匹配場(chǎng)目標(biāo)定位的并行遺傳算法實(shí)現(xiàn)

趙博，董姝敏，李運(yùn)赫，樸勝春

(1.哈爾濱工程大學(xué)水聲技術(shù)國(guó)家級(jí)重點(diǎn)實(shí)驗(yàn)室，黑龍江哈爾濱150001;2.海軍92330部隊(duì)，山東青島266061;3.吉林師范大學(xué)信息技術(shù)學(xué)院，吉林四平136000)

匹配場(chǎng)聲源定位方法能夠突破傳統(tǒng)被動(dòng)定位方法的極限，正確估計(jì)遠(yuǎn)程和超遠(yuǎn)程聲源的距離和深度.但由于匹配場(chǎng)定位技術(shù)需要利用聲傳播模型來(lái)反復(fù)計(jì)算拷貝場(chǎng)向量，然后將拷貝場(chǎng)與測(cè)量場(chǎng)進(jìn)行“匹配”，從而實(shí)現(xiàn)水下目標(biāo)的定位;而且，在實(shí)際應(yīng)用中，由于水聲環(huán)境條件十分復(fù)雜，匹配場(chǎng)定位方法面臨著計(jì)算拷貝場(chǎng)的計(jì)算量大、耗時(shí)長(zhǎng)、占用存儲(chǔ)空間大等問(wèn)題［1］，不能快速為仿真環(huán)境提供數(shù)據(jù)支持.并行處理技術(shù)正是為了解決實(shí)際工程應(yīng)用中的計(jì)算量問(wèn)題得以發(fā)展的［2］，因此將并行處理技術(shù)引入到匹配場(chǎng)定位中，能夠?qū)⒖截悎?chǎng)計(jì)算等處理任務(wù)合理地分配到計(jì)算機(jī)系統(tǒng)的多個(gè)處理機(jī)上，使各處理機(jī)的工作負(fù)載保持相對(duì)均衡，整個(gè)計(jì)算機(jī)系統(tǒng)在較短的時(shí)間內(nèi)協(xié)同完成處理任務(wù)，從而加快計(jì)算速度，提高計(jì)算效率.為了從本質(zhì)上減少拷貝場(chǎng)計(jì)算的工作量，尋優(yōu)算法的選取起著至關(guān)重要的作用，遺傳算法具有全局收斂、并行計(jì)算、快速搜索多峰值復(fù)雜空間等特點(diǎn)，作為一種概率搜索算法，它可以在搜索空間內(nèi)快速向目標(biāo)解逼近，最終收斂于全局最優(yōu)解.將并行計(jì)算和遺傳算法結(jié)合起來(lái)用于匹配場(chǎng)定位中，可以有效地解決計(jì)算量問(wèn)題，提高計(jì)算效率.并行遺傳算法［3］已經(jīng)發(fā)展成熟，在許多實(shí)際應(yīng)用領(lǐng)域中得到廣泛應(yīng)用，但國(guó)內(nèi)文獻(xiàn)中還未見(jiàn)將其應(yīng)用于匹配場(chǎng)定位的計(jì)算中，國(guó)外文獻(xiàn)也不多見(jiàn).因此選用并行遺傳算法實(shí)現(xiàn)匹配場(chǎng)定位具有一定的理論研究意義和實(shí)際應(yīng)用價(jià)值.

