基于遗传算法的自适应时延估计概要.docx
《基于遗传算法的自适应时延估计概要.docx》由会员分享,可在线阅读,更多相关《基于遗传算法的自适应时延估计概要.docx(19页珍藏版)》请在冰点文库上搜索。
基于遗传算法的自适应时延估计概要
V01.37.No.8Aug,2012
火力与指挥控制
Fire
Control&CommandControl
第37卷第8期
2012年8月
文章编号:
1002—0640(2012)08—0050—04
基于遗传算法的自适应时延估计+
王
江
(电子工程学院,合肥230037)
摘要:
基于四阶累积量的约束自适应时延估计(FOC—ETDE)算法具有良好的时延估计性能,但它需要良好的时延估计初值。
为了克服此缺点,引入遗传算法进行时延估计的寻优,无需时延的先验信息,在低信噪比的情况下可以准确地直接估计非整数倍采样间隔的时延。
计算机仿真试验验证了新算法的有效性。
关键词:
时延估计。
自适应,四阶累积量,遗传算法中图分类号:
TN911.7
文献标识码:
A
。
AnAdaptiveTimeDelayEstimatorBased
on
Genetic
Algorithm
WANGJiang
(ElectronicEngineering
Institute,Hefei
230037,China)
Abstract:
Theadaptivealgorithmforexplicittimedelayestimationbasedon
fourth-ordercumulants
(FOC—ETDE)has
a
goodperformanceoftimedelayestimation,butitmusthavea
goodinitialvalue.To
overcomethisdisadvantage,geneticalgorithmisemployedforoptimizingsearchprocessoftimedelayestimation.Without
theinitialinformationoftimedelay,thisalgorithm
can
achievetimedelaywhichis
thenonintegralsampleperiodaccuratelyanddirectlyat
a
lowsignal—to-noiseratioenvironment.The
simulationexamples
are
presented
to
demonstratetheeffectivenessofthisnewmethod.
Keywords:
timedelayestimation,adaptive,fourth—ordercumulants,geneticalgorithm
引言
近年来无源定位技术研究得到了人们的高度重
视,在利用蜂窝移动通信系统进行无源定位的方法中,通常基于信号到达时间TOA(TimeOfArrival)和基于信号达到角度AOA(Angle
0f
Arrival)的定位方法将能得到较好的性能[1]。
两个空
间独立的传感器接收到的信号之间的时间延迟估计
技术已广泛应用于雷达、声纳、目标定位等领域中。
基于信号各阶统计量的时延估计方法[2‘43依赖于输入信号和噪声的统计先验知识,实际应用受到了限制,而自适应时延估计方法可以克服此缺点,它可以在迭代的过程中不断调整自身的参数和结构,尤其适用于跟踪和时变的输入环境。
文献[5—6]提出了自适应时延估计算法ETDE
收稿日期:
2011—06—13
修回日期:
2011—08—04
*基金项目:
国家自然科学基金资助项目(61040007)作者简介:
王
汪(1975一),男,陕西商洛人.博士,讲师,
主要研究方向:
阵列信号处理和无源时差定位方面研究。
和ETDGE,对噪声有一定的抑制能力,但在理论上不能根本消除空间相关噪声的影响。
