采用粒子群算法的空时二维参数估计

doi:10.3724/SP.J.1087.2012.03054

计算机应用 ›› 2012, Vol. 32 ›› Issue (11): 3054-3056.DOI: 10.3724/SP.J.1087.2012.03054

采用粒子群算法的空时二维参数估计

邱新建¹,²,山拜?达拉拜¹,薛凤凤³

1. 新疆大学信息科学与工程学院, 乌鲁木齐 830046
2. 中国人民解放军 68203部队，甘肃酒泉 735000
3. 空军工程大学电讯工程学院, 西安 710077

收稿日期:2012-05-13 修回日期:2012-06-26 发布日期:2012-11-12 出版日期:2012-11-01
通讯作者: 邱新建
作者简介:邱新建（1984-），男，陕西南郑人，博士研究生，主要研究方向：智能信号处理；山拜·达拉拜（1959-），男（哈萨克族），新疆乌鲁木齐人，教授，博士，主要研究方向：阵列信号处理、智能信号处理；薛凤凤（1985-），女，陕西西安人，博士研究生，主要研究方向：智能信号处理。
基金资助:
国家自然科学基金资助项目（60971130）

Application of particle swarm optimization to spacetime twodimensional parameter estimation

QIU Xin-jian¹,²,SHANBAI Dalabaev¹,XUE Feng-feng³

1. College of Information Science and Engineering, Xinjiang University,Urumqi Xinjiang 830046,China
2. Unit 68203 of PLA, Jiuquan Gansu 735000, China
3. Telecommunications Engineering Institute, Air Force Engineering University, Xi’an Shaanxi 710077,China

Received:2012-05-13 Revised:2012-06-26 Online:2012-11-12 Published:2012-11-01
Contact: QIU Xin-jian

摘要/Abstract

摘要： 针对传统的空时二维参数估计计算复杂、鲁棒性及通用性差、收敛速度慢等缺点，根据空时具有等效性，以空域和时域处理算法可以相互转化为基础，推导出合适的适应度函数，运用改进的粒子群算法同时搜索信号的到达角和频率，用Kmeans聚类算法对搜索结果进行分类,利用粒子群算法计算简单、全局收敛、可并行性等特点提高算法的搜索能力。计算机仿真表明，与传统的方法相比该算法具有较好的统计和收敛性能。

关键词: 空时二维参数估计, 粒子群算法, 谱估计

Abstract: The traditional spacetime twodimensional parameter estimation has many shortcomings, such as high computational complexity, poor robustness and generalization, and slow convergence speed. According to the spacetime equivalence and that the spatial and time domain processing algorithms can be transformed into each other, a suitable fitness function was derived, the improved particle swarm algorithm was used to search the arrival angle and frequency of signal, and the search results were classified with Kmeans clustering algorithm. Using particle swarm algorithms feature, such as global convergence, parallelism, can improve the algorithms searching capabilities. The computer simulation shows that the proposed method has better statistics and convergence performance than traditional methods.

Key words: spacetime twodimensional parameter estimation, Particle Swarm Optimization (PSO), spectrum estimation

中图分类号:

TP18

邱新建山拜?达拉拜薛凤凤. 采用粒子群算法的空时二维参数估计[J]. 计算机应用, 2012, 32(11): 3054-3056.

QIU Xin-jian SHANBAI Dalabaev XUE Feng-feng. Application of particle swarm optimization to spacetime twodimensional parameter estimation [J]. Journal of Computer Applications, 2012, 32(11): 3054-3056.

