計(jì)算智能方法在非合作信號(hào)參量估計(jì)中的應(yīng)用研究.pdf

1、極大似然估計(jì)是統(tǒng)計(jì)中最重要，應(yīng)用最廣泛的方法之一，在理論上是最優(yōu)的，是有效的一致性估計(jì)。在理論上極大似然可以獲得最優(yōu)的性能，但實(shí)現(xiàn)這種估計(jì)的算法是極其繁重的，需要進(jìn)行多變量非線性最大值的全局搜索，其搜索的運(yùn)算量驚人。這個(gè)問(wèn)題是MLE方法應(yīng)用的瓶頸問(wèn)題，在現(xiàn)有芯片條件下，沒(méi)有可實(shí)現(xiàn)性。而計(jì)算智能算法的主要應(yīng)用對(duì)象是優(yōu)化問(wèn)題的難解問(wèn)題，也就是優(yōu)化理論中的NP問(wèn)題。有鑒于此，本論文根據(jù)在非合作參數(shù)估計(jì)中的實(shí)際情況，把計(jì)算智能的禁忌搜索算法、混

2、沌尋優(yōu)算法、遺傳算法及其改進(jìn)算法適宜的用在DS/SS信號(hào)的PN碼的極大似然估計(jì)和多信號(hào)源的波達(dá)方向的極大似然估計(jì)這兩個(gè)難解的優(yōu)化問(wèn)題。
　　本論文主要包括以下創(chuàng)新之處：
　?。?）研究了非合作情況下DS/SS信號(hào)的擴(kuò)頻碼估計(jì)的極大似然模型。PN碼估計(jì)的極大似然方法是一個(gè)組合優(yōu)化問(wèn)題，其最優(yōu)的估計(jì)就是遍歷所有可能的輸入組合，這是一個(gè)NP問(wèn)題。
　　（2）提出了一種基于禁忌搜索的DS/SS信號(hào)的PN碼估計(jì)算法。該方法利用禁

3、忌搜索的全局尋優(yōu)能力來(lái)處理PN碼的極大似然估計(jì)這個(gè)NP問(wèn)題。這種方法即使是在很低的信噪比下（如-18db）也具有很好的估計(jì)性能。算法對(duì)擴(kuò)頻碼本身的特性沒(méi)有任何先驗(yàn)知識(shí)要求，對(duì)信息碼除需要知道碼元寬度外也不需要任何先驗(yàn)知識(shí)。算法具有多項(xiàng)式計(jì)算復(fù)雜度，并且在低的數(shù)據(jù)采樣窗口數(shù)下可獲得比特征分析法好的性能。
　　（3）提出一種基于改進(jìn)的混沌尋優(yōu)的DS/SS信號(hào)的PN碼估計(jì)算法。該算法利用混沌載波的方法進(jìn)行粗搜索，而求得一個(gè)近似最優(yōu)解；然

4、后通過(guò)簡(jiǎn)單的局部鄰域搜索進(jìn)行細(xì)搜索來(lái)獲得全局最優(yōu)解。該算法除了具有基于禁忌搜索的DS/SS信號(hào)的PN碼估計(jì)的優(yōu)良性能外，由于采用的是連續(xù)優(yōu)化的思想，故在優(yōu)化過(guò)程中需要計(jì)算的候選解的個(gè)數(shù)大大減少，比采用禁忌搜索來(lái)估計(jì)PN碼的計(jì)算量大大減少。
　?。?）提出一種基于聯(lián)姻策略的梯度并行遺傳算法的DS/SS信號(hào)的PN碼估計(jì)算法。該算法采用了聯(lián)姻策略、類似梯度的復(fù)制算子和邏輯交叉變異算子，這就使得算法既能快速收斂也能避免早熟。相對(duì)于基于禁忌

5、搜索的DS/SS信號(hào)的PN碼估計(jì)的四次方的計(jì)算復(fù)雜度，此種方法具有立方復(fù)雜度。由于是多種群進(jìn)化故可以在實(shí)現(xiàn)上采用并行的方式，這樣就大大的提高了算法的實(shí)時(shí)性。
　?。?）針對(duì)特征分析法需要進(jìn)行特征值分解而帶來(lái)的計(jì)算量大的問(wèn)題提出了用子空間迭代的快速計(jì)算方法來(lái)估計(jì)DS/SS信號(hào)的PN碼，避免了特征值分解，在性能和計(jì)算量之間進(jìn)行折衷。相對(duì)于特征分析法的立方復(fù)雜度，子空間迭代方法具有平方復(fù)雜度。而子空間迭代的性能較特征分析法只在低性噪比和

6、少數(shù)據(jù)采樣窗口數(shù)下有一些損失。
　?。?）提出一種基于QR分解的快速計(jì)算方法來(lái)估計(jì)DS/SS信號(hào)的PN碼。該方法利用數(shù)據(jù)協(xié)方差矩陣的特殊結(jié)構(gòu)通過(guò)矩陣變換求得信號(hào)子空間的粗略估計(jì)，然后對(duì)粗估得到的信號(hào)子空間進(jìn)行一次QR分解而得到需要估計(jì)的擴(kuò)頻碼。這種方法由于是采用了部分的協(xié)方差矩陣的信息，從而性能上有一定的惡化，但由于只進(jìn)行一次QR分解，而不需要子空間迭代算法中的循環(huán)，故計(jì)算量進(jìn)一步的減少。在某些對(duì)實(shí)時(shí)性要求強(qiáng)而容許一定的性能惡化的

7、應(yīng)用背景中是值得推薦的一種算法。
　　（7）提出了一種基于禁忌搜索的DOA估計(jì)算法。從我們的研究可以得出，作為一種啟發(fā)式搜索算法，禁忌搜索算法應(yīng)用于實(shí)現(xiàn)DOA的極大似然估計(jì)是一種全局優(yōu)化算法，能夠跳出局部極值。禁忌搜索能在較小的計(jì)算代價(jià)下獲得與AP算法相比的性能，特別在相干的情況下禁忌搜索能以大約39.3％的計(jì)算量獲得比AP算法0.6度左右的提高。故用禁忌搜索算法實(shí)現(xiàn)DOA估計(jì)是一種有效可行的算法。
　?。?）結(jié)合混沌尋優(yōu)的

8、全局尋優(yōu)能力和極大似然估計(jì)的優(yōu)良性能，提出了兩種基于混沌尋優(yōu)的DOA估計(jì)算法，即隨機(jī)初值的混沌優(yōu)化算法和一維優(yōu)化值為初值的混沌算法兩種估計(jì)算法。相對(duì)于禁忌搜索方法而言，該方法避免了其編解碼的運(yùn)算和大的矩陣的存儲(chǔ)和計(jì)算。在相干信號(hào)的情況下，算法的性能較禁忌搜索算法有進(jìn)一步的改善。并且由于混沌優(yōu)化算法內(nèi)在的并行性決定了提出的兩種算法的并行性，而不像AP算法的搜索是基于前一次的搜索結(jié)果進(jìn)行的，故在硬件實(shí)現(xiàn)中，可采用并行實(shí)現(xiàn)的方式來(lái)進(jìn)一步提高搜