基于高阶累积量的自适应时延估计算法[7-s]可以抑制空间相关噪声的影响,从而进行非高斯信号的时延估计。
文献[7]中指出,通过采用基于高阶统计量的自适应方法估计出滤波器的权系数,根据权系数的最大值求得
时延估计。
为了能得到非整数采样间隔的时延,常用
SINC函数对滤波器权系数进行插值,但这样会导致计算量显著增加。
为了得到精确的时延估计,该法
需要足够长的滤波器权系数。
因此文献[7]提出了一种可在相关高斯噪声中,只要较少的滤波器权长就能对非高斯信号的时延进行估计的新方法,称为最小权值误差平方和法,它对整数倍或非整数倍采样间隔时延均能进行较准确的估计。
文献[8]提出了一种基于四阶累积量、借助于ETDE(Explicit
Time
Delay
Estimation)算法的约束自适应时延估计
FOC—ETDE(Fourth—OrderCumulants—Explicit
TimeDelay
Estimation)算法,此方法可以抑制相关
或不相关高斯噪声的影响,在较低信噪比下可以得
到非整数倍采样间隔的时延,也可以跟踪时延,从而
保证时延的唯一性,进而得到信号准确的时延估计。
王江,基于遗传算法的自适应时延估计(总第37—1509)
・51‘
但这种方法需要较好的时延估计初值,否则容易陷入目标函数的局部最优解。
此外,基于四阶累积量的约束自适应时延估计FOC—ETDE算法的计算量
大,影响了时延估计的实时性。
遗传算法[9](GeneticAlgorithms)是John.H.Holland根据生物进化的模型提出的一种优化算
法,它吸取了自然界“适者生存,优胜劣汰”的进化原
理,提供了一个在复杂空间进行鲁棒寻优的方法,为解决许多传统的优化方法难以处理的优化问题提供
了新的途径。
模式定理[9]保证了较优模式的样本数呈指数级增长,从而满足了寻找最优解的必要条件;而积木块假设[93保证了遗传算法具有全局搜索的能
力。
所以,根据上述两点保证和遗传算法的进化功能,由适当的适应度函数指导的搜索过程是可以搜索到最优点的。
遗传算法在求解组合优化问题及工程应用方面
越来越显示出其强大的寻优能力,而FoC—ETDE
算法本质上就是一个寻优(搜索最佳时延估计值)的过程。
基于四阶累积量的约束自适应时延估计FOC—ETDE算法具有良好的时延估计性能,但它需要良好的时延估计初值。
1
时延估计的信号模型
在时差无源定位方式中,目标辐射源所辐射的
信号被空间位置不同的两个独立传感器接收。
对此
情况作两点假设:
一是假设两个传感器只接收目标辐射源所辐射的直射波;二是辐射源与传感器之间无相对运动,或者由于相对运动所引起的时差变化在观察时间内可以忽略不计。
则在有平稳噪声的情
况下,时延估计的信号模型可以表示为:
z(£)一sO)+以1(f)(1)
y(£)=s(t--D)+,220)
(2)
其中:
O≤t≤T,T为信号的观测时间,z(t)和y(£)是两个空间独立的传感器接收到的实信号;s(£)为零均值的非高斯信号;,2,(£)和,z。
(£)为零均值高斯平稳观测噪声。
在时延估计的信号模型中,所有由信道和传感器引起的信号畸变均认为是可匹配或可忽略的,且信号和噪声之间相互统计独立,但观测噪声咒。
(£)和以。
(t)之间可以是相关的。
参数D代表
信号到达两个传感器之间的时延,时延估计的目的就是利用观测信号z(f)和Y(f)估计时延D。
2
一种基于遗传算法的自适应时延估计
2.1基于四阶累积量的约束自适应时延估计算法对信号s(f)进行采样,假设采样速率为f,当满
足Nyquist采样定理时,s(f)可以表示成如下形式[10]
s(f)一∑正(足z)sinc[(t一五z)六]
(3)
其中k为整数,L—l/f,,sinf(z)垒—sinFOrx),
因此s0一D)可以表示为
s(t--D)=∑s(kT,)sinc[(t—D一五r)^](4)
