Resumen

Este trabajo propone un algoritmo de estimación de baja complejidad para el ajuste del subespacio ponderado (WSF) basado en el Algoritmo Genético (GA) en el problema de la búsqueda de la dirección de llegada (DOA) de banda estrecha. Entre las diversas técnicas de resolución de DOA, WSF es uno de los algoritmos de mayor precisión de estimación. Sin embargo, su criterio es un problema de optimización multivariante no lineal multimodal. Como resultado, la complejidad computacional de WSF es muy alta, lo que impide su aplicación a sistemas reales. El Algoritmo Genético (AG) se considera un algoritmo eficaz para encontrar la solución global del FSM. Sin embargo, los AG convencionales suelen necesitar un gran tamaño de población para cubrir todo el espacio de búsqueda y un gran número de generaciones para la convergencia, lo que significa que la complejidad computacional sigue siendo alta. Para reducir la complejidad computacional del FSM, este artículo propone un algoritmo genético mejorado. En primer lugar, se utiliza una técnica de hipótesis para una estimación aproximada del DOA para el FSM. A continuación, se forma un espacio de inicialización dinámico alrededor de este valor con una función empírica. Dentro de este espacio, se requiere un menor tamaño de población y una menor cantidad de generaciones. En consecuencia, se reduce la complejidad computacional. Los resultados de la simulación muestran la eficacia del algoritmo propuesto en comparación con muchos algoritmos existentes.

• Materias:Minería de datos Radiofrecuencia Teoría de Antenas Redes Inalámbricas Ondas de radiofrecuencia
• Subjects:Data mining Radio frequency Antenna theory Wireless Networks Radio frequency waves
• Palabras claves:complejidad computacional, complejidad del wsf, algoritmo genético, soluciones del wsf, cantidad de generaciones, problema de optimización multivariante, algoritmo genético mejorado, menor tamaño de la población, número de generaciones, algoritmo de precisión de la estimación
• Keywords:computational complexity, complexity of wsf, genetic algorithm, solutions of wsf, amount of generation, multivariate optimization problem, improved genetic algorithm, smaller population size, number of generation, estimation accuracy algorithm