高 璐

(湖州师范学院 信息工程学院，浙江 湖州 313000)

波达方向(direction of arrival, DOA)估计[1-2]接收天线可分为均匀线阵[3]和非均匀线阵两种布放方式[4-6].均匀线阵具有结构简单、建模方便等优点，但需通过增加天线个数来提高天线的测角分辨率，极大地增加了成本，且在极高频率下阵元之间易产生互耦现象.在阵元数相同的条件下，非均匀线阵能够通过阵元的合理布放来扩大阵列孔径，同时提高DOA估计的测角分辨率，并降低阵元间的互耦效应.但非均匀线阵的阵列结构无法轻易改变，很难适用于极端环境.为能在极端环境中灵活布放阵元，诸多智能算法[7-8]被应用于DOA估计阵列结构优化中.

粒子群算法[9-10]能够在一定范围内进行多点搜索，但易发散、精度不高.模拟退火算法[11-12]在理论上是全局最优算法，但部分收敛条件几乎无法实现.蚁群算法[13-14]通用性较好，但搜索时间冗长且易停滞.遗传算法[15-17](genetic algorithm，GA)具有良好的并行性和兼容性，因此得到了广泛的应用.但其整个迭代过程是随机的，且没有指导性搜索，当后代双亲基因较近时，后代基因改善较小，造成基因模式的单一性，从而影响进化历程，甚至导致种群退化及早熟现象.免疫遗传算法作为遗传算法的重要分支，在一定程度上能够抑制种群退化现象，其疫苗的选择和接种直接决定了子代个体的适应度.但目前疫苗多为主观随机选择，易出现收敛局部最优值等问题.

近年来，许多学者对免疫遗传算法进行了更新和改进.于文莉等[18]提出将BP算法与免疫遗传算法相结合，解决遗传算法过早收敛局部最优值问题，但BP神经网络的选择无统一指导，易出现过度拟合等现象；……