在各个采样时刻,令D—dT,,t—nT,,以为整数,式(4)可以表示为
s[o—d)z]一∑s(kT,)sinc(n一点一d)(5)
对式(5)进行变量代换可得
5[(,l--d)T,]一∑sun—k)T,]sinc(k—d)一
∑aks[(n一志)L]
(6)
其中ak=sinc@一d)一—sin面[(k而--d)7c]。
为了描述方便起见,假设采样周期为单位时间,即Z一^一1,所以d=D,式(6)可以简化为
5(,z--D)=∑aks(以一五)
(7)
实际上,时延D一般是采样周期的非整数倍,所以,根据式(7),时间延迟估计的信号模型可以改
为如下形式
z(,1)一s(挖)+以1(以)
(8)
y(,2)一∑sinc(志一D)5(超一点)+挖。
(以)(9)
其中,采样周期L一丁/N,竹为整数,0≤,2≤Ⅳ一1,代表各个采样时刻;P足够大,远大于时延
D,以保证很小的截断误差。
文献[11]指出,截断误
差随着P值的增大而减小。
例如,当P一5时,最大
可能的截断误差为8.2%,但P=10当时,最大可能
的截断误差就降为4Z。
四阶累积量的定义方法有很多种,本文定义随
机变量z(咒)的自四阶累积量为阳3
C。
。
(f,O,O)=cum(x(n),x(n+r),z(靠),z(以))
(10)
定义随机变量X(行)和y(,z)的互四阶累积量为‘81
G烨(Z-,0,O)=cum(x(n),y(,2+r),z(,2),z(以))
(11)
所以,根据累积量可加和高斯噪声的四阶累积量为零的性质,可以得到如下关系式:
c舭(r,0,o)=∑sinc(愚一D)c一(r一是,o,o)
(12)
显然,在理论上,C一(r,0,O)和C删(r,0,o)中
・52・(总第37—1510)火力与指挥控制2012年第8期
的高斯噪声成分被成功地抑制掉了。
令r=一P,一P+1,…,P,式(12)用矢量表示
为:
‰=C一*Q
(13)
其中Q一[硼一尸,"gO一_P+l,…,WP]T仞^=sinc(志一
D),k=一P,一P+1,…,P
c一一[‰(一P,0,o),%(一P+1,0,o),…,
c,。
(P,o,o)]r
(14)
C一一
r‰(0,0,O)k(一1,O,O)…匕(-2P,O,O)]
Ic一(1,o,o)巳。
(o,0,o)
…e一(-2P+I,o,o)I
l
i
;
’.
i
k(2P,0,o)Q一(2P一1,o,o)...Q一(o,0,o)j
“T”表示转置。
根据式(13),可设计基于四阶累积量的自适应
时延估计系统模型如图1所示。
圈1基于四阶累积量的自适应时延估计图
图中,c工一(r,0,O)和G心(r,0,o)分别是z(以)
和y(咒)的自四阶累积量和互四阶累积量;滤波器的响应函数为
P
W(z,,z)=∑W^z一‘
(15)
l=一尸
其中,仞t是滤波器的权参数,约束为:
W^----sinc旺一D锄)]
(16)
是一一尸,一P+1,…,P,D(以)是挖时刻的时延
估计值;C一(r,0,o)和c。
。
(r,0,o)分别是FIR滤
波器W(z,以)的输入信号和输出信号,它们有如下
关系:
P
c。
。
(r,0,o)=∑sincCk—D(以)3C。
≥(r一是,0,o)
^=一P
(17)
令f=一P,一P+1,…,P,定义目标函数:
P
,(D(挖)]一∑(c一(r,0,o)一Q一(r,0,o)2=
[C:
摊一C■。
订7(托))r(Ck。
;一C:
。
:
。
两y(起))
(18>
式中:
缈(以)一[训一P,W一,+l,…,"gdJP]7’,7.0I—sincCk—D(咒)],志一一P,一P+1,…,P
所以估计的时延为
D—a。
船inJ{:
D(扎)]
(19)
2.2时延估计算法的遗传算法实现
由式(19)可知,最佳时延值就是使目标函数取
得最小值的D(,z)。
FOC—ETDE算法的思想就是基
