General Improvements of Heuristic Algorithms for Low Complexity DOA Estimation
General Improvements of Heuristic Algorithms for Low Complexity DOA Estimation
复制标题
低复杂度 DOA 估计启发式算法的总体改进
DOI：
10.1155/2019/3858794
复制
发表时间：
2019-12
影响因子：
1.5
通讯作者：
Masakiyo Suzuki
中科院分区：
文献类型：
--
作者：
Haihua Chen;Haoran Li;Mingyang Yang;Changbo Xiang;Masakiyo Suzuki
确定性最大似然估计（DML）、随机最大似然估计（SML）和加权子空间拟合（WSF）等启发式算法是解决超分辨DOA估计问题的有效方法。传统的启发式算法通常需要大量的粒子和迭代次数。因此，计算复杂度仍然有点高，这阻碍了这些超分辨率技术在真实的系统中的应用。为了降低这些超分辨技术的启发式算法的计算复杂度，本文提出了三种启发式算法的一般改进，即，初始化空间的优化、进化策略的优化以及并行计算技术的使用。仿真结果表明，采用这些改进后，计算复杂度大大降低。
Heuristic algorithms are considered to be effective approaches for super-resolution DOA estimations such as Deterministic Maximum Likelihood (DML), Stochastic Maximum Likelihood (SML), and Weighted Subspace Fitting (WSF) which are involved in nonlinear multi-dimensional optimization. Traditional heuristic algorithms usually need a large number of particles and iteration times. As a result, the computational complexity is still a bit high, which prevents the application of these super-resolution techniques in real systems. To reduce the computational complexity of heuristic algorithms for these super-resolution techniques of DOA, this paper proposes three general improvements of heuristic algorithms, i.e., the optimization of the initialization space, the optimization of evolutionary strategies, and the usage of parallel computing techniques. Simulation results show that the computational complexity can be greatly reduced while these improvements are used.
登录
查看更多内容
影响因子：
5.4
作者：
Stoica, Petre;Babu, Prabhu;Li, Jian
通讯作者：
Li, Jian
DOI：
10.1109/29.32276
发表时间：
1989-07-01
期刊：
IEEE TRANSACTIONS ON ACOUSTICS SPEECH AND SIGNAL PROCESSING
影响因子：
--
作者：
ROY, R;KAILATH, T
通讯作者：
KAILATH, T
影响因子：
5.4
作者：
WAX, M
通讯作者：
WAX, M
影响因子：
3.9
作者：
Bai, Hua;Duarte, Marco F.;Janaswamy, Ramakrishna
通讯作者：
Janaswamy, Ramakrishna
影响因子：
6.8
作者：
Kuchar, A;Tangemann, M;Bonek, E
通讯作者：
Bonek, E