基于改进型遗传算法的多目标优化阵列方向图综合方法与流程

1.本发明属于天线阵列方向图综合技术领域，特别是指一种基于改进型遗传算法的多目标优化阵列方向图综合方法。


背景技术：

2.阵列天线由于可以根据不同的应用场景进行波束赋形以提升系统性能，在雷达、通信、导航定位等领域得到广泛应用。为了获得满足特定要求的方向图，许多阵列综合算法被用来求解阵列天线辐射单元的激励幅度和相位值，主要包括解析方法、数值方法及智能优化算法等。相比较传统的阵列综合算法，智能优化算法具有全局搜索，动态调节目标函数、可以多目标同时优化的优势。
3.遗传算法作为一种高效的、并行的全局优化方法，是常用的随机阵列天线方向图综合方法。遗传算法使用“适者生存”的原则，能在搜索过程中自动获取和积累有关搜索空间的知识，并自适应地控制搜索过程以获得最优解；通过由多个目标函数值变换来的适应度函数值来确定搜索方向和搜索范围，可以同时进行多个目标的优化。但是遗传算法由于本身具有汉明悬崖问题、易局部收敛、收敛速度慢等问题，而导致不能在全局范围内快速搜索到最佳的幅相加权值。


技术实现要素：

4.本发明要解决的技术问题在于克服现有技术问题的不足，提供一种基于改进型遗传算法的多目标优化阵列方向图综合方法。
5.本发明的技术方案如下：
6.一种基于改进型遗传算法的多目标优化阵列方向图综合方法，包括以下步骤：
7.(1)设置进化代数计数器g＝0，设置最大进化代数g，随机生成np个个体作为初始群体p(0)；
8.(2)依照系统指标要求，在全波电磁仿真软件中构建天线模型，进行全波电磁仿真，并导出所有天线单元的有源单元方向图；
9.(3)根据目标阵列方向图的指标要求，确定遗传算法的适应度函数；
10.(4)基于群体的幅相加权集和有源单元方向图，计算天线阵列的远场方向图；按照步骤(3)中的适应度函数，计算群体p(g)中各个个体生成的天线阵列远场方向图的适应度fi；
11.(5)将选择算子作用于群体，根据个体的适应度，按照“轮盘赌”的规则，选择一些优良个体遗传到下一代群体，若某个个体i的适应度为fi，则它被选取的概率为：
[0012][0013]
(6)将交叉算子作用于群体，对选中的成对个体，以概率pc交换它们之间的部分染色体，产生新的个体；
[0014]
(7)将变异算子作用于群体，对选中的个体，以概率pm改变某一个或一些基因值为其他的等位基因；群体p(g)经过选择、交叉和变异运算之后得到下一代群体p(g 1)；
[0015]
(8)终止条件判断：若g≤g，则g＝g 1，转到步骤(4)；若g＞g，则将此进化过程中得到的具有最大适应度的个体作为最优解输出，终止计算；通过迭代一定次数在全局范围内搜索最优的幅相加权值；
[0016]
(9)根据最优幅相加权值生成最终的天线阵列综合方向图，验证是否满足系统指标，若不满足指标要求则返回步骤(3)，重新修改适应度函数的参数。
[0017]
进一步的，步骤(1)中还包括：根据阵元数量确定染色体长度；并且考虑阵列天线幅相加权的量化误差，根据移相器和衰减器的位数确定一个基因长度，将天线阵列的幅度和相位加权值作为一个基因进行格雷码编码。
[0018]
进一步的，步骤(3)中的适应度函数为式(2)，以计算某个个体i的适应度fi：
[0019]fi
＝1/∑w1[max(|re(θ)|-|re
min
(θ)|,0)]2 w2[max(|re
max
(θ)|-|re(θ)|,0)]2ꢀꢀꢀ
(2)
[0020]
其中，根据目标阵列方向图的指标要求设置最小值re
min
以限制带内抖动；设置最大值re
max
以限制副瓣电平；w1、w2为根据不同的应用需求确定的主瓣区域和副瓣区域的权值；适应度函数值越大，远场方向图越接近指标要求。
[0021]
进一步的，步骤(6)中，设置最小海明距离rou进行“近亲”判别；判断两个交叉个体相同阵元位置的幅相加权值间的平均海明距离，若小于最小海明距离rou，则在步骤(6)中将个体与新随机生成的个体进行基于概率pc的相互交叉操作；若大于最小海明距离rou，则在步骤(6)中将两个交叉个体直接进行基于概率pc的相互交叉操作。
