基于量子免疫进化的空时多维参数估计

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (19): 210-212.

基于量子免疫进化的空时多维参数估计

邱新建1，2，李庆华1，薛凤凤3，彭安洪1

1.新疆大学信息科学与工程学院智能信号处理实验室，乌鲁木齐 830046
2.中国人民解放军68203部队
3.空军工程大学电讯工程学院，西安 710077

出版日期:2013-10-01 发布日期:2015-04-20

Space-time multi-dimensional estimation using quantum immune evolutionary algorithm

QIU Xinjian1，2, LI Qinghua1, XUE Fengfeng3, PENG Anhong1

1.Intelligent Signal Processing Lab, College of Information Science and Engineering, Xinjiang University, Urumqi 830046, China
2.Unit 68203 of PLA, China
3.Telecommunications Engineering Institute, Air Force Engineering University, Xi’an 710077, China

Online:2013-10-01 Published:2015-04-20

摘要/Abstract

摘要： 利用阵列信号处理时域与空域等效的关系，以平面阵为基础，采用阵列协方差矩阵的奇异值分解和广义特征值分解估计接收信号的频率，通过分析阵列模型，提出一种抗原和抗体的亲和力函数；利用量子免疫进化的特性，估计出信号的俯仰角和方位角，从而完成阵列信号的多维参数估计，改善了多维参数估计的抗噪性能、数值稳定性和运行时间。通过计算机仿真，证明了该算法的有效性。

关键词: 量子计算, 免疫进化算法, 多维参数估计, 谱估计, 空时信号处理

Abstract: Using the relationship of the time-equivalent between the array signal processing and the airspace, to based on the plane array, using singular value decomposition and the generalized eigenvalue decomposition of array covariance matrix, the frequency of the received signal can be estimated. A function of antigen and antibody affinity is proposed by analyzing the array model. It can estimate the pitch angle and azimuth signal using the characteristics of the evolution of immune. Thus the multidimensional array signal parameter estimation can be completed. The numerical stability, noise immunity and time consuming of multi-dimensional parameters estimation can be improved. The computer simulation shows that the proposed algorithm is effective.

Key words: quantum computation, immune evolutionary algorithm, multi-dimensional parameter estimation, spectrum estimation, space-time signal processing

邱新建1，2，李庆华1，薛凤凤3，彭安洪1. 基于量子免疫进化的空时多维参数估计[J]. 计算机工程与应用, 2013, 49(19): 210-212.

QIU Xinjian1，2, LI Qinghua1, XUE Fengfeng3, PENG Anhong1. Space-time multi-dimensional estimation using quantum immune evolutionary algorithm[J]. Computer Engineering and Applications, 2013, 49(19): 210-212.

[1]	侯旋，薛飞，陈涛. 无人机目标检测量子多模式识别优化算法[J]. 计算机工程与应用, 2021, 57(7): 228-236.
[2]	周林，郭兵. 改进TR门级联的量子比较器设计[J]. 计算机工程与应用, 2021, 57(19): 112-115.
[3]	陈秋菊，徐建国. 优化正交匹配追踪和短时谱估计用于声音识别[J]. 计算机工程与应用, 2020, 56(7): 162-169.
[4]	吉慧芳，贾海蓉，王雁. 改进相位谱补偿的语音增强方法[J]. 计算机工程与应用, 2019, 55(8): 48-52.
[5]	魏晋1，李慧2，房明磊3. 适用网络的W态双服务器盲量子计算协议设计[J]. 计算机工程与应用, 2019, 55(6): 67-72.
[6]	许兴阳，刘宏志. 基于量子门组的卷积神经网络设计与实现[J]. 计算机工程与应用, 2018, 54(20): 54-61.
[7]	李胜1，张培林1，李兵2，吴定海1，胡浩3. 基于通用量子门的量子遗传算法及应用[J]. 计算机工程与应用, 2017, 53(7): 54-59.
[8]	李胜1，张培林1，李兵2，吴定海1，周云川3. 改进的量子遗传偏最小二乘特征选择方法应用[J]. 计算机工程与应用, 2017, 53(3): 242-246.
[9]	张建伟，陶亮，周健，王华彬. 基于改进谱平滑策略的IMCRA算法及其语音增强[J]. 计算机工程与应用, 2017, 53(1): 153-157.
[10]	李胜1，张培林1，李兵2，周云川3. 基于量子门组的量子神经网络模型及其应用[J]. 计算机工程与应用, 2015, 51(6): 33-36.
[11]	汪海滨1，龙俊波2，查代奉3. 分数低阶时频滑动平均模型参数估计[J]. 计算机工程与应用, 2015, 51(20): 178-182.
[12]	马邦雄，叶春明. 基于改进量子猫群算法的流水车间调度研究[J]. 计算机工程与应用, 2015, 51(17): 34-37.
[13]	侯旋. 量子门线路神经网络及其改进学习算法研究[J]. 计算机工程与应用, 2014, 50(6): 213-218.
[14]	熊齐1，陈南晖2，方霞1. 基于MPI的Welch功率谱估计并行算法的实现[J]. 计算机工程与应用, 2014, 50(12): 194-197.
[15]	奚吉1，梁瑞宇2，王国伟2，仇晓梅2，马安骏2. 多通道助听器语音降噪算法研究[J]. 计算机工程与应用, 2014, 50(11): 237-240.