Resumen

Los algoritmos heurísticos se consideran enfoques eficaces para las estimaciones de DOA de superresolución, como la Máxima Verosimilitud Determinista (DML), la Máxima Verosimilitud Estocástica (SML) y el Ajuste del Subespacio Ponderado (WSF), que participan en la optimización multidimensional no lineal. Los algoritmos heurísticos tradicionales suelen necesitar un gran número de partículas y tiempos de iteración. Como resultado, la complejidad computacional sigue siendo un poco alta, lo que impide la aplicación de estas técnicas de superresolución en sistemas reales. Para reducir la complejidad computacional de los algoritmos heurísticos para estas técnicas de superresolución de DOA, este trabajo propone tres mejoras generales de los algoritmos heurísticos, a saber, la optimización del espacio de inicialización, la optimización de las estrategias evolutivas y el uso de técnicas de computación en paralelo. Los resultados de la simulación muestran que la complejidad computacional puede reducirse en gran medida cuando se utilizan estas mejoras.

• Materias:Minería de datos Propagación de ondas Electromagnetismo Radiofrecuencia Teoría de Antenas
• Subjects:Data mining Wave propagation Electromagnetism Radio frequency Antenna theory
• Palabras claves:complejidad computacional, algoritmo heurístico, técnicas de resolución, número de partículas, máxima verosimilitud estocástica, técnicas de computación en paralelo, máxima verosimilitud determinista, algoritmo heurístico tradicional, estimación de doa de resolución, técnicas de doa
• Keywords:computational complexity, heuristic algorithm, resolution techniques, number of particles, stochastic maximum likelihood, parallel computing techniques, deterministic maximum likelihood, traditional heuristic algorithm, resolution doa estimation, techniques of doa