[0022]
进一步的，步骤(6)中，根据由适应度函数获得的适应度，自适应地决定概率pc的大小：
[0023][0024]
其中，设置自适应交叉率最大值p
c1
，设置自适应交叉率最小值p
c2
，f
max
为两个交叉个体适应度的最大值，f
ave
为两个交叉个体适应度的平均值。
[0025]
本发明的有益效果在于：
[0026]
1、本发明对遗传算法进行优化改进，为了解决汉明悬崖问题，采用将天线阵列的幅度和相位加权值作为一个基因进行格雷码编码；为了避免局部收敛，防止“近亲结合”，引入海明距离进行“近亲”判别；为了提升收敛速度，保证父体中的优良模式可以遗传到下一代，根据适应度自适应决定交叉算子的大小。最终有效解决易局部收敛的问题并减少遗传算法收敛时间。
[0027]
2、本发明考虑了阵列天线单元间的互耦效应，结合有源单元方向图，构建精确的天线阵列模型，针对不同的目标阵列方向图设定不同的适应度函数参数，使用改进型遗传算法进行天线阵列方向图多目标快速优化，最终实现波束展宽、低副瓣、波束零陷和相控阵扫描等阵列综合，并通过全波电磁仿真软件hfss验证了阵列方向图综合结果可以满足指标要求。
[0028]
总之，本发明能够提高阵列天线方向图多目标优化效果，并在保证优化效果的基础上提升阵列方向图的优化速度。
附图说明
[0029]
图1为本发明实施例方法的流程示意图；
[0030]
图2为本发明实施例中一种x频段右旋圆极化天线阵列的结构示意图。
[0031]
图3为图2天线阵列副瓣可控的波束零陷综合仿真结果，包括全波仿真软件hfss中的二维及三维方向图。其中三维图左侧条状图标明增益最大值和最小值。
[0032]
图4为图2天线阵列副瓣可控的波束零陷综合仿真结果，包括软件matlab和软件hfss中的及方向的阵列功率方向图切面图对比。
[0033]
图5为图2天线阵列副瓣可控的波束零陷综合算法的收敛曲线。
[0034]
图6为本发明实施例中一种ka频段线极化微带天线阵列的结构示意图。
[0035]
图7为图6阵列天线副瓣可控的平顶波束综合仿真结果，包括全波仿真软件hfss中的二维及三维方向图。其中三维图左侧条状图标明增益最大值和最小值。
[0036]
图8为图6阵列天线副瓣可控的平顶波束综合仿真结果，包括软件matlab和软件hfss中的及方向的阵列功率方向图切面图对比。
[0037]
图9为图6阵列天线副瓣可控的平顶波束综合算法的收敛曲线。
具体实施方式
[0038]
为了使本发明的目的、技术方案及优点更加清晰明了，以下结合附图和实例，对本发明进行进一步详细说明。
[0039]
一种基于改进型遗传算法的多目标优化阵列方向图综合方法，具体包括以下步骤：
[0040]
步骤1：设置进化代数计数器g＝0，设置最大进化代数g，随机生成np个个体作为初始群体。根据阵元数量确定染色体长度。考虑阵列天线幅相加权的量化误差，根据移相器和衰减器的位数确定单个基因长度，将天线阵列的幅度和相位加权值作为单个基因进行格雷码编码。
[0041]
步骤2：依照系统指标要求，在全波电磁仿真软件构建天线模型进行全波电磁仿真并通过hfss-matlab-api方式导出所有天线单元的有源单元方向图。
[0042]
步骤3：根据目标阵列方向图的指标要求，确定遗传算法的适应度函数为：
[0043]fi
＝1/∑w1[max(|re(θ)|-|re
min
(θ)|,0)]2 w2[max(|re
max
(θ)|-re(θ)|,0)]2ꢀꢀꢀ
(1)
[0044]
式中，根据目标阵列方向图的指标要求设置最小值re
min
以限制带内抖动；设置最大值re
max
以限制副瓣电平及零陷深度；w1、w2为根据不同的应用需求确定的主瓣区域和副瓣区域的权值。适应度函数值越大，远场方向图越接近指标要求。
[0045]
步骤4：基于群体的幅相加权集和有源单元方向图，计算天线阵列的远场方向图。按照步骤3中的适应度函数，计算群体p(g)中各个个体生成的天线阵列远场方向图的适应度。
