Journal of Systems Engineering and Electronics ›› 2011, Vol. 33 ›› Issue (8): 1718-1721.doi: 10.3969/j.issn.1001-506X.2011.08.08
焦亚萌,黄建国,侯云山
JIAO Ya-meng,HUANG Jian-guo,HOU Yun-shan
摘要:
针对最大似然(maximum likelihood, ML)方位估计方法多维非线性搜索计算量大的问题,将连续空间蚁群算法与最大似然算法相结合,提出基于蚁群算法的最大似然 (ant colony optimization based maximum likelihood, ACOML) 估计新方法。该方法将传统蚁群算法中的信息量留存过程拓展为连续空间的信息量高斯核概率密度函数,得到最大似然方位估计的非线性全局最优解。仿真结果表明,ACOML方法保持了原最大似然方位估计方法算法的优良估计性能,而计算量只是最大似然方法的1/15。