRIT)(參見(jiàn)文獻(xiàn)：JensenJ.R.,ChristensenM.G.,JensenS.H.NonlinearLeastSquaresMethodsforJointDOAandPitchEstimation[J].IEEETransactionsonAudio,Speech,andLanguageProcessing,2013,21(5):923-9333.以及文獻(xiàn)：StoicaP.,GershmanA.B.Maximum-likelihoodDOAEstimationbyData-supportedGridSearch[J].IEEESignalProcessingLetters,2009,6(10):273-275.)和最大似然估計(jì)法。其中，多重信號(hào)分類MUSIC方法對(duì)噪聲具有很好的魯棒性，但它需要接收信號(hào)的快拍數(shù)足夠多，并且它的估計(jì)精度和待定位目標(biāo)源之間的方位差互相制約。旋轉(zhuǎn)不變技術(shù)ESPRIT能適用于方位差較大的情況下，但它不僅對(duì)噪聲抑制能力差外，并且像MUSIC估計(jì)方法一樣要求信號(hào)的快拍數(shù)足夠多。最大似然估計(jì)法是一種具有優(yōu)秀統(tǒng)計(jì)特性和魯棒性的技術(shù)(參見(jiàn)文獻(xiàn)：VolodymyrV.ImprovedBeamspaceESPRIT-basedDOAEstimationviaPseudo-noiseResampling[C].EuMW&EuRAD2012,Amsterdam,2012:238-241.)，理論上已經(jīng)證明通過(guò)最大似然法可以得到最優(yōu)的目標(biāo)DOA方位；與子空間分解的MUSIC法和ESPRIT法比較，基于最大似然的DOA估計(jì)法的估計(jì)精度不僅不受快拍數(shù)的約束，并且在閾值區(qū)域內(nèi)的漸近性相對(duì)較好。然而，由于似然函數(shù)是一個(gè)非線性的多模函數(shù)，要優(yōu)化這個(gè)目標(biāo)函數(shù)是一個(gè)很困難和復(fù)雜的問(wèn)題。為此，本專利技術(shù)提出一種基于差分進(jìn)化算法的目標(biāo)船舶方位估計(jì)方法。差分進(jìn)化算法是StornR.和PriceK.提出的一種模擬生物進(jìn)化的群體尋優(yōu)算法(參見(jiàn)文獻(xiàn)：StornR.,PriceK.Differentialevolution—Asimpleandefficentadaptiveschemeforglobaloptimizationovercontinuousspaces[R].Berkeley:UniversityofCalifornia,1996.)。該優(yōu)化算法容易實(shí)現(xiàn)，而且受控參數(shù)少，這也是我們選擇差分進(jìn)化算法的一個(gè)主要原因。利用其求解優(yōu)化問(wèn)題時(shí)，那么待優(yōu)化參數(shù)就相當(dāng)于進(jìn)化的生物，而生物進(jìn)化一次相當(dāng)于對(duì)于待求解的參數(shù)完成一次優(yōu)化迭代。模擬生物進(jìn)化機(jī)理來(lái)進(jìn)行一次參數(shù)的優(yōu)化迭代，其過(guò)程包括變異、雜交和選優(yōu)等三個(gè)階段。雖然眾多的數(shù)值優(yōu)化分析實(shí)例都驗(yàn)證了DE比遺傳算法(geneticalgorithm,GA)和粒子群優(yōu)化算法(particleswarmoptimization,PSO)算法具有更好的優(yōu)化和收斂性能(參見(jiàn)文獻(xiàn)：WangR.J.,ZhuY.NonlineardynamicsystemidentificationbasedonFLANN[J].JournalofJimeiUniversity(NaturalScience),2011,16(2):128-134)；但它依然與其它傳統(tǒng)智能群體優(yōu)化算法一樣存在收斂速度慢和收斂的“過(guò)早熟”不足。原型的DE算法中單一變異策略增加了算法限入局部最優(yōu)或早熟收斂的概率，解決此問(wèn)題的思路就是使變異策略多樣化。
技術(shù)實(shí)現(xiàn)思路