[0046]
步骤5：将选择算子作用于群体，根据个体的适应度，按照“轮盘赌”的规则，选择一些优良个体遗传到下一代群体，若某个个体i的适应度为fi，则它选取的概率表示为：
[0047]
[0048]
步骤6：将交叉算子作用于群体，对选中的成对个体，以某一概率交换它们之间的部分染色体，产生新的个体。为了避免局部收敛，防止“近亲结合”，引入最小海明距离rou进行“近亲”判别，判断不同个体相同阵元位置的幅相加权值间的平均海明距离。若小于最小海明距离rou，则个体与新随机生成的个体进行基于概率pc的相互交叉操作；若大于最小海明距离rou，则两个交叉个体直接进行基于概率pc的相互交叉操作。为了保证父体中的优良模式可以遗传到下一代，根据适应度函数获得的适应度，自适应地决定交叉算子pc的大小：
[0049][0050]
其中，设置自适应交叉率最大值p
c1
，设置自适应交叉率最小值p
c2
，f
max
为两个交叉个体适应度的最大值，f
ave
为两个交叉个体适应度的平均值。
[0051]
步骤7：将变异算子作用于群体，对选中的个体，以概率pm改变某一个或一些基因值为其他的等位基因。群体p(g)经过选择、交叉和变异运算之后得到下一代群体p(g 1)p(t 1)。
[0052]
步骤8：若g≤g，则g＝g 1，转到步骤(4)；若g＞g，则此进化过程中得到的具有最大适应度的个体作为最优解输出，终止计算。通过迭代g次在全局范围内搜索最佳的幅相加权值。
[0053]
步骤9：根据最优幅相加权结果生成最终的天线阵列综合方向图，验证是否满足系统指标，不满足指标要求需要返回步骤(3)，重新修改适应度函数参数。
[0054]
以下为一些具体例子：
[0055]
实施例1：
[0056]
以8
×
16的x频段右旋圆极化微带天线阵列为例，解决副瓣可控的波束零陷综合问题。在机载相控阵天线中，为了降低被侦查的概率，要求副瓣电平足够低；并且通过在已知某个干扰方向上形成零陷来进行波束抗干扰。根据系统指标要求，确定阵列远场方向图的指标要求为副瓣电平小于18db；并且θ＝
±
34
°
干扰方向上形成零陷深度大于40db。为了在保证阵列综合性能的基础上减少计算量，并且已经根据先验知识确定幅相加权分布关于阵列垂直和水平方向轴对称，再根据对角线方向上的副瓣电平更低，所以可以不考虑对角线方向；由于和两个方向上的阵元数目不同，最终只需要考虑和两个方向上的阵列方向图。根据指标要求，最终确定远场方向图的优化目标为和两个方向上的副瓣电平小于18db；并且波束零陷位置为θ＝
±
34
°
，零陷深度大于40db。
[0057]
如图1所示，步骤如下：
[0058]
步骤1：设置进化代数计数器g＝0，设置最大进化代数g为300，随机生成200个个体作为初始群体。据和两个方向上的阵元数量确定染色体长度为12。为了更加符合实际的工程应用需求，需要考虑数控移相器和数控衰减器引入的量化误差，仿真中采用6位数控衰减器、6位数控移相器，确定一个基因长度为12，将天线阵列的幅度和相位加权值作为单个基因进行格雷码编码。
[0059]
步骤2：根据系统应用指标确定矩形天线阵列中心频率为20.4ghz，阵元数目为8
×
16，阵元间距为7.4mm的微带天线，利用全波电磁仿真软件hfss，建立二维矩形阵列天线模
型，进行全波电磁仿真，如图2所示。为了保证更好地实现右旋圆极化天线的极化特性，将4个天线单元划分为一组，以其中一个单元为参考，另外三个天线单元分别按顺时针自旋90
°
，180
°
，270
°
，并在馈电相位上相应给予90
°
，180
°
和270
°
的相位补偿。提取了所有8
×
16个有源单元方向图。
[0060]
步骤3：根据目标阵列方向图的指标要求，确定遗传算法的适应度函数为：
[0061]fi
＝1/∑w1[max(|re(θ)|-|re
min
(θ)|,0)]2 w2[max(|re
max
(θ)|-|re(θ)|,0)]2ꢀꢀꢀ
(4)
[0062]