参考文献

［1］ SCHMIDT R O. Multiple emitter location and signal parameter［J］. IEEE Transactions on Antennas and Propagation, 1986,34(3): 276-280. ［2］ ZENG WENJUN,LI XILIN,ZHANG XIANDA.Directionofarrival estimation based on the joint diagonalization structure of multiple fourthorder cumulant matrices［J］.IEEE Transactions on Signal Processing Letters,2009,16(3):164-167. ［3］徐尚志, 王树勋. 复杂噪声中基于累积量的二维DOA估计［J］. 安徽大学学报：自然科学版, 2002,26(2): 29-33. ［4］黄磊, 吴顺君, 张林让, 等. 快速子空间分解方法及其维数的快速估计［J］.电子学报,2005,33(6): 977-981. ［5］黄可生, 张国柱, 黄知涛, 等. 基于Lanczos算法的宽带相关信号DOA快速估计［J］.电子学报,2005,33(6): 977-981. ［6］ FU Z, DOWLING E M. Conjugate gradient eigenstructure tracking for adaptive spectral estimation［J］. IEEE Transactions on Signal Processing, 1995,43(5): 1151-1160. ［7］张光卫,何锐,刘禹.基于云模型的进化算法［J］.计算机学报，2008,31(7):1082-1091。［8］李大字,钱丽,靳其兵. 改进的全局Kmeans算法及其在数据分类中的应用［J］.信息与控制,2011,40(1):100-103。［9］ CHEN WENYEN,SONG YANGQIU,BAI HONGJIE， et al. Parallel spectral clustering in distributed systems［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2011,33(3):568-586. ［10］杨争斌, 钟丹星, 郭福成, 等. 一种基于高斯牛顿迭代的单站无源定位算法［J］.系统工程与电子技术, 2007,29（12）: 2006-2009. ［11］ DASH P K, HASAN S. A fast recursive algorithm for the estimation of frequency, amplitude,and phase of noisy sinusoid［J］. IEEE Transactions on Industrial Electronics,2011,58(10):4847-4856. ［12］ SELVA J. An efficient Newtontype method for the computation of ML estimators in a uniform linear array［J］. IEEE Transactions on Signal Processing,2005,53（6）: 2036-2045, ［13］ PATRE P M, MacKUNIS W, KAISER K，et al. Asymptotic tracking for uncertain dynamic systems via a multilayer neural network feedforward and rise feedback control structure［J］. IEEE Transactions on Automatic Control,2008,53(9): 2180-2185.

[1]	罗瀛, 曾庆宁, 龙超. 多噪声环境下双微阵列语音增强算法[J]. 计算机应用, 2019, 39(8): 2426-2430.
[2]	武旭晨, 朴春慧, 蒋学红. 基于GPU并行计算的电动出租车新建充电站选址模型[J]. 计算机应用, 2019, 39(10): 3071-3078.
[3]	王庆荣, 王瑞峰. 基于改进粒子群算法的配电网重构策略[J]. 计算机应用, 2018, 38(9): 2720-2724.
[4]	谢红侠, 马晓伟, 陈晓晓, 邢强. 基于多种群的改进粒子群算法多模态优化[J]. 计算机应用, 2016, 36(9): 2516-2520.
[5]	韩雪, 程奇峰, 赵婷婷, 张利民. 基于粒子滤波重采样与变异操作的改进粒子群算法[J]. 计算机应用, 2016, 36(4): 1008-1014.
[6]	刘金刚, 周翊, 马永保, 刘宏清. 用于自动语音识别系统的切换语音功率谱估计算法[J]. 计算机应用, 2016, 36(12): 3369-3373.
[7]	何莉, 刘晓东, 李松阳, 张倩. 多核环境下并行粒子群算法[J]. 计算机应用, 2015, 35(9): 2482-2485.
[8]	闫华, 高黎, 刘国勇, 王红旗. 基于多时间窗的油料保障模型[J]. 计算机应用, 2015, 35(7): 2096-2100.
[9]	尚俊娜, 刘春菊, 岳克强, 李林. 基于改进双系统协同进化算法的无线传感器网络节点定位[J]. 计算机应用, 2015, 35(6): 1514-1518.
[10]	于泉, 孙顺远, 徐保国, 陈淑娟. 基于改进粒子群算法的无线传感器网络节点定位[J]. 计算机应用, 2015, 35(6): 1519-1522.
[11]	徐华, 张庭. 改进离散粒子群算法求解柔性流水车间调度问题[J]. 计算机应用, 2015, 35(5): 1342-1347.
[12]	刘德亮, 刘开华, 于洁潇, 张良, 赵阳. 短快拍条件下宽带chirp信号的波达方向估计[J]. 计算机应用, 2015, 35(2): 351-353.
[13]	黄会群孙虹. 粒子群选择特征和信息增益确定特征权值的入侵检测[J]. 计算机应用, 2014, 34(6): 1686-1688.
[14]	王文蕊吴耀华. 自动导引车系统资源分配问题的建模及求解[J]. 计算机应用, 2014, 34(3): 767-770.
[15]	张玲王玲吴桐. 基于改进的粒子群算法优化反向传播神经网络的热舒适度预测模型[J]. 计算机应用, 2014, 34(3): 775-779.

采用粒子群算法的空时二维参数估计

Application of particle swarm optimization to spacetime twodimensional parameter estimation

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics