利用SA解决阵列测向中ML的全局收敛问题

阵列测向问题中的极大似然方法(ML)具有利用任意结构的阵列处理相干信号的能力,但由于其代价函数具有多个局部最优点,因此其全局优化问题一直没能彻底解决。模拟退火方法(SA)具有较好的全局收敛能力,但其速度相对于牛顿法等局部优化方法较慢。本文提出了一种解决方案,即SA进行初始化,然后再利用确定性的方法进行加速优化。利用SA寻找ML的代价函数的最优点吸引域时,各种参数的选取对计算效果影响较大,本文对此进行了分析与模拟,对参数进行了优化选取。计算机模拟结果表明,该方案是一种较为有效的折衷。