1 匹配場(chǎng)定位原理

1.1 匹配場(chǎng)定位的基本思想

聲場(chǎng)建模、拷貝場(chǎng)計(jì)算、相關(guān)處理是匹配場(chǎng)聲源定位的重要研究?jī)?nèi)容.首先，獲取實(shí)際測(cè)量場(chǎng)數(shù)據(jù)，它是涵蓋信道特征和聲源特征的聲壓場(chǎng);其次，根據(jù)聲場(chǎng)模型與已知的環(huán)境參數(shù)(如聲速分布、海底地形等)對(duì)假定的聲源進(jìn)行拷貝場(chǎng)計(jì)算;最后，利用匹配場(chǎng)處理算法對(duì)測(cè)量場(chǎng)與建模獲得的拷貝場(chǎng)作相關(guān)處理，找到與測(cè)量場(chǎng)匹配的最佳的拷貝場(chǎng)，則計(jì)算該拷貝場(chǎng)時(shí)所假定的聲源位置就認(rèn)為是實(shí)際的聲源位置［4］，以此估計(jì)聲源的距離和深度，從而實(shí)現(xiàn)對(duì)水下目標(biāo)的定位，如圖1［5］所示.

圖1 匹配場(chǎng)定位的原理示意Fig.1 Principle block diagram of matched field localization

由于簡(jiǎn)正波理論適合于水平分層介質(zhì)，計(jì)算速度快，論文選擇簡(jiǎn)正波理論進(jìn)行拷貝聲場(chǎng)計(jì)算.采用kraken簡(jiǎn)正波模型［6］將波動(dòng)方程的解表示為

式中:krm為第m個(gè)特征值，zs為聲源深，Zm為求得的第m階本征函數(shù).使用Kraken方法求解本征值和本征函數(shù)后，將其代入聲壓函數(shù)表達(dá)式(1)中便可

1.2 匹配處理算法

自適應(yīng)匹配場(chǎng)處理器將自適應(yīng)陣列信號(hào)處理的優(yōu)點(diǎn)融合到匹配場(chǎng)處理中，能夠有效抑制旁瓣和干擾，提供了理論上的最佳陣增益和定位精度，比線性處理器具有更好的性能［7］.本文選用使測(cè)量場(chǎng)數(shù)據(jù)與拷貝場(chǎng)數(shù)據(jù)在輸出噪聲功率最小的意義上構(gòu)建的最小方差處理器.最小方差處理器的代價(jià)函數(shù)計(jì)算公式［8］如下: 1;N代表水聽器的個(gè)數(shù);C是N×N的互譜矩陣.

2 匹配場(chǎng)定位中的并行性分析

2.1 拷貝場(chǎng)計(jì)算的并行性

匹配場(chǎng)目標(biāo)定位的主要計(jì)算量來(lái)自拷貝場(chǎng)計(jì)算.拷貝場(chǎng)計(jì)算需要在空間覆蓋區(qū)域內(nèi)進(jìn)行距離、深度空間采樣，每個(gè)采樣點(diǎn)處假定存在一個(gè)聲源，聲源的距離和深度可當(dāng)作已知量，然后采用簡(jiǎn)正波方法的kraken軟件計(jì)算假定聲源的聲壓，以此得到拷貝場(chǎng).拷貝場(chǎng)各點(diǎn)的假定聲源聲壓的計(jì)算是相互獨(dú)立的，彼此沒(méi)有耦合關(guān)系，可以并行地進(jìn)行計(jì)算，并行系統(tǒng)的每臺(tái)處理機(jī)分別單獨(dú)地負(fù)責(zé)某些采樣點(diǎn)的聲壓場(chǎng)計(jì)算，各臺(tái)處理機(jī)同時(shí)并行工作，可有效縮短拷貝場(chǎng)計(jì)算時(shí)間.

2.2 匹配處理的并行性

用匹配場(chǎng)處理算法對(duì)測(cè)量場(chǎng)與拷貝場(chǎng)聲壓作匹配相關(guān)處理時(shí)，需要分別對(duì)指定采樣點(diǎn)的假定聲源聲壓與實(shí)際聲源聲壓進(jìn)行相關(guān)運(yùn)算，各點(diǎn)的相關(guān)運(yùn)算是獨(dú)立進(jìn)行的，彼此之間互不影響，為了節(jié)省處理時(shí)間，可以將相關(guān)運(yùn)算的總?cè)蝿?wù)合理地分配到并行計(jì)算機(jī)系統(tǒng)的多個(gè)處理機(jī)上，整個(gè)計(jì)算機(jī)系統(tǒng)可以在較短的時(shí)間內(nèi)完成相關(guān)處理.

