论文部分内容阅读
近几十年来,随着对雷达目标特性研究以及宽带微波技术、宽禁带半导体技术、大规模集成电路以及计算机应用技术的突飞猛进,结合模式识别理论、机器视觉等多学科的特点,雷达技术得到了蓬勃的发展,其功能不仅仅包括目标检测与定位,还有目标的跟踪、识别、成像和分类等。在雷达的众多应用领域中,最重要的就是雷达侦察这一环节。利用雷达侦查技术不仅可以捕获、测量、分析、辨识、锁定敌方的雷达信号,还可以获得有用的技术参数、作战部署以及地理坐标等作战情报。但是,在所捕获的雷达信号中常常夹杂着噪声的干扰,因此,在含噪声干扰的背景下,准确、快速、高效地实现线性调频信号的参数估计具有重要的研究意义。此外,在其他的实际应用领域中,线性调频信号的参数估计也有着广泛应用,如地震勘测、脑电图信号、蝙蝠声纳信号等。在处理这些线性调频信号时,观测数据往往也会受到噪声的干扰,因此,附加噪声干扰的线性调频信号参数估计问题是一个比较重要的研究课题。在线性调频信号处理中应用最广泛的是最大似然估计法。最大似然估计方法理论上可以达到Cramer-Rao下界,在参数估计应用中具有最高的估计精度,但由于最大似然估计法存在二维搜索的需求,存储量和计算量较大,这在很大程度上限制了它的应用和发展,因此,如何减少最大似然方法在参数估计时的搜索计算量是一个重要的问题。本文针对这一问题,分别采用粒子群优化算法和人工蜂群算法来进行研究。首先本文引入粒子群算法对多分量线性调频信号参数最大似然估计优化下参数估计进行优化,主要从以下三点展开工作:(1)为了大大减少最大似然参数估计的计算量,本文提出了多分量线性调频信号最大似然估计参数估计的全局模式PSO算法。该方法结构简单、收敛速度快,可以有效减少计算量。(2)为了在较低信噪比的情况下实现参数的有效估计,本文提出了多分量线性调频信号最大似然估计参数估计的局部模式PSO算法。该算法搜索稳定性较好且不易陷入局部最优,具有较高的耐噪性。(3)为了提高参数估计成功率和搜索精度,本文结合全局模式和局部模式粒子群算法的邻域结构特点提出多分量线性调频信号最大似然估计参数估计的混合模式PSO算法。为了进一步提高参数估计分辨率,本文引入人工蜂群算法对多分量线性调频信号参数最大似然估计优化下参数估计进行优化,主要从以下三点展开工作:(1)基于人工蜂群算法具有控制参数少、易于实现、鲁棒性强的特点,本文提出多分量线性调频信号最大似然估计参数估计的基本人工蜂群算法。该算法全局搜索开发能力强,具有较高的信号参数分辨率。(2)为了加快算法的收敛速度,本文加入全局交叉操作和多维并行搜索机制,提出了多分量线性调频信号最大似然估计参数估计的多维并行搜索的全局人工蜂群算法。该算法收敛性好,收敛速度快。(3)为了进一步提高算法的精度,本节结合了基本人工蜂群算法的和多维并行搜索的全局人工蜂群算法的特点,提出了多分量线性调频信号参数估计的多维并行搜索混合人工蜂群算法,该算法稳定性好,不易陷入局部最优,搜索精度较高。