一種基于連續蟻群算法的快速最大似然DOA估計

王輝輝 陳玉鳳

(1.西安電子工程研究所 西安 710100;2.西北工業大學航海學院 西安 710072)

0 引言

DOA(Direction Of Arrival)估計在雷達、聲納、無線通信、無源定位等領域有著重要應用。最大似然估計(maximum likelihood，ML)［1］算法是一種漸進無偏估計，它不僅在高信噪比下性能逼近克拉美羅界，達到最佳，而且在低信噪比下也具有很好的性能。在方位估計問題中，由于最大似然估計算法需要在全局進行最優化求解，因此不可避免引入復雜的計算和多維的非線性求解，這會導致ML算法的收斂性變差，同時不易求得最優解［2］。近些年，為了解決最大似然估計的計算量大的問題，迭代的方法［3］、遺傳進化的方法［4］和馬爾科夫蒙特卡羅的方法［5］被引入ML估計的求解中，但是這些方法要求給定一個比較接近真值的初始值，容易收斂到局部極值點，難以收斂到全局最優點等問題。意大利學者Dorigo M首次提出了蟻群算法，該算法是一種基于模擬螞蟻覓食行為的模擬進化算法。焦亞萌等人將蟻群算法引入到最大似然估計的求解中，提出了ACOML算法［7］，大大降低了運算量，但是該算法使用隨機分布的策略來實現狀態空間的初始化，因此初始解的遍歷性不能得到很好的保證。本文使用混沌序列代替隨機序列進行狀態空間的初始化，以增加初始解的遍歷性，同時為了尋求最優解還在全局搜索的基礎上增加了局部搜索，使得計算量大大的減小，僅為ML方法的1/20，同時還具有和ML算法一致的分辨估計精度。

1 ML算法

假設陣列為均勻線列陣，且具有M個各向同性的陣元。……