论文部分内容阅读
理想模型下,以MUSIC算法为代表的超分辨估计算法具有优越性能,但是,实际中不可避免的阵列误差会导致这类算法的性能急剧下降。针对均匀线阵误差测不准、一般方法对信源数限制较严等问题,本论文对幅相误差估计方法作了一些研究。针对均匀线阵提出一种利用传统遗传算法来估测阵列幅相误差的方法。该方法适用于任意阵列,放宽了对信源数的限制,在估测幅相误差的基础之上对原导向矢量进行了修正,得到了更为准确的信号到达方向估计值。计算机仿真结果验证了此方法的有效性和可行性。但是,传统遗传算法由于收敛速度慢,导致过早收敛,只能搜索到最优解附近的一个值。本论文针对这一问题提出了利用基于梯度的遗传算法(Gradient-GA)估测幅相误差的方法。该方法在传统遗传算法全局收敛的基础上充分结合了梯度的快速收敛特性,从而使该算法能够迅速收敛,无论在收敛速度还是收敛精度上,都得到了较好的结果。