孟非，王旭

基于PSO-BP神经网络的DOA估计方法✴

孟非，王旭

（江苏科技大学电子信息学院，江苏镇江212003）

提出利用粒子群算法优化BP神经网络来改善来波到达角估计性能的方法。传统的BP神经网络易陷入局部最优，因此采用粒子群算法对网络的权值和阈值进行优化，并将其应用到来波到达角估计中。所提方法仅利用阵列协方差矩阵的第一行作为来波方位特征，与常用的协方差矩阵上三角特征相比，在不损失有效方位信息的基础上使特征维数极大降低。仿真实验证明：同经典的RBF神经网络方法相比，基于所提方法的神经网络结构更简洁，泛化性能更好，来波方位估计精度更高。

波达角估计；粒子群算法；神经网络；特征维数

1 引言

在无源定位、声纳阵列测向、地震和地质资源探测以及移动通信等诸多研究领域，来波信号到达角估计问题是一个热点问题［1］。在过去的几十年中，一些高性能和高分辨率的算法得到了重大发展，如传统的MUSIC算法、ESPRIT算法等。尽管它们提供了合理有效的估计，但是需要进行大量的计算，进而消耗大量的时间，不能达到实时性的要求。

随着计算智能技术的飞速发展，人们开始研究通过学习大量的样本来解决来波到达角估计问题，而神经络无疑被人们认为是解决这一问题的强有力工具。神经网络因其非线性映射及泛化能力可以用于来波到达角估计问题，其优点在于建模过程是采用训练样本构造神经网络，而不再是精确的数学方程式，在实际情况下采集到的训练样本可以将噪声、信号模型、信噪比、传输通道等因素考虑进去，而无需进行特征值分解、谱峰搜索，且计算可以并行快速实现，从而有望应用到实际工程。……