近年來，隨著寬帶信號在通信、雷達等領域得到廣泛應用，寬帶信號來波方向(DOA)估計已成為目前陣列信號處理領域中的熱點，對于目標識別、電子對抗等有著重要意義[1-2]。

    空間譜估計的實質是利用遠場信號到達各個陣元之間的相位差來計算信號的DOA。目前，測向陣列多采用均勻線陣，其具有結構簡單、易于實現等優點。為了使陣列能在180°范圍內無模糊測向，均勻線陣的間距必須限制在半波長內。但均勻線陣也有一些不足，例如：對寬帶信號進行測向時，由于陣元間距與波長之比隨著頻率的降低而降低，導致測向的精度相應降低；對功率較小的信號，需要增加陣列孔徑才能有效測向，這會導致陣列安裝出現問題；陣元間的互耦效應隨著陣元間距的減小而增加[3]，當利用對高頻信號進行DOA估計的均勻線陣對低頻信號進行DOA估計時，由于陣元間距與波長之比變小，互耦效應會嚴重影響測向性能。為提高均勻線陣測向精度，學者們提出利用非均勻線陣測向，例如最小冗余線陣(MRL)[4]、最大連續陣列(MCL)、最小間隙陣列[5-6]等。但是，這些陣列多是基于被測信號為窄帶信號這一前提假設的，并未考慮寬帶信號時的情況。
    本文提出了一種基于改進粒子群算法(PSO)的陣列結構設計方法，通過優化陣元位置來提高陣列的測向性能，改進算法與標準PSO算法相比提高了搜索效率，同時，設計方法既滿足了測向無模糊的要求，與均勻線陣相比，又提高了陣列的測向性能。
   

    (23)

式(23)中，加速因子c1、c2為非負常數，它們決定pi與pg的影響程度，w為慣性權重。迭代終止條件一般為最大迭代次數或粒子群的群體最優適應度滿足適應閾值[11]。
3.2 改進粒子群算法
    在基本PSO算法中存在粒子易于過早收斂于局部極值的缺點。由于PSO這種隨機的基于群體搜索的優化算法必須測試空間內各點才能保證收斂于全局最佳點，因此算法的計算量很大，難以實現[12]。如果在搜索初期能夠使得粒子盡可能地飛躍整個搜索空間，以期獲得更好的多樣性，則可能擺脫局部極值的干擾。
    加速因子c1、c2決定了粒子本身經驗信息和其他粒子信息對粒子運動軌跡的影響，反映了粒子群之間的信息交流，分別調節向全局最好粒子和個體最好粒子方向飛行的最大步長。如果步長太大，則可能導致突然向目標區域飛去或飛過目標區域；如果步長太小，則可能使粒子遠離目標區域，即粒子的速度沒有得到有效的控制。合適的c1、c2能夠加速收斂且不易陷入局部最優,通常令其值均為2[13]。對于加速因子的取值，許多文獻給出了不同的建議，如參考文獻[14]就給出了加速因子沒有必要固定為2的建議。
    針對上述問題，可令粒子在搜索初始時刻應用較大的c1值和較小的c2值，使粒子能夠飛躍整個搜索空間，增加粒子的多樣性。隨著迭代的增加，使得c1值降低和c2值增加，加強粒子向全局最佳點收斂的能力。

3.3 陣列結構的優化
    從上述分析可知，優化的前提條件為：
    (1) 測向陣列在規定的工作頻率和測向范圍內測向精度要高，且不存在測向模糊。
    (2) 對式(15)優化時，只是對各陣元位置的范圍進行了約束，考慮到實際環境的限制，還需對陣元間距有約束。設陣元最小間距為dmin。
    在上述條件下，對式(15)進行優化，對得到的系列較優結果依次進行驗證，檢驗其是否滿足陣元間距限制和測向不模糊的條件，直至找到滿足條件的結果。具體過程如下：
    (1) 初始化陣列參數。根據設計要求設置陣元數M、陣元最小間距dmin、陣元最大位置量dmax、算法的迭代次數m。
    (2) 粒子群初始化。設粒子群的規模n，在允許范圍內隨機設置粒子的初始位置p及其速度v。
    (3) 按照改進粒子群算法中的加速因子c1、c2與式(23)進行粒子迭代，并對粒子位置進行修正，利用式(15)進行優化，在達到迭代次數后停止。
    (4) 對得到的各歷史最優粒子，按粒子適應函數值進行升序排列，并按照最小陣元間距dmin淘汰不合格粒子，得到新的歷史最優粒子。
　　(5) 按照模糊性條件對步驟(4)得到的新粒子進行依次檢驗，滿足要求，則把該粒子值記為陣元位置值。如果沒有發現滿足條件的粒子，則設計失敗，轉到步驟(2)重新初始化條件。