于最小均方误差准则下的时延估计值的迭代,即[s]D(,2+1)=D(,2)一2产[C:
一一C。
。
彬(,z)]丁[C。
一F
(n)]
(20)
式中,卢为收敛因子,用来调节自适应的稳定
度和速度;
P(竹)一[厂[一P—D(咒)),厂[一P+1一D(咒)),…,
/[P—D(竹)]]丁(21)
其中厂(z)兰(cos(配)--sinc(x))屈。
由式(20)可知,FOC—ETDE算法可归结为一个最佳时延值的寻优过程,时延估计值通过迭代更新得到,直至算法收敛。
但不得不指出[12],FOC—ETDE算法需要一个较好的时延估计初值,时延初值的选
取必须满足D一1.45≤D(o)≤D十1.45,才能收敛
到真实时延值。
遗传算法是由适应度函数指导优化过程的随机搜索算法,将其引人到FOC—ETDE算法的寻优过程,使最佳时延值的搜索由迭代更新变为随机取点
进行运算。
将遗传算法引入到具体问题的关键是问题解的染色体编码及适应度函数的确定。
在FOC—ETDE
算法寻优这个问题中,可根据要搜索的时延范围确定二进制码串的长度,即染色体长度,每一个二进制
码串代表一个时延值。
适应度函数是衡量匹配程度的,在本问题中,将D(扎)看成是个体的值,搜索的目的就是寻找最优个体,使目标函数J[D(咒)]取得最小值。
因此J(D(九)]表征了个体的适应度,但是由于J(D(n)3是与适应度成反比的,故引进算法的适
应度函数为:
g(D(竹))一c—J(D(咒)](22)
C为一个适当选定的常数,满足g[D(咒)]>o。
2.3遗传算法的实现步骤
确定了解的染色体编码和适应度函数后,按以
下步骤进行基于四阶累积量的约束自适应时延估计
FOC—ETDE算法的遗传算法寻优:
①确定群体规模Ⅳ,随机产生Ⅳ个可能解组成初始解群体;②对每一个个体计算其适应度;③通过遗传操作(选择、交叉、变异)产生新一代解群体;④重复②、⑧,直到满足终止条件,终止条件可设为:
遗传操作的代数为预先设定的代数。
3计算机仿真试验
为了验证本文算法的有效性,下面进行计算机仿真试验。
仿真参数为:
源信号具有指数型分布特
性,均值为零;延迟时间D为3.8T,;实验的时间取
王江:
基于遗传算法的自适应时延估计(总第37—1511)
・53・
样长度为4096个采样间隔。
FOC—ETDE算法中,
P一20,∥一0.000
5,时延的估计初值15(o>一3Z;
遗传算法中,最大遗传代数为i00,群体规模为20,个体的二进制编码长度为12,交叉概率Pc一0.7,变
异概率P。
一0.01。
为了克服遗传算法的早熟收敛,
实验采取精英保留的策略,即在选择作用前(或后)
保留当前最优解,则能保证收敛到全局最优解。
仿真试验I:
两个传感器接收到的零均值乎稳观测噪声为空间完全相关的高斯白噪声,即竹。
(,z)一
n。
(咒);源信号与噪声的信噪比为0dB。
在上述仿真
参数下进行50次MonteCarlo实验,遗传算法的时
延寻优结果如图2所示,横坐标表示遗传代数,纵坐标表示每代最优个体所代表的时延值,单位为一个
采样间隔L。
图3为FOC—ETDE算法的时延估计
结果图,横坐标表示迭代次数,纵坐标表示时延估计
值,单位为一个采样间隔Z。
酿
越
墨;:
0
2000
4000
遗传代数
图2
相关噪声时遗传算圈3
相关噪声时FOC-法的时延寻优结果
ETDE算法的时延估图
计结果图
仿真试验2:
两个传感器接收到的零均值平稳观测噪声为空问不相关的高斯白噪声,源信号与噪
声的信噪比为0dB。
在上述仿真参数下进行50次MonteCarlo实验,结果如图4所示,横坐标表示遗
传代数,纵坐标表示每代最优个体所代表的时延值,
单位为一个采样间隔T,。
图5为FOC—ETDE算法
时延估计结果图,横坐标表示迭代次数,纵坐标表示时延估计值,单位为一个采样间隔L。
7=3.83
魁冀
懿l
I
f\
U
o
20
40
60
80
100
遗传代数s;:
e
3.
