論文の概要: A Differential Evolution Algorithm with Neighbor-hood Mutation for DOA Estimation

• arxiv url: http://arxiv.org/abs/2507.06020v1
• Date: Tue, 08 Jul 2025 14:30:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-09 16:34:38.161845
• Title: A Differential Evolution Algorithm with Neighbor-hood Mutation for DOA Estimation
• Title（参考訳）: 近傍変異を用いたDOA推定のための微分進化アルゴリズム
• Authors: Bo Zhou, Kaijie Xu, Yinghui Quan, Mengdao Xing,
• Abstract要約: 2次元多重信号分類アルゴリズムは、アレイ信号処理における高分解能方向推定(DOA)のための強力な手法である。 我々は,ピークフィニング過程をマルチモーダルな最適化プロブレムとして再構成し,複数のピークを効率よくローカライズするための近傍突然変異(DE-NM)を用いた微分方程式アルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 11.842677286643609
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Two-dimensional (2D) Multiple Signal Classification algorithm is a powerful technique for high-resolution direction-of-arrival (DOA) estimation in array signal processing. However, the exhaustive search over the 2D an-gular domain leads to high computa-tional cost, limiting its applicability in real-time scenarios. In this work, we reformulate the peak-finding process as a multimodal optimization prob-lem, and propose a Differential Evolu-tion algorithm with Neighborhood Mutation (DE-NM) to efficiently lo-cate multiple spectral peaks without requiring dense grid sampling. Simu-lation results demonstrate that the proposed method achieves comparable estimation accuracy to the traditional grid search, while significantly reduc-ing computation time. This strategy presents a promising solution for real-time, high-resolution DOA estimation in practical applications. The imple-mentation code is available at https://github.com/zzb-nice/DOA_multimodel_optimize.
• Abstract（参考訳）: 2次元多重信号分類アルゴリズムは、アレイ信号処理における高分解能方向推定(DOA)のための強力な手法である。 しかし、2Dアンギュラー領域を網羅的に探索することで、計算コストが高くなり、リアルタイムシナリオにおける適用性が制限される。 本研究では,マルチモーダル最適化法としてピークフィニング過程を再構成し,高密度グリッドサンプリングを必要とせず,複数のスペクトルピークを効率よくローカライズする,近傍突然変異(DE-NM)を用いた微分エボリューションアルゴリズムを提案する。 シミュレーションの結果,提案手法は従来のグリッド探索に匹敵する推定精度を達成し,計算時間を大幅に短縮することを示した。 この戦略は,実運用におけるリアルタイム高分解能DOA推定のための有望な解である。 imple-mentationコードはhttps://github.com/zzb-nice/DOA_multimodel_optimizeで公開されている。

関連論文リスト

• A Gradient Meta-Learning Joint Optimization for Beamforming and Antenna Position in Pinching-Antenna Systems [63.213207442368294]
  マルチ導波路ピンチアンテナシステムの新しい最適化設計について検討する。 提案したGML-JOアルゴリズムは,既存の最適化手法と比較して,様々な選択や性能に頑健である。
  論文  参考訳（メタデータ） (2025-06-14T17:35:27Z)
• Performance Evaluation of Evolutionary Algorithms for Analog Integrated Circuit Design Optimisation [0.0]
  本稿では,アナログ回路の自動サイズ化手法について述べる。 探索空間を対象とする探索は粒子生成関数と補修バウンド関数を用いて実装されている。 アルゴリズムは、より良い最適解に収束するように調整され、修正される。
  論文  参考訳（メタデータ） (2023-10-19T03:26:36Z)
• An Efficient Algorithm for Clustered Multi-Task Compressive Sensing [60.70532293880842]
  クラスタ化マルチタスク圧縮センシングは、複数の圧縮センシングタスクを解決する階層モデルである。 このモデルに対する既存の推論アルゴリズムは計算コストが高く、高次元ではうまくスケールしない。 本稿では,これらの共分散行列を明示的に計算する必要をなくし,モデル推論を大幅に高速化するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-09-30T15:57:14Z)
• Ordering for Non-Replacement SGD [7.11967773739707]
  我々は,アルゴリズムの非置換形式に対する収束率を改善する順序付けを求める。 我々は,強い凸関数と凸関数のステップサイズを一定かつ小さくするための最適順序付けを開発する。 さらに、注文とミニバッチを組み合わせることで、より複雑なニューラルネットワークにも適用できます。
  論文  参考訳（メタデータ） (2023-06-28T00:46:58Z)
• Fast Computation of Optimal Transport via Entropy-Regularized Extragradient Methods [75.34939761152587]
  2つの分布間の最適な輸送距離の効率的な計算は、様々な応用を促進するアルゴリズムとして機能する。 本稿では,$varepsilon$加法精度で最適な輸送を計算できるスケーラブルな一階最適化法を提案する。
  論文  参考訳（メタデータ） (2023-01-30T15:46:39Z)
• Dual Optimization for Kolmogorov Model Learning Using Enhanced Gradient Descent [8.714458129632158]
  コルモゴロフモデル(コルモゴロフモデル、英: Kolmogorov model、KM)は、確率変数の集合の基本的な確率構造を学ぶための解釈可能で予測可能な表現手法である。 正規化双対最適化と拡張勾配降下法(GD)を併用した計算スケーラブルなKM学習アルゴリズムを提案する。 提案したKM学習アルゴリズムを用いた論理的関係マイニングの精度は80%以上である。
  論文  参考訳（メタデータ） (2021-07-11T10:33:02Z)
• Lower Bounds and Optimal Algorithms for Smooth and Strongly Convex Decentralized Optimization Over Time-Varying Networks [79.16773494166644]
  通信ネットワークのノード間を分散的に保存するスムーズで強い凸関数の和を最小化するタスクについて検討する。 我々は、これらの下位境界を達成するための2つの最適アルゴリズムを設計する。 我々は,既存の最先端手法と実験的な比較を行うことにより,これらのアルゴリズムの理論的効率を裏付ける。
  論文  参考訳（メタデータ） (2021-06-08T15:54:44Z)
• Learning Sampling Policy for Faster Derivative Free Optimization [100.27518340593284]
  ランダムサンプリングではなく,ZO最適化における摂動を生成するためのサンプリングポリシを学習する,新たな強化学習ベースのZOアルゴリズムを提案する。 その結果,ZO-RLアルゴリズムはサンプリングポリシを学習することでZO勾配の分散を効果的に低減し,既存のZOアルゴリズムよりも高速に収束できることが示唆された。
  論文  参考訳（メタデータ） (2021-04-09T14:50:59Z)
• Finding optimal Pulse Repetion Intervals with Many-objective Evolutionary Algorithms [0.0]
  我々は、パルスドップラーレーダシステムにおいて、最適な妥協範囲とドップラーのあいまいさを緩和できるパルス繰り返し間隔を求める問題を考察する。 ブラックボックス最適化のためのいくつかの進化的アルゴリズムを、異なるメトリクスで比較するために、ベースラインとして使用します。
  論文  参考訳（メタデータ） (2020-11-13T13:56:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。