匹配場(chǎng)定位中也存在其他的并行機(jī)制，如簡(jiǎn)正波解的并行性，以及進(jìn)行匹配處理過(guò)程中的功能級(jí)并行處理等，不再累述.

3 并行計(jì)算系統(tǒng)結(jié)構(gòu)

MPI是國(guó)際上通用的消息傳遞接口，是并行程序設(shè)計(jì)標(biāo)準(zhǔn)之一，它可與C，F(xiàn)ortran，C++，JAVA等語(yǔ)言結(jié)合而構(gòu)成并行程序設(shè)計(jì)語(yǔ)言.MPI有許多實(shí)現(xiàn)版本，其中MPICH提供了接口一致的MPI標(biāo)準(zhǔn)函數(shù)庫(kù)和程序運(yùn)行環(huán)境［9］.另外，MPI不僅支持各種硬件環(huán)境，幾乎支持各種操作系統(tǒng)Linux、Unix和Windows等.因此，采用MPI編寫的并行程序可移植性好，而且具有成熟的軟件開發(fā)工具，普通的PC機(jī)加上一個(gè)高速局域網(wǎng)即可實(shí)現(xiàn)，價(jià)格便宜，操作方便，易于實(shí)現(xiàn)，能夠?yàn)樵囼?yàn)性的仿真研究提供便捷的研究途徑和仿真試驗(yàn)環(huán)境.

3.1 系統(tǒng)配置

采用基于Windows的PC機(jī)群系統(tǒng)實(shí)現(xiàn)并行計(jì)算.系統(tǒng)的具體配置情況如下:

1)硬件組成:2臺(tái)雙核PC機(jī)，網(wǎng)絡(luò)交換器.

PC機(jī)配置:Petium(R)Dual-core CPU處理器，2.26GHz處理器主頻，2G內(nèi)存.

2)軟件組成:Windows XP操作系統(tǒng)，MPI并行環(huán)境，Microsoft.NET Framework 2.0，F(xiàn)ORTRAN編譯器.

3.2 MPI并行環(huán)境搭建

1)每臺(tái)PC機(jī)中新建一個(gè)MPI用戶，該用戶應(yīng)該具有管理員權(quán)限，隸屬Administrators組，各臺(tái)PC中的MPI用戶名和密碼均相同;

2)在各PC機(jī)上安裝Microsoft.NET Framework 2.0和MPICH2，各臺(tái)PC機(jī)安裝MPICH2時(shí)口令要一致，默認(rèn)口令是“be happy”.MPICH2的默認(rèn)安裝路徑為C:Program FilesMPICH2;

3)運(yùn)行MPICH2中wmpiregister.exe注冊(cè)用戶;

4)用網(wǎng)絡(luò)交換器將PC機(jī)連接，把待測(cè)試的可執(zhí)行程序拷貝到每臺(tái)PC機(jī)的同一目錄中，該目錄都應(yīng)該在相同的位置，如C:MPI Program下，需要將windows系統(tǒng)的防火墻關(guān)閉;

5)用MPICH2所自帶的界面方式運(yùn)行可執(zhí)行程序，選擇“more option”打開下拉對(duì)話框，使用IP地址或者PC機(jī)器名連接各臺(tái)PC機(jī)，空格分隔.

