基于多信号分类算法(Multiple Signal Classification, MUSIC)算法的地下目标定位算法在多维遍历搜索过程中存在计算复杂度高、实时性差、无法应用于车载连续探测的问题。针对此问题,本文提出了一种基于多模态麻雀搜索的MUSIC地下目标...基于多信号分类算法(Multiple Signal Classification, MUSIC)算法的地下目标定位算法在多维遍历搜索过程中存在计算复杂度高、实时性差、无法应用于车载连续探测的问题。针对此问题,本文提出了一种基于多模态麻雀搜索的MUSIC地下目标快速定位算法,该算法推导了离地探测模型下的导向矢量模型,将MUSIC算法推广到地下管道定位中,并与寻优能力强、收敛速度快的麻雀搜索算法相结合,提高了算法的实时性。此外针对多目标场景下传统麻雀搜索算法无法同时搜索多个谱峰极值的问题,本文采用聚类算法对麻雀种群进行划分,从而形成多个子种群对目标峰值并行搜索,并结合粒子群算法实现峰值处局部搜索。仿真结果表明,本文所提方案在避免2D-MUSIC算法网格量化误差的同时,用时仅为2D-MUSIC算法的0.979%,且与同类算法相比具有更高的精度与搜索成功率。展开更多
文摘基于多信号分类算法(Multiple Signal Classification, MUSIC)算法的地下目标定位算法在多维遍历搜索过程中存在计算复杂度高、实时性差、无法应用于车载连续探测的问题。针对此问题,本文提出了一种基于多模态麻雀搜索的MUSIC地下目标快速定位算法,该算法推导了离地探测模型下的导向矢量模型,将MUSIC算法推广到地下管道定位中,并与寻优能力强、收敛速度快的麻雀搜索算法相结合,提高了算法的实时性。此外针对多目标场景下传统麻雀搜索算法无法同时搜索多个谱峰极值的问题,本文采用聚类算法对麻雀种群进行划分,从而形成多个子种群对目标峰值并行搜索,并结合粒子群算法实现峰值处局部搜索。仿真结果表明,本文所提方案在避免2D-MUSIC算法网格量化误差的同时,用时仅为2D-MUSIC算法的0.979%,且与同类算法相比具有更高的精度与搜索成功率。
