论文部分内容阅读
近年来,随着精确制导武器的发展,多模复合制导体制已经成为了研究的热点。采用极化敏感天线阵列,能够使被动测向系统兼容其他制导模式的探测传感器。极化敏感天线阵列可以同时对入射电磁波的波达方向(Direction of Arrival,DOA)信息和极化信息进行观测,提高了测向系统的整体性能。多重信号分类(Multiple Signal Classification,MUSIC)算法在阵列信号处理的参数估计中具有超分辨特性而在实际工程中被广泛应用,该算法主要包括特征分解与谱峰搜索两部分。极化信息的引入使得谱峰搜索由原来的二维搜索变成了四维搜索,计算量成指数增长,传统的遍历整个谱峰进行搜索的方法在实际工程应用中失效。遗传算法具有计算量小和并行性等特点,对求解全局最优化问题有独特的优势,能够弥补谱峰搜索计算量大的问题,但标准遗传算法(Simple Genetic Algorithm,SGA)容易陷入未成熟收敛。为降低极化MUSIC算法的计算量,克服标准遗传算法的未成熟收敛问题,本文将多种群遗传算法(Multiple Population Genetic Algorithm,MPGA)引入极化MUSIC算法谱峰搜索部分实现对DOA和极化参数的估计。该算法以标准遗传算法为基础,引入多个种群同时对四维谱函数进行优化搜索,通过移民算子进行各个种群之间的信息交流,通过人工选择算子保留各种群每代进化过程中的最优个体并将其保存到精华种群中,显著提高了标准遗传算法的收敛性,从而实现对DOA和极化参数的快速估计。本文通过仿真实验表明,多种群遗传算法克服了标准遗传算法未成熟收敛的问题,具有良好的全局搜索能力。本文将多种群遗传算法运用到极化MUSIC算法的谱峰搜索部分,并与降维的秩亏损MUSIC算法进行比较。通过蒙特卡罗实验表明,基于多种群遗传算法的DOA和极化参数估计的方法能够达到与降维的秩亏损MUSIC算法同等的估计精度,而且计算量远低于降维的秩亏损MUSIC算法,提高了算法实时性,具有很强的工程应用意义。为了验证本文提出的基于多种群遗传算法的DOA和极化参数估计方法的工程可行性,本文选择在TMS320C6678 DSP(Digital Signal Processor)硬件平台上实现。