4 并行遺傳算法實(shí)現(xiàn)匹配場(chǎng)聲源定位

若以串行遺傳算法作為匹配場(chǎng)尋優(yōu)算法實(shí)現(xiàn)匹配場(chǎng)定位，因?yàn)槿后w規(guī)模較大，需要對(duì)較多的個(gè)體進(jìn)行大量的遺傳和進(jìn)化操作，特別是要對(duì)大量的個(gè)體進(jìn)行適應(yīng)度計(jì)算和評(píng)價(jià)，從而使算法的進(jìn)化運(yùn)算過(guò)程進(jìn)展緩慢，難以達(dá)到計(jì)算速度上的要求，故采用并行遺傳算法作為匹配場(chǎng)處理的優(yōu)化算法［10］，它可以同時(shí)對(duì)多個(gè)個(gè)體或種群進(jìn)行遺傳和進(jìn)化操作，不斷滿足計(jì)算速度上的需求.并行遺傳算法從并行形式上可分為4類［11］:1)個(gè)體適應(yīng)度評(píng)價(jià)的并行性; 2)整個(gè)群體中各個(gè)個(gè)體適應(yīng)度評(píng)價(jià)的并行性;3)算法基本操作內(nèi)部的并行性;4)基于群體分組的并行性.本文選用基于群體分組的并行遺傳算法進(jìn)行匹配場(chǎng)目標(biāo)定位.

遺傳算法作為一個(gè)發(fā)展較完善的搜索算法，主要包括個(gè)體編碼策略、選擇策略、交叉策略、變異策略、個(gè)體適應(yīng)度評(píng)價(jià)、算法停止準(zhǔn)則等運(yùn)算操作.因?yàn)檫z傳算法是一種概率算法，沒(méi)有能力保證得到最優(yōu)解，但是通過(guò)對(duì)遺傳算法進(jìn)行合理的設(shè)計(jì)可以在合理的時(shí)間內(nèi)求得可接受的解.

4.1 并行遺傳算法實(shí)現(xiàn)聲源定位過(guò)程

匹配場(chǎng)定位中，在計(jì)算區(qū)域內(nèi)對(duì)距離方向和深度方向進(jìn)行空間采樣，將各空間點(diǎn)對(duì)應(yīng)的距離和深度信息進(jìn)行編碼生成染色體，這樣空間采樣點(diǎn)與載有距離和深度信息的染色體一一對(duì)應(yīng)起來(lái).并行遺傳算法在計(jì)算區(qū)域內(nèi)隨機(jī)、均勻地搜索空間點(diǎn)(對(duì)應(yīng)著染色體信息)，生成初始群體;然后將整個(gè)群體分解為幾個(gè)子群體，并分配到不同的處理機(jī)上，各處理機(jī)獨(dú)自運(yùn)行遺傳算法，分別進(jìn)行選擇、交叉、變異運(yùn)算，并完成適應(yīng)度的計(jì)算和評(píng)價(jià)，計(jì)算對(duì)應(yīng)個(gè)體的聲壓;再進(jìn)行聲壓場(chǎng)匹配，找出各進(jìn)程中靠近實(shí)際聲壓源的采樣點(diǎn)，由指定的某個(gè)進(jìn)程進(jìn)行統(tǒng)計(jì)處理，找到本代最優(yōu)值，判斷其是否滿足解條件.為了提高計(jì)算效率，產(chǎn)生每一代新個(gè)體后，各進(jìn)程之間需要相互交換信息，每個(gè)進(jìn)程分別將各自的最優(yōu)值傳遞給其他所有進(jìn)程.反復(fù)迭代，逐漸靠近目標(biāo)點(diǎn)，直到找到最優(yōu)個(gè)體或滿足程序終止條件為止.具體執(zhí)行過(guò)程如下:

1)在匹配場(chǎng)處理范圍內(nèi)，隨機(jī)生成初始群體，群體中個(gè)體的參量包含拷貝場(chǎng)中隨機(jī)位置的距離和深度信息，由指定進(jìn)程將初始群體分配給其他進(jìn)程.

2)各進(jìn)程分別計(jì)算個(gè)體適應(yīng)度，并統(tǒng)計(jì)找出本代本進(jìn)程的局部最優(yōu)個(gè)體，適應(yīng)度值最高的個(gè)體即為本代本進(jìn)程局部最優(yōu)個(gè)體.

