量子进化算法在水下目标DOA估计中的应用.pdf

第27卷第9期
计算机应用研究
Vol 27 No 9
2010年9月
Application Research of Computers
p.2010
量子进化算法在水下目标DOA估计中的应用
牛奕龙,王毅,孙进才
(画北エ业大学a.航海学院;b.电子信息学院,西安710072
摘要:高分辨DOA估计算法的空间谱搜索送算量大、耗时长,利用量子进化算法(QEA)的并行加速特性对其
进行优化,是满足应用实时性的有效途径。利用模拟退火原则对传统QEA的旋转角取值策略进行了改进,并在
比较DOA估计的信号相位匹配(SPM)算法、 MUSIC算法和CBF算法的计算复杂度的基础上,提出了一种基于
改进QEA(MQEA)的水下目标SPM定向算法。仿真实验和湖试数据实验结果表明,所提算法测向精度虽稍有
下降,但大幅編短了计算耗时,提高了DOA估计的实时性。
关键词:DOA估计;量子进化算法;信号相位匹配;计算复杂度
中图分类号:TN911.7文献标志码:A文章编号:1001-3695(2010)09-3294-03
doig10.3969/j.issn.1001-3695.2010.09.024
Application of quantum-inspired evolutionary algorithm for DOA
estimation of underwater target
NIU Yi-long, WANG Yi", SUN Jin-cai
a.SchoolorfMarine,b.SchoorElecronierelnformion,orhesermnPoyechnicalUiniersiy,Xi'an71072,China)
Abstract: QEA is an effective approach, for the real-time applications, to reduce the computational load of the high-resolu-
tion DOA estimation algorithms, Improved the selection strategy of angle of rotation in QE A by the simulated annealing princi
ple. Comparing the computatonal complexity among PM, MUSIC and BF and ten, proposed a DOA estimation algorithm of
underwater target based on the modified QE A(MQEA ) and SPM. The simulated experiments and lake test data experiments
all show that the run-time is shorten by the proposed method sigmificantly, while the precision of direction finding decrease in
small, improving the real-time performance of DOA estimation
Key words: DOA estimation; quanum-inspired evlutonay algor tm(QA); signal pase matching; computation complex-
量子计算们的并行性、指数级存储容量和指数加速特征较SPM算法与传统DOA估计算法MUSC?和CBF?计算复
展示了其强大的运算能力,近年来已在保密通信、密码系统、数杂度的基础上,从满足工程应用的角度分析了SPM与QEA相
据库搜索等领域得到成功应用。从20世纪90年代末开始,一结合进行DOA估计,在减小工程计算复杂度、缩短运算耗时等
种将进化算法与量子计算相融合的技术ー量子进化算法1方面的优势。仿真实验和湖试数据实验也表明,所提算法的优
(QEA),引起了各国学者的广泛关注。该算法以量子比特和化复杂度低、实时性好。
量子叠加态等为基础,将量子比特的概率幅值应用于染色体编
码,用量子旋转门实现染色体的更新操作,从而推进种群进1量子进化算法原理
化
与经典的进化算法相比,QEA具有很多优点?:a)更好的
1.1QEA流程及其与进化算法的差异
种群多样性和全局寻优能力;b)种群规模较小但不影响算法
QEA的流程如图1所示。在第代的染色体种群为
的性能;c)在进化过程中利用了个体过去的历史信息等。然
Q(t)=q,,,
而,由于QEA算法中的旋转门是最终实现进化操作的执行机其中:为种群大小,g为进化代数,为如下定义的染色体
构,旋转角的大小将影响收敛速度,太大会使结果发散或早熟
(1)
收敛,太小又会使搜索停滞不前3。而现有算法大多为固定
er es b.les Ju
旋转角度值,使算法橢确性、稳定性受到限制。
其中:m为量子染色体的长度。
针对上述问题,本文借鉴模拟退火渐变一稳定的思想,根
由图1可以看出,QEA与传统进化算法的不同仅在于生
据进化代数及个体的适应度值在自适应修正旋转门旋转角度成种群的P(g)的方式不同,前者是由Q(g)生成P(g),并对
值的基础上,提出了一种改进的量子进化算法,并针对水声定Q(g)进行更新。在“由Q(g)生成P(g)”这一步中,通过观察
向领域工程实时性的要求,利用其优化基于信号相位匹配原Q(g)状态产生一组解P(g)。在第g代中P(g)=1x,,
理( signal phase matching,PM)的水下目标定向方法,在比,每个(=1,2,…,n)是长度为m的申(x,2,…,xn),
收稿日期:2010-03-21;修回日期:2010-04-15甚金项目:国家自然科学基金资助项目(60672136
作者简介:牛奕龙(1979-),男,西安人,讲师,博士,主要研究方向为水声信号处理、人工智能(yilong_niu@163.com);王(1979-),女,西安
人,讲师,博士,主要研究方向为信号处理、人工智能算法;孙进オ(1938-),男,江用人,教機,博士,主要研究方向为水声工程、信号处理,
万方数据