越
域3.鲁3・
,
,
0
2000
4000
遗传代数
图4非相关噪声时遗传
图5
非相关噪声时FOC一算法
ETDE算法
从上述结果可以看出,将遗传算法应用到自适应时延估计中,可以得到与FOC—ETDE算法时延
估计精度几乎一致的时延值,甚至更高,而且能够有效地抑制相关噪声的影响,准确地直接估计非整数
倍采样间隔的时延。
并且遗传算法的全局搜索能力保证了搜索到全局最优点,而FOC—ETDE算法则
需要良好的时延估计初值,否则估计易收敛到局部最优点而估计不准确‘引。
4
结束语
基于四阶累积量的约束自适应时延估计FOC—
ETDE算法具有良好的时延估计性能,但它需要良
好的时延估计初值。
为了克服此缺点,本文引人遗传算法进行时延估计的寻优,保留了FOC—ETDE算法良好的时延估计性能,并且无需时延的先验信息,在低信噪比的情况下可以准确地直接估计非整数倍
采样间隔的时延。
参考文献:
[1]
Caffery
JJJr,Stuber
GL.Overviewof
Radiolocationin
CDMACellular
Systems[J].
IEEECommunication
Magazine,1998(89)l38-45.
[2]
CharlesHK,Garter
G
C.The
Generalized
Correlation
Method
forEstimationofTimeDelay
[J].IEEE
Trans
on
ASSP。
1976,24(4);320—327.
[33
Nikias
C
L,PanR.Time
Delay
Estimationin
UnknownGaussianSpatiallyCorrelated
Noise[J].
IEEETransactions
on
Acoustics,Speech,SignalProcessing・1988,36l
1706-1714.
[43
Tugnait
JK.On
Time
Delay
Estimation
with
UnknownSpatiallyCorrelatedGaussianNoiseusingFourth—orderCumulantsandCrossCumulants[J].
IEEETransSignalProcessing,1991(39)l
1258—
1267.
[5]SoHC,ChingPC。
ChanYT.ANewAlgorithmfor
Explicit
AdaptationofTime
Delay[J].IEEE
Trans.SignalProcess,1994,42(7):
1816-1820.
[63
SoH
C,Ching
PC.Performance
Analysis
of
ETDGE。
an
Efficientand
UnbiasedTDOA
Estimator[J].IEE
Proc.。
RadarSonarNavig,1998
(6):
325—330.
[7]
粱红,王惠刚,李志舜.一种基于高阶累积量的自适应时延估计新方法[J].系统工程与电子技术,
2003,25(7):
783—786.
[8]李从英.基于四阶累积量自适应时延估计的改进[J].铁道学报,2006,28(6):
55—58.
[9]Holland
JH.Adaptationin
Naturaland
Artificial
Systems[M].Michigan:
TheUniversity
of
Michigan
Press,1975.
[10]杨小牛,楼才义,徐建良.软件无线电原理与应用
[M].北京:
电子工业出版社,2006:
8-11.
[11]Chan
YT,RileyJMF,PlantJB.ModelingofTimeDelay
and
Its
Application
to
Estimationof
Nonstationary
Delays[J].IEEE
Truns.Acoust.,
Speech,SignalProcessing,1981,ASSP一29:
577-581.
[123夏崔春,钱进.可变步长自适应时延估计方法研究
[J].声学与电子工程,2004(4):
24-27.
鹪跎缸灌∞祁"祁333
333333
。
靼艘窨雹攥g
遮肇÷8嚼