3)找到所有進(jìn)程的局部個(gè)體后，將這些個(gè)體和設(shè)定的閥值參數(shù)進(jìn)行比較，滿足設(shè)定的適應(yīng)度參數(shù)要求，即找到最優(yōu)個(gè)體，程序結(jié)束，不滿足，繼續(xù)執(zhí)行程序.

4)各進(jìn)程之間相互通信，將本進(jìn)程的最優(yōu)個(gè)體通信給其他進(jìn)程并替換掉其他進(jìn)程的最差個(gè)體，形成新的群體，并對(duì)此群體進(jìn)行遺傳算法的交叉變異操作，形成下一代群體.

5)回到步驟2)循環(huán)執(zhí)行，直到找到最優(yōu)個(gè)體或者滿足程序終止條件為止，程序退出.

采用并行遺傳算法實(shí)現(xiàn)匹配場(chǎng)定位的MPI程序示意圖如圖2所示.

圖2 并行遺傳算法實(shí)現(xiàn)匹配場(chǎng)定位示意Fig.2 Block diagram of implementation of matched field localization by parallel genetic algorithm

4.2 進(jìn)程間的數(shù)據(jù)通信

1)進(jìn)程0計(jì)算測(cè)量場(chǎng)聲壓P1，然后調(diào)用MPI庫(kù)函數(shù)MPI_Bcast()將P1廣播給其他進(jìn)程，其他進(jìn)程得到P1后才能進(jìn)行匹配處理;

2)各進(jìn)程完成一次迭代時(shí)，分別得到各自的局部最優(yōu)解，進(jìn)程0(或指定進(jìn)程)調(diào)用MPI庫(kù)函數(shù)MPI_Gather()收集所有其他進(jìn)程的局部最優(yōu)解，對(duì)收集的結(jié)果進(jìn)行統(tǒng)計(jì)處理;

3)各進(jìn)程之間按照“島嶼模型”(見(jiàn)圖2)方式相互通信，將各自的局部最優(yōu)解發(fā)送給其他各進(jìn)程，并替代相應(yīng)進(jìn)程的最差解.

5 仿真實(shí)驗(yàn)及性能分析

實(shí)際聲源距離為45 km，深度為100 m，頻率10 Hz.接收基陣由3個(gè)基元組成的水平陣(垂直陣)，基元間距為14.84 m，基陣與深度方向夾角為θ=90°，聲源方位角 φ=0°，中心基元深度 z0= 100 m.匹配場(chǎng)處理的距離取值范圍為 0.05～90.0 km，深度取值范圍為10.0～250.0 m，遺傳算法的群體采樣點(diǎn)數(shù)為400，將群體分為P組，即P個(gè)進(jìn)程并行計(jì)算，每個(gè)進(jìn)程負(fù)責(zé)400/P個(gè)個(gè)體，取P= 1，2，3，4.遺傳策略和評(píng)價(jià)函數(shù)按照參考文獻(xiàn)［12］選取.

2臺(tái)雙核 PC機(jī)通過(guò)網(wǎng)絡(luò)交換器互聯(lián)，安裝WindowsXP操作系統(tǒng)，在MPICH并行環(huán)境中對(duì)并行算法進(jìn)行測(cè)試.

5.1 實(shí)驗(yàn)1

驗(yàn)證并行遺傳算法實(shí)現(xiàn)匹配場(chǎng)聲源定位的并行性能.按照上面實(shí)驗(yàn)條件，重復(fù)10次Monte Carlo試驗(yàn)，取統(tǒng)計(jì)平均，如表1所示.

表1 參數(shù)指標(biāo)及性能評(píng)價(jià)Table 1 The parameter index and properties evaluation

表1中，隨著并行進(jìn)程數(shù)目的增加，程序運(yùn)行時(shí)間按一定規(guī)律遞減;通信開銷時(shí)間增加;加速比接近并行運(yùn)行的進(jìn)程數(shù)，但小于進(jìn)程數(shù)，因?yàn)槌绦虻姆遣⑿胁糠趾透鬟M(jìn)程之間的通信開銷占用時(shí)間，而且該時(shí)間與用于并行計(jì)算的時(shí)間比例會(huì)都隨著進(jìn)程數(shù)目增加而增加，所以導(dǎo)致并行效率隨著進(jìn)程數(shù)目的增加而減小.

