采用混合核支持向量机的DOA估计

来源：电讯技术杂志2016年第3期北京时间：

作者：孙菲艳,田雨波,任作琳

单位：(江苏科技大学 电子信息学院，江苏 镇江 212003)

摘要：人工神经网络（ANN）进行建模时通常需要准备大量的数据样本，同时网络结构一般都比较复杂；而采用支持向量机（SVM)进行建模时，不同核函数有不同的效果，各有利弊，且选取SVM模型参数的理论支撑尚不完整。为了解决这些问题，提出了一种基于混合核函数的支持向量机来改善来波到达角（DOA）的估计性能，并结合二进制粒子群算法（PSO）来对混合核函数进行参数寻优。该混合核函数由全局核函数和局部核函数构成，提高了SVM的泛化能力和学习能力。首先通过拟合多项式函数，验证了该混合核SVM的有效性。将该方法用于DOA估计建模，在不同信噪比和快拍数下，通过与径向基函数（RBF）神经网络、基于各单一核函数的SVM和MUSIC算法预测结果对比，混合核SVM均方差有所降低，提高了DOA估计的精度且有更好的稳定性。

关键词：波达角估计；支持向量机；混合核函数；粒子群算法；

基金资助：国家自然科学基金资助项目(61401179 )