论文部分内容阅读
矢量水听器的提出对于处理水下信号,迈出了很重要的一大步,改善了声压水听器的很多性能,由于其良好的性能广泛应用于水下的信息传输、目标检测、目标定位、跟踪等方面。本文采用两类改进的智能算法分别优化BP神经网络和最大似然估计对矢量水听器的波达方向估计(DOA,Direction of Arrival Estimation)进行研究,主要研究内容如下:1.BP神经网络对初始参数的选择非常敏感,如果参数选择不当,那么BP神经网络往往陷入局部极小,收敛速度慢。灰狼算法(Grey Wolf Optimizer,GWO)的特点而导致灰狼的种群多样性得不到保持,很容易陷入局部最优,但差分算法(Differential Evolution,DE)则有很强的全局搜索能力,原理简单、受控参数少、容易实现,因此将差分算法的变异和选择操作引入GWO算法中,有利于保持灰狼种群的多样性,并利用交叉选择操作更新灰狼个体位置,这样得到了差分进化算法与灰狼算法相结合的差分灰狼算法,DEGWO。利用DEGWO优化BP神经网络的参数建立了DEGWO-BP模型,对矢量水听器阵列信号的波达方向进行研究,并得到了在不同信噪比下的误差估计。仿真实验结果说明DEGWO-BP模型优于BP、GWO-BP、PSO-BP和SAPSO-BP模型,不仅有更好的估计精度,更好的收敛速度和优化性能。并将DEGWO-BP用汾河二库的数据进行实测实验,有效地实现了DOA估计。结果表明了本文所提的DEGWO-BP模型具有更好的普遍适用性以及良好的应用前景。2.将混沌理论与樽海鞘群算法(Salp Swarm Algorithm,SSA)相结合得到了改进的混沌樽海鞘算法,CSSA,并将CSSA优化最大似然估计对矢量水听器进行DOA估计。本文中在单信号源,双信号源以及不同的低信噪比情况下,CSSA、SSA和经典的粒子群(Particle Swarm Optimization,PSO)算法分别优化最大似然估计算法DOA估计进行仿真实验。仿真实验结果表明,本文提出的CSSA算法可以很好地优化最大似然估计算法的参数实现波达方向的估计。并将CSSA算法优化最大似然估计算法的混合算法应用于汾河二库的实际数据进行DOA估计,结果表明本文所提出的改进算法有较好的估计精度,再次论证了改进算法对于实际运用有很强的指导意义。本文提出的两种方法,均经过计算机仿真实验和实际数据的处理,效果较以往方法有一定的优越性,为矢量水听器波达方向的估计提供了新的思路,希望能对阵列信号的处理以及波达方向方向估计的研究人员有所启发。