[发明专利]一种基于量子鸟群演化机制的阵列幅相误差校正方法

说明书

本发明属于阵列信号处理领域，具体涉及一种基于量子鸟群演化机制的阵列幅相误差的校正方法。包括进行相位误差校正，进行幅度误差校正；利用已知独立信源建立接收数据模型后每次校正的步骤为：初始化量子鸟群；计算每只量子鸟量子位置的适应度，得到每只量子鸟的局部最优量子位置和量子鸟群全局最优量子位置；通过更新每只量子鸟的量子旋转角更新量子位置；计算每只量子鸟量子位置更新后的适应度，更新每只量子鸟局部最优量子位置和量子鸟群全局最优量子位置；判断是否达到最大迭代次数；输出全局最优量子位置并映射为相位或幅相误差矩阵。本发明只需一个已知的辅助信源，算法模型简单，运算量较少，具有收敛速度快，收敛精度高的优点。

技术领域

本发明属于阵列信号处理领域，具体涉及一种基于量子鸟群演化机制的阵列幅相误差的校正方法。

背景技术

信号的波达方向估计是阵列信号处理中的重点研究问题。MUSIC算法是基于特征分解的波达方向估计算法，阵列为理想模型时该算法有很高的估计精度与分辨能力，但在实际应用中由于阵列中存在误差导致算法性能显著下降。

大多数阵列误差为幅度和相位的误差，其中幅度误差导致谱峰高度变化，相位误差导致谱峰位置变化，对阵列的幅相误差校正有着重要的意义。

根据已有文献发现，程丰等在《电子与信息学报》(2017,Vol.39,No.8,pp.1899-1905)上发表的“一种基于旋转测量的阵列幅相误差校正新方法”中提出的方法算法模型复杂，计算量较大且校正精度不高。杨勇等在《国防科技大学学报》(2011,Vol.33,No.1,pp.91-94)上发表的“基于模拟退火算法的阵列模型有源校正方法”中提出的方法收敛速度较慢、运算时间较长。

上述所提到的阵列幅相误差校正方法虽然取得了较好的结果，但算法模型较复杂、运算量较大，因此需要设计一种新的阵列幅相误差校正方法解决这些问题。

发明内容

本发明的目的在于提供一种收敛速度快、收敛精度高的基于量子鸟群演化机制的阵列幅相误差的校正方法。

一种基于量子鸟群演化机制的阵列幅相误差的校正方法，具体包括如下步骤：

步骤1、根据已知信源建立接收数据模型；

步骤2、求解相位误差的量子鸟群演化机制参数初始化；量子鸟群群体规模为N_b，最大迭代次数为G，第i只量子鸟的量子位置为其中t为迭代次数，随机生成所有量子鸟的量子位置，满足其中令映射的第一个阵元相位误差为0rad，i＝1,2,…,N_b；

步骤3、对所有量子鸟的量子位置进行适应度计算，将第i只量子鸟的量子位置映射为相位误差矩阵分别为第m个阵元相位误差最小值和最大值，m＝1,2,…,M；

步骤4、更新每只量子鸟的量子位置，量子鸟群有三种行为，即飞行行为、觅食行为、警戒行为；

步骤5、对每只量子鸟的新量子位置进行适应度计算，将第i只量子鸟的量子位置映射为相位或幅相误差矩阵利用适应度函数计算适应度，其值亦代表的适应度；

步骤6、更新每只量子鸟的局部最优量子位置和全局最优量子位置；

步骤7、判断迭代次数t是否达到最大迭代次数G；若达到，判断是否为校正相位误差，若是，执行步骤8；若不是，执行步骤10，若没达到最大迭代次数，令t＝t+1，返回步骤4继续执行；

步骤8、输出量子鸟群的全局最优量子位置，映射为相位误差是第m个阵元的相位误差估计最优值，m＝1,2,…,M；

步骤9、进行幅度误差校正；

步骤10、输出量子鸟群的全局最优量子位置，映射为幅相误差矩阵。