    表2中陣元位置的單位為m。從各陣元位置發現，最小陣元間距小于半波長，與均勻線陣相比有了提高。
    實驗3  測向陣列的性能仿真
    對實驗1中得到的6元陣列進行測向性能實驗。陣列測向頻率在25 MHz~100 MHz之間，假設2個窄帶遠場信號分別從5°和8°入射到陣列上，采用經典MUSIC算法，快拍數為1 024，各陣元接收到的噪聲為相互獨立、零均值的高斯過程，信噪比為5 dB，入射信號頻率從40 MHz開始，以20 MHz為步長變化到100 MHz，進行100次蒙特卡洛實驗，分析各頻率時的MUSIC譜。實驗結果如圖1所示。

    從圖3可以看出,在相同條件下對波達方向為5°、8°的信號測向所得的RMSE進行比較，前者要略大于后者。
    本文通過分析測向模糊的機理，對無模糊測向陣列的結構設計提出了建議。為提高測向精度提出了基于改進PSO算法的陣列位置優化。實驗證明，改進PSO算法不僅提高了搜索效率，優化后陣列的最小陣元間距不受均勻線陣中陣元間距不大于半波長的約束,且陣列的DOA分辨率要優于均勻線陣。
參考文獻
[1] 張恒利, 趙擁軍, 張培峰.寬帶信號源數目和DOA快速估計[J].電子對抗,2008(5):10-14.
[2] 趙春暉,李剛,李福昌.寬帶測向研究現狀及展望[J].哈爾濱工程大學學報, 2006,27(2):290-295.
[3] SVANTESSON T. Mutual coupling compensation using subspace fitting[C]. IEEE Trans. Antennas propagation, 2000: 494-498.
[4] 趙大勇, 陳超, 刁鳴. 基于最小冗余線陣的二維傳播算子DOA估計[J].系統工程與電子技術,2011,33(4):724-727.
[5] 于振海,宋石磊,趙國慶.最小間隙陣的插值分析[J].國外電子測量技術, 2006,25(11):31-35.
[6] ABRAMOVICH Y I, SPENCER N K, GOROKHOV A Y.  Positive definite toeplitz completion in DOA estimation for  nonuniform linear antenna arrays[J]. IEEE Trans. Signal Processing, 1999,47(6):1502-1521.
[7] 羅景青.雷達對抗原理[M]. 北京：解放軍出版社, 2003.
[8] 王永良, 陳輝, 彭應寧. 空間譜估計理論與算法[M]. 北京:清華大學出版社, 2009.
[9] 劉志強,高曉光,楊建偉.寬帶測向陣列結構設計方法[J].西北工業大學學報, 2010,28(6):893-897.
[10]    STOICA P, NEHORAI A. MUSIC, maximum likelihood, and cramer-rao bound:further results and comparisons[J]. IEEE Trans. on ASSP, 1990,38(12):2140-2150.
[11]  胥小波,鄭康鋒,李丹,等.新的混沌粒子群優化算法[J]. 通信學報, 2012,33(1):24-33.
[12]  馮翔, 陳國龍, 郭文忠. 粒子群優化算法中加速因子的設置與實驗分析[J]. 集美大學學報, 2006,11(2):146-151.
[13]  楊維,李歧強.粒子群優化算法綜述[J].中國工程科學, 2004,6(5):87-94.
[14]  SUGANTHAN P N. Particle swarm optimiser with neigh  bourhood operator[C]. IEEE Press. Evolutionary Computation, 1999(3):1958-1962.