基于变分模态时频分布下的水下目标DOA估计研究

摘要

在声呐、雷达等设备的目标探测中,声源方位估计是需要解决的关键问题之一.针对水下传感器阵列接收信号的波达方向角(DOA)估计算法中,传统的BP神经网络算法会因网络参数不合理和层数过多导致过拟合的问题,以往通过粒子群算法(PSO)进行优化后,网络仍容易过早结束训练而导致性能不佳.为此,本文提出一种基于变分模态分解结合粒子群算法优化后的BP神经网络算法.首先对目标回波信号进行可变模态分解,对分解得到的各分量进行时频分析后叠加的谱图特征作为经粒子群算法优化后的BP神经网络算法的输入进行训练测试,以此来提高阵元接收目标回波的DOA估计精度.仿真实验结果表明,结合变分模态分解及粒子群算法优化的BP神经网络具有更好的识别效果和泛化能力,提高了 DOA的估计精度.