圖3給出了采用本文算法與傳統(tǒng)網(wǎng)格算法進(jìn)行匹配場(chǎng)定位的加速比比較圖.2種方法的加速比都偏離理想情況，但并行遺傳算法的加速比更接近理想情況，因?yàn)樵谕ㄐ砰_銷和非并行程序耗時(shí)相同的條件下，并行遺傳算法的并行計(jì)算時(shí)間要遠(yuǎn)小于網(wǎng)格法.由此可見(jiàn)采用并行遺傳算法作為匹配場(chǎng)計(jì)算的優(yōu)化算法與傳統(tǒng)網(wǎng)格計(jì)算方法相比，能夠節(jié)省約5～8倍的時(shí)間.

圖3 加速比比較Fig.3 Comparison of speedup rate

5.2 實(shí)驗(yàn)2

驗(yàn)證匹配場(chǎng)定位精度，實(shí)驗(yàn)條件不變，進(jìn)行50次Monte Carlo試驗(yàn)，取統(tǒng)計(jì)平均，定位結(jié)果如表2所示.

表2 匹配場(chǎng)定位精度Table 2 The locating accuracy of matched field

由表2可見(jiàn)，采用并行遺傳算法的匹配場(chǎng)定位精度高于串行算法的定位精度;而且定位精度隨著并行計(jì)算進(jìn)程數(shù)目的增加而增加，這是因?yàn)椴⑿兴惴ㄖ懈鱾€(gè)進(jìn)程通過(guò)相互通信將各自的局部最優(yōu)解傳遞給其他進(jìn)程，統(tǒng)計(jì)比較然后在其中找最好的解將其保留到下一代，這樣有助于快速找到更精確解.

實(shí)驗(yàn)表明:采用并行技術(shù)進(jìn)行匹配場(chǎng)聲源定位，可有效的節(jié)省計(jì)算時(shí)間，提高定位精度，并且本文并行遺傳算法的定位性能優(yōu)于串行遺傳算法定位方法和傳統(tǒng)的網(wǎng)格法.

6 結(jié)束語(yǔ)

傳統(tǒng)網(wǎng)格法實(shí)現(xiàn)匹配場(chǎng)聲源定位，需要對(duì)指定區(qū)域內(nèi)劃分的眾多網(wǎng)格進(jìn)行大量重復(fù)計(jì)算，計(jì)算量大、耗時(shí)長(zhǎng).而本文以遺傳算法作為匹配場(chǎng)處理的尋優(yōu)算法，無(wú)需計(jì)算所有網(wǎng)格點(diǎn)的聲壓，而是在指定空間范圍內(nèi)隨機(jī)、均勻地搜索某些采樣點(diǎn)的聲壓，然后進(jìn)行聲壓場(chǎng)匹配，有指導(dǎo)性地計(jì)算靠近實(shí)際聲壓源的采樣點(diǎn)聲壓，不必考慮遠(yuǎn)離實(shí)際聲壓源處的采樣點(diǎn).并行遺傳算法引入匹配場(chǎng)定位中，突破了單臺(tái)計(jì)算機(jī)計(jì)算性能有限的局限，在實(shí)際工程計(jì)算中具有廣闊的應(yīng)用前景.使用MPI標(biāo)準(zhǔn)測(cè)試函數(shù)，在兩個(gè)互聯(lián)的雙核計(jì)算機(jī)上，以簡(jiǎn)正波理論的聲場(chǎng)計(jì)算軟件Kraken為基礎(chǔ)，對(duì)匹配場(chǎng)聲源定位進(jìn)行了測(cè)試和相應(yīng)的分析.仿真實(shí)驗(yàn)表明:采用并行遺傳算法實(shí)現(xiàn)匹配場(chǎng)聲源定位，可有效縮短計(jì)算時(shí)間，逐步滿足定位的作用距離和深度等數(shù)據(jù)的實(shí)時(shí)性及精度要求，與傳統(tǒng)網(wǎng)格法相比，在計(jì)算時(shí)間和加速比方面都具有很大優(yōu)勢(shì).

