基于GPU加速遗传算法的直接定位研究

针对大规模数据下遗传直接定位算法执行时间慢、实时性较差的问题,提出了基于GPU加速的并行遗传直接定位算法。根据直接定位代价函数特点,设计了GPU高速并行遗传进化架构,通过对适应度函数并行化计算以及对选择、交叉、变异等遗传操作并行化设计,缩短了算法执行时间,提高了算法执行效率。仿真实验表明,通过合理的GPU并行线程结构设计,显著提升了遗传直接定位算法的执行速度,可更快得到直接定位估计结果。     

基于对称旋转不变性的非圆相干分布源直接定位算法

针对现有相干分布源直接定位方法中存在的依赖分布模型、计算复杂等问题,该文提出一种基于非圆信号特征的对称旋转不变直接定位算法。该方法首先根据分布源参数化假设建立基于数据域信息的直接位置估计模型,并利用非圆信号特征扩展接收信号的协方差矩阵。然后针对中心对称阵列,证明了相干分布源的确定性角信号分布函数矢量具有对称特性,基于这一特征建立了扩展方向矢量的旋转不变关系;构造了融合多个观测站信息的目标函数,直接估计目标位置,避免了对分布模型的依赖,且降低了待估计参数维度。仿真结果表明,与现有相干分布源定位算法相比,所提算法提高了分布源位置估计精度和效率,避免了对分布模型的依赖,更具实用价值。     

分布式信源数据域直接位置估计方法

针对目前信号数据域直接位置估计方法对分布式信号源进行直接定位存在精度下降问题,该文提出分布式信源数据域直接位置估计方法。首先构建分布式信源直接位置估计模型,然后分别基于最大似然准则和特征结构分解思想给出分布式信源高精度直接位置估计的两种方法分布源最大似然估计方法和广义子空间方法。最后通过多维搜索完成对于分布式信源的直接位置估计。仿真分析表明,该文算法对分布式信源进行直接位置估计的精度较传统直接位置估计算法明显提升,能够在较低信噪比下逼近克拉美罗界;分布源最大似然估计方法在低信噪比下定位精度优于广义子空间方法,而广义子空间方法复杂度更低。     

基于多种群并行遗传算法的融合定位

多观测系统融合定位可以提高对目标位置的估计精确度,但如何提高信息融合效率目前没有得到较好的解决。针对此问题,提出一种基于多种群协同进化的分布式并行遗传算法。该算法将子观测系统转变为多个独立并行进化的子种群,通过设定离散适应度函数,使子种群收敛于一个最优值区域,通过个体的迁移操作为目标种群提供更多的测量信息进行融合,有效提高融合估计精确度。仿真结果表明,对比于集中式融合遗传算法和分布式并行Chan融合算法,本文所提算法信息融合效果较好,定位精确度更高。     

基于GPU的并行遗传算法在时频差估计中的应用

互模糊函数可以估计时频差参数,但在弱信号条件下,需要大量采样点才能获得较好的估计结果,面临巨大的计算压力,现有算法大都基于遍历思想进行时频二维搜索,实时性较差。针对此问题,提出基于GPU加速的并行遗传算法进行时频差快速估计,该算法针对互模糊函数的特点,结合GPU设计高速并行的遗传进化架构,通过对适应度函数的并行化计算,选择、交叉、变异的并行化操作,提升算法的执行效率。实验表明,文章设计的GPU加速算法能够带来较大的速度提升,可以快速得到时频差估计结果.     

基于遗传算法的时频差快速估计

利用互模糊函数进行时频差估计运算量大,现有算法对时频差搜索大都基于遍历思想,实时性较差。针对此问题,提出基于遗传算法的时频差快速估计方法,该方法针对互模糊函数特点对遗传算法做出改进,通过种群收敛程度自适应调整变异概率,并结合多次种群初始化,有效改善种群多样性防止算法陷入局部最优。仿真结果表明,遗传算法相对现有算法,能够快速得到时频差估计结果,计算效率有较大提升。     

基于互质阵列重构的高维波达方向估计算法

针对角度估计中现有算法估计信源数少的问题,提出了一种基于互质阵列重构的高维波达方向估计算法,实现了有限物理阵元条件下多重信号角度的超分辨估计.该方法首先对接收信号协方差矩阵进行列向量化处理,建立虚拟阵列模型,然后在此基础上重构虚拟阵列流型,拟合出缺失的虚拟阵元响应,最后引入空域平滑的思想,实现角度的超分辨估计.对本文算法的复杂度和阵列自由度进行理论分析.仿真结果表明,所提方法在相同物理阵元数条件下阵列自由度高于连续空域平滑检测算法和迭代内插检测算法,相比于迭代内插检测算法,以较小的复杂度代价获得了性能的较大提高.     

融合多普勒频移信息的阵列数据域直接定位方法

相比于传统两步定位方法,直接定位方法具有更高的定位精度,但现有的基于阵列模型的直接定位方法未能够有效利用多普勒频移信息,其定位精度有待进一步提升。针对上述问题,该文提出一种融合多普勒频移信息的阵列数据域直接定位方法。首先构建了融合多普勒信息的直接定位模型,然后基于最大似然准则将信号源位置估计转化为求解位置信息矩阵最大特征值问题,并结合矩阵转置性质降低复杂度,最后通过2维搜索得到目标信号源位置估计。仿真结果表明,所提方法较目前的阵列数据域直接定位方法和多普勒频移直接定位方法的定位精度具有较大提高。     

联合瞬时姿态估计的可见光成像定位技术

针对可见光成像定位中目标位置估计所涉及的高维空间搜索收敛慢的问题,引入降维设计思想,联合惯导单元(IMU)的瞬时姿态估计,将搜索空间缩小到带约束特征的样本空间,据此提出一种联合目标瞬时姿态估计的高维空间搜索方法。该方法以瞬时姿态信息特征构建目标寻优函数作为约束条件,缩小遗传算法中个体优秀基因的进化范围,显著提高了进化速度,同时规避了对初始样本空间的依赖性,提高了算法的鲁棒性。仿真结果表明,算法的位置估计均方误差优于40 mm。