基于人工鱼群算法的声矢量传感器阵列的最大似然DOA估计

发布时间：2024-03-17 11:37

　　在阵列信号处理中,极大似然法(ML)对波达方向(DOA)估计有很好的性能,但由于多维非线性搜索的计算复杂,很难应用于工程中。为了降低ML方法的计算复杂度,提出了一种改进人工鱼群算法(AFSA)的声矢量传感器阵列的ML-DOA估计方法。仿真结果表明,与基于遗传算法(GA)、粒子群优化算法(PSO)和微分进化算法(DE)的ML-DOA估计相比,该算法具有更快的收敛速度、更低的RMSE、更低的计算复杂度和更稳定的性能。

【文章页数】：7 页

【部分图文】：

图1两信源下似然函数的最大化曲线

图1显示了IAFSA,GA,PSO和DE这4种算法在信噪比SNR为0dB和-15dB时的收敛性能。从迭代曲线中发现,IAFSA算法在两个实验中均表现优异,且相较于其他3种算法而言,IAFSA算法不仅收敛速度快,还能准确找到似然函数的最大值。另外,在SNR为-15dB时,PS....

图2信噪比为0dB时似然函数的最大化曲线

为进一步检验IAFSA算法的收敛效果。图2显示了在信噪比为0dB时,信源数增加情况下的变化曲线图。四信源时的方向为θ=[30°60°80°150°],而三信源时则依次取前3个。在实验中,由于部分算法的需要,将迭代次数增加到了200次,以保证实验结果的完整性。其余条件则与上....

图3DOA估计的均方根误差值ERMS随信噪比的变化曲线

实验中设置信噪比(SNR)从-20dB到20dB,间隔为2dB,其余实验条件与3.1节保持一致。图3分别表示了信源数为2、3和4时,DOA估计的均方根误差值ERMS随信噪比变化的曲线图。从图像上发现,随着信源数增加,4种算法的RMSE曲线发生了不同幅度的上升。其中GA和PS....

图4DOA估计的均方根误差值ERMS随Populationsize的变化曲线

从图4可以看出,在L=2时,所有算法在种群数量超过30以后都能达到一个非常接近的误差值,在L=3时,IAFSA和DE的情况变化不大,而其余两种算法则就需要更多的种群数量才能够达到与它们一样的估计效果,但是从整体上看,信号源数的增加也导致所有算法的误差值都有所上升。直到L=4时,I....

本文编号：3930974