基于布谷鳥搜索算法的最大似然DOA估計

張義元，張志成，石要武，劉昱兵

(吉林大學通信工程學院，長春130012)

0 引言

陣列信號處理是信號處理重點研究方向之一，近些年來得到迅速發展。信號的波達方向(DOA:Direction of Arrival)估計是陣列信號處理的重要研究內容和持續研究熱點之一，在雷達、聲納、通信和地震學等領域應用前景很大。最大似然(ML:Maximum Likelihood)參數估計方法是參數估計理論的典型估計方法，Ziskind首先將最大似然參數估計應用于信號的 DOA估計［1，2］。與 MUSIC(Multiple Single Classification)算法和ESPRIT(Estimating Single Parameters via Rotational Invariance Techniques)算法相比，ML算法的估計性能良好，具有很好的穩定性，尤其是低信噪比情況下，ML算法比MUSIC及其他子空間分解類算法性能強很多。但由于最大似然DOA估計的似然函數是多維非線性的極值問題，需要全局極值的多維搜索，運算量非常大。

20世紀后期，仿生智能算法脫穎而出，如粒子群優化算法(PSO:Particle Swarm Optimization)、遺傳算法(GA:Genetic Algorithm)和人工蜂群算法(ABC:Artificial Bee Colony)等，它們通過模擬自然界中生物的行為解決大規模復雜優化問題［3，4］。針對最大似然DOA估計問題的復雜性，一些研究學者將仿生智能算法應用于信號的DOA估計，取得了一些效果。Li等［5］將GA算法應用于最大似然DOA估計，首次實現了仿生算法的最大似然DOA估計。但GA算法容易出現過早收斂等問題。李俊武等［6］利用PSO算法做最大似然DOA估計，性能良好，但由于PSO算法收斂速度較慢，容易陷入局部最優解，在求解多個方向角同時估計時仍存在不足。

布谷鳥搜索算法(CS:Cuckoo Search)是YANG等［7］提出的仿生智能算法。該算法主要基于布谷鳥寄生繁殖機理和萊維飛行搜索兩方面。基于CS算法方法簡捷，求解復雜問題時優化速度快。……