基于混合變異GOA優化極大似然的DOA估計研究

陳 婷， 白艷萍

（中北大學理學院，太原 030051）

陣列信號處理是信號處理的一個重要分支，目的是對陣列接收信號進行處理，增強所需有用信號，抑制無用的干擾和噪聲，并提取有用的信號特征及信號所包含的信息［1］. 陣列信號處理研究的主要問題有以下幾個方面：波束形成技術、空間譜估計、信號源定位和信源分離［2］. 其中，空間譜估計就是對空間信號波達方向的分布進行超分辨估計. 波達方向估計（DOA）不僅是許多軍事和民用應用的一個過程，更是某些設備的基本功能，例如聲吶和魚雷. 對于這些設備來說，DOA估計的精度和速度會直接影響設備的性能，因此，如何改良DOA估計的精度和速度成為國內外當前研究的重點.

如何預估波達方向角，解決思路主要有以下兩種：一是建立純數學模型，通過大量計算得到結果，如傳統的多重信號分類算法［3］（MUSIC）、旋轉不變子空間算法［4］（ESPRIT）、極大似然算法［5］（ML）等；二是采用智能學習進行DOA估計，如BP神經網絡［6］，徑向基神經網絡［7］等. 大多數DOA估計方法都需要對數據協方差矩陣進行特征分解，并且都有一定閾值限制，在低信噪比和少快拍數下，ML方法優于MUSIC方法和ESPRIT方法，所以我們選用ML方法進行主要討論研究.

極大似然估計（ML）方法是子空間擬合類算法中的一種，但是由于其非線性的方向估計似然函數，導致在求解最優解時需進行多維搜索，運算量較大［8-9］. 近年來，基于仿生學的智能算法得到了快速的發展和廣泛的應用，不少研究人員嘗……