［1］楊坤德，馬遠(yuǎn)良，張忠兵，等.不確定環(huán)境下的穩(wěn)健自適應(yīng)匹配場(chǎng)處理研究［J］.聲學(xué)學(xué)報(bào)，2006，31(3):255-262.

YANG Kunde，MA Yuanliang，ZHANG Zhongbing，et al.Robust adaptive matched field processing with environmental uncertainty［J］.Acta Acustica，2006，31(3):255-262.

［2］KILSEOK C，ALAN D，RAJ S.Parallel algorithms for adaptive matched-field processing on distributed array systems［R］.Florida:University of Florida，2003:1-23.

［3］李松斌.基于MPICH平臺(tái)的多種群并行遺傳算法［J］.廈門大學(xué)學(xué)報(bào):自然科學(xué)版，2006，45(5):646-651.

LI Songbin.A multiple-population parallel genetic algorithm based on platform MPICH［J］.Journal of Xiamen University:Natural Science，2006，45(5):646-651.

［4］李建龍，潘翔.不確定海洋環(huán)境下的貝葉斯匹配場(chǎng)處理［J］.聲學(xué)學(xué)報(bào)，2008，33(3):205-211.

LI Jianlong，PAN Xiang.Bayesian matched field processing with ocean environmental uncertainty［J］.Acta Acustica，2008，33(3):205-211.

［5］楊坤德.水聲陣列信號(hào)的匹配場(chǎng)處理［M］.西安:西北工業(yè)大學(xué)出版社，2008:184-186.

YANG Kunde.The matched field processing of underwater acoustic array signals［M］.Xi＇an:Northwest Polytechnical University press，2008:184-186.

［6］PORTER M.The Kraken normal mode program［R］.Florida:Saclant Undersea Research Centre，2001:1-207.

［7］GEORGE A，GARCIA J，KIM K.Distributed parallel processing techniques for adaptive sonar beamforming［J］.J of Computational Acoustics，2002，10(1)，1-23.

［8］TOLSTOY A.Matched field processing for underwater acoustic［M］.Singapore:World Scientific Publishing Co Pte Ltd，1993:11-41.

［9］馮國(guó)富，董小社，胡冰，等.一種支持多種訪存技術(shù)的CBEA片上多核MPI并行編程模型［J］.計(jì)算機(jī)學(xué)報(bào)，2008，31(11):1-11.

FENG Guofu，DONG Xiaoshe，HU Bing，et al.A MPI parallel programming model for CBEA based on hybrid memory access technology［J］.Chinese Journal of Computers，2008，31(11):1-11.

［10］MORTEZA M，AMIR P，BABAK G.Application of genetic algorithm for optimization of control strategy in parallel hybrid electric vehicles［J］.Journal of the Franklin Institute，2006，343:420-435.

［11］SHISANU T，PRABHAS C.Parallel genetic algorithm with parameter adaptation［J］.Information Processing Letters，2002，82(1):1-8.

［12］梁國(guó)龍，董姝敏.相干源盲分離及方位估計(jì)的算法研究［J］.哈爾濱工程大學(xué)學(xué)報(bào)，2010，31(11):1478-1484.

LIANG Guolong，DONG Shumin.Study on algorithm of blind separation and DOA estimation aboutcoherent sources［J］.Journal of Harbin Engineering University，2010，31(11):1478-1484.

［13］CHEN Zhifei，SUN Jincai，HOU Hong.Phase difference method for DOA estimation［J］.Journal of Marine Science and Application，2010，4:445-450.