检验天地波 ＭＩ ＭＯ 雷达多 目 标角 度估计 中 存在 强干扰 的 情况 下 ， ＡＰ ＥＳ 算法 的 目 标估计性 能实验代码

下面是一个基于MATLAB的AP-ES算法的目标估计性能实验代码，用于检验在存在强干扰情况下的多目标角度估计：

% 生成虚拟雷达数据
N = 1000; % 数据点数
angle = linspace(-pi,pi,N); % 角度范围
targets = [pi/4,-pi/6,pi/3]; % 目标角度
amplitudes = [10,5,7]; % 目标幅度
signal = zeros(N,1); % 信号向量
for i = 1:length(targets)
    signal = signal + amplitudes(i)*exp(1j*2*pi*cos(angle-targets(i)));
end

% 添加强干扰
noise_amp = 5; % 干扰幅度
noise_freq = 10; % 干扰频率
noise = noise_amp*sin(2*pi*noise_freq*angle);
signal = signal + noise;

% AP-ES算法
theta_hat = zeros(length(targets),1); % 目标估计角度
sigma = pi/2; % 初始方差
Npop = 100; % 种群大小
Ngen = 100; % 迭代次数
for j = 1:length(targets)
    for i = 1:Ngen
        % 生成种群
        population = repmat(theta_hat(j),Npop,1) + sigma*randn(Npop,1);
        % 计算适应度函数值
        fitness = abs(sum(exp(1j*2*pi*cos(angle-targets(j))).*exp(1j*2*pi*cos(angle-population)),1)).^2;
        % 进行选择和重组
        [~,idx] = sort(fitness,'descend');
        parents = population(idx(1:round(Npop/2)));
        offspring = repmat(parents,2,1) + randn(Npop,1)*sigma/10;
        % 计算新种群的适应度函数值
        fitness_offspring = abs(sum(exp(1j*2*pi*cos(angle-targets(j))).*exp(1j*2*pi*cos(angle-offspring)),1)).^2;
        % 更新估计值和方差
        [~,idx] = max(fitness_offspring);
        theta_hat(j) = offspring(idx);
        sigma = sigma*exp(0.2*(randn(1)*0.2+0.1));
    end
end

% 绘制结果
figure;
plot(angle*180/pi,abs(signal));
hold on;
for i = 1:length(targets)
    plot([theta_hat(i),theta_hat(i)]*180/pi,[0,max(abs(signal))],'r--','LineWidth',2);
end
xlabel('角度（度）');
ylabel('幅度');
title('AP-ES算法多目标角度估计结果');
legend('信号','估计目标1','估计目标2','估计目标3');

这个程序首先生成一个长度为N的虚拟雷达数据，其中包含三个目标，分别位于45度、-30度和60度处，然后添加一个强干扰信号。接下来使用AP-ES算法进行目标估计，其中种群大小为100，迭代次数为100。最后绘制出估计结果图，其中红色虚线表示估计的目标角度。