因此，針對(duì)上述的問(wèn)題，本專利技術(shù)提出一種基于差分進(jìn)化機(jī)理的目標(biāo)船舶方位估計(jì)方法，其對(duì)目前的最大似然估計(jì)法進(jìn)行優(yōu)化，利用基于改進(jìn)的差分進(jìn)化機(jī)理來(lái)求解最大似然函數(shù)的問(wèn)題，改進(jìn)的差分進(jìn)化機(jī)理使變異策略多樣化，解決了收斂速度慢和收斂的“過(guò)早熟”等不足；同時(shí)，改進(jìn)的差分進(jìn)化機(jī)理使整個(gè)求解過(guò)程簡(jiǎn)化并易于實(shí)現(xiàn)，進(jìn)而將它應(yīng)用于目標(biāo)船舶方位估計(jì)。令m和d分別表示陣元數(shù)和陣元間距，接收陣列位于n艘船舶位置的遠(yuǎn)場(chǎng)區(qū)，且m≥n。假設(shè)n艘目標(biāo)船舶發(fā)送的源信號(hào)s(t)＝[s1(t),s2(t),…,sn(t)]T為彼此互相獨(dú)立且零均值的窄帶信號(hào)，并記它們到達(dá)第1個(gè)陣元直射線與陣列法線方向之間的夾角為θi(i＝1,2,…,n)，稱這個(gè)夾角為波到方位(角)，即DOA方位。若將第1個(gè)陣元視為參考陣列，則目標(biāo)源到達(dá)非參考陣元都會(huì)存在延遲，即非參考陣元接收到的信號(hào)與目標(biāo)源信號(hào)存在一個(gè)相位差，記第i個(gè)目標(biāo)源到達(dá)第2個(gè)陣元引起的相位差為ωi，ωi與θi之間的關(guān)系為：式(1)中，λs為信號(hào)波長(zhǎng)，要保證ωi≤π，陣元間距必須滿足2d≤λs。那么第i個(gè)目標(biāo)源到達(dá)m個(gè)陣元引起的相位差組成的向量記為：式中，為虛數(shù)。同理可得其它目標(biāo)源信號(hào)到達(dá)m個(gè)陣元引起相位差的向量，將所有相位差的向量組成一個(gè)矩陣，記為A，它與所有向量ai的關(guān)系為：...

【技術(shù)保護(hù)點(diǎn)】
一種基于差分進(jìn)化機(jī)理的目標(biāo)船舶方位估計(jì)方法，包括以下步驟：步驟1：將多變異策略融入差分進(jìn)化優(yōu)化算法形成改進(jìn)后的差分進(jìn)化機(jī)理，多變異策略包括變異、雜交和選優(yōu)三個(gè)過(guò)程；步驟2：將步驟1的改進(jìn)后的差分進(jìn)化機(jī)理和似然函數(shù)相結(jié)合應(yīng)用于估計(jì)目標(biāo)船舶的DOA方位。

【技術(shù)特征摘要】
1.一種基于差分進(jìn)化機(jī)理的目標(biāo)船舶方位估計(jì)方法，包括以下步驟：步驟1：將多變異策略融入差分進(jìn)化優(yōu)化算法形成改進(jìn)后的差分進(jìn)化機(jī)理，多變異策略包括變異、雜交和選優(yōu)三個(gè)過(guò)程；步驟2：將步驟1的改進(jìn)后的差分進(jìn)化機(jī)理和似然函數(shù)相結(jié)合應(yīng)用于估計(jì)目標(biāo)船舶的DOA方位；其中，所述步驟1中，將待優(yōu)化解參數(shù)記為β，其具體包括以下過(guò)程：過(guò)程11：多變異策略搜索下一個(gè)優(yōu)化解的迭代計(jì)算式為式(5)，由式(5)迭代式得到變異階段的更新解βm；式(5)中，βm為模擬生物變異搜索下一個(gè)新的解，βbest為至目前為止的最優(yōu)解；l＝1,…,Ns，Ns為進(jìn)化生物的規(guī)模；d＝1,…,D，D為待求解參數(shù)的維數(shù)，βmax(d)和βmin(d)分別為可能解的第d維的最大值和最小值；F為[02]之間的隨機(jī)數(shù)，為[-11]之間的隨機(jī)數(shù)；r1、r2和r3為在[1Ns]之間隨機(jī)產(chǎn)生與i相鄰解的序號(hào)，注意r1≠r2≠i，r1≠r2≠r3≠i；p(l)和分別為與目標(biāo)函數(shù)值成正比的不同可能優(yōu)化解的概率和平均概率，p(l)由式(6)計(jì)算得到，式(6)中的fit(βl)為衡量第l個(gè)解βl優(yōu)化效果的目標(biāo)函數(shù)；過(guò)程12：雜交：由式(7)迭代式得到雜交階段的更新解βc，并根據(jù)式(9)-(10)計(jì)算它們相應(yīng)的目標(biāo)函數(shù)J；式(7)中的ks為[1Ns]之間的隨機(jī)整數(shù)；為[01]之間產(chǎn)生的隨機(jī)數(shù)，CR為雜交率，它的取值范圍在[01]；式(9)為估計(jì)n個(gè)DOA方位θi的似然函數(shù)，式(9)中，為噪聲子空間的投射矩陣，它具體式為I為m×n維的單位...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：王榮杰，
申請(qǐng)(專利權(quán))人：集美大學(xué)，
類型：發(fā)明
國(guó)別省市：福建;35