基于SCAGOA优化BP神经网络和极大似然算法的DOA估计研究

陈 婷，燕慧超，王 鹏，谭秀辉，白艳萍

(中北大学 理学院，山西 太原 030051)

0 引 言

海洋资源非常丰富，开发海洋资源，破解海洋信息已成为众多专家学者的研究方向.水声信号是破解海洋信息的关键，属于阵列信号的研究内容.根据信号在空间各个方向上的能量分布，得到信号的空间谱，就能得到信号的波达方向，常被称为DOA估计[1].自20世纪70年代末开始，由Schmidt R O等提出的子空间类方法——多重分类信号(MUSIC)算法[2-4]，在DOA估计方面实现了向现代超分辨测向技术的飞跃.其主要对阵列的输入数据进行奇异值分解或特征分解以获得信号子空间和噪声子空间，并利用两个子空间的正交性构造“针状”空间谱峰，该算法具有很好的角度分辨能力，但是运算量偏大.另一类重要方法是以旋转不变子空间(ESPRIT)为代表的子空间类算法[5-6]，利用信号子空间的旋转不变特性进行DOA估计，能够避免运算量极大的谱搜索过程，但需要通过特殊的阵列结构才能实现，适用范围相对较窄.20世纪80年代后期，又出现了一类子空间拟合类算法，比较有代表性的有极大似然(ML)算法[7-8]、加权子空间拟合(WSF)算法[9]等.其中ML算法中由于方向估计似然函数是非线性的，求解其最优解需多维搜索，运算量巨大，但是与子空间分类算法(如MUSIC，ESPRIT)相比，在低信噪比、小快拍数据情况下，其性能要好很多.近几十年来，神经网络被广泛应用于工程应用中，基于神经网络的DOA估计无需进行特征值分解以及谱峰搜索，计算时间大大降……