公式(4)中，设置方向上，主瓣波束宽度为44
°
，方向上，主瓣波束宽度为24
°
。根据副瓣电平18db及干扰方向为θ＝
±
34
°
，设置最大值re
max
包络曲线，如图4所示。由于只关注副瓣区域，主瓣区域的权值w1设定为0，副瓣区域的权值w2设定为1。适应度函数值越大，远场方向图越接近指标要求。
[0063]
步骤4：基于群体的幅相加权集和有源单元方向图，计算天线阵列的远场方向图，其中相位加权值需要附加旋转馈电相位值。按照步骤3中的适应度函数，计算群体p(g)中各个个体生成的天线阵列远场方向图的适应度；
[0064]
步骤5：将选择算子作用于群体，根据个体的适应度，按照“轮盘赌”的规则，选择一些优良个体遗传到下一代群体，若某个个体i的适应度为fi，则它选取的概率表示为：
[0065][0066]
步骤6：将交叉算子作用于群体，对选中的成对个体，以某一概率交换它们之间的部分染色体，产生新的个体。为了避免局部收敛，防止“近亲结合”，引入最小海明距离rou为0.2进行“近亲”判别，判断不同个体相同阵元位置的幅相加权值间的平均海明距离，保证至少有3位不同。若小于最小海明距离rou，则个体与新生成的个体进行基于概率pc的相互交叉操作；若大于最小海明距离rou，则两个交叉个体进行基于概率pc的相互交叉操作。为了保证父体中的优良模式可以遗传到下一代，根据适应度函数获得的适应度，自适应决定交叉算子pc的大小：
[0067][0068]
其中，p
c1
为自适应交叉率最大值为0.9，p
c2
为最小值为0.7，f
max
为两个交叉个体适应值的最大值，f
ave
为适应值的平均值。则两个个体的适应值越接近，交叉的概率越大。
[0069]
步骤7：将变异算子作用于群体，对选中的个体，以概率pm为0.1改变某一个或一些基因值为其他的等位基因。群体p(g)经过选择、交叉和变异运算之后得到下一代群体p(g 1)。
[0070]
步骤8：若g≤300，则g＝g 1，转到步骤4；若g＞300，则此进化过程中得到的具有最大适应度的个体作为最优解输出，终止计算。通过迭代300次在全局范围内搜索最佳的幅相加权值。
[0071]
步骤9：根据最优幅相加权结果生成最终的天线阵列综合方向图，验证满足系统指标。
[0072]
本实施例中采用基于改进型遗传算法的多目标优化阵列方向图综合方法计算幅相加权值以实现副瓣可控的波束零陷综合。在hfss软件中导入幅相加权值进行验证，如图3
所示，最终实现了副瓣抑制和波束零陷，在和方向上副瓣电平达到19db，并且在θ＝
±
34
°
方向上零陷深度达到42db。如图4所示，对比了基于matlab软件的仿真结果与将幅相加权优化结果导入hfss软件后的全波电磁仿真结果，可以达到完全一致，并且满足小于最大值re
max
包络曲线的要求。如图5所示，优化算法迭代200次，适应度趋于无穷大，达到了指标要求，最终经过迭代300次，优化算法运行时间约为6min。因此采用本发明进行快速波束优化设计，最终可以实现满足指标要求的波束赋形。
[0073]
实施例2：
[0074]
以16
×
16的ka频段线极化微带天线阵列为例，解决副瓣可控的平顶波束综合问题。在基站天线中，要求较大的波束宽度及较低的副瓣电平以保证在低仰角时，天线仍有较高的增益。根据系统指标要求，确定阵列远场方向图的指标要求为3db波束宽度为48
°
，副瓣电平小于17db。为了在保证阵列综合性能的基础上减少计算量，并且已经根据先验知识确定幅相加权分布关于阵列中心对称，可以只考虑和两个方向上的阵列方向图。则根据指标要求，最终确定远场方向图的优化目标为方向上，3db波束宽度为48
°
，副瓣电平小于17db；由于本实例为矩形平顶综合，方向上，设置3db波束宽度为60
°
，副瓣电平小于17db。
[0075]
如图1所示，步骤如下：
[0076]
步骤1：设置进化代数计数器g＝0，设置最大进化代数g为200，随机生成np为200个个体作为初始群体。据阵元数量确定染色体长度为8。仿真中采用5位数控衰减器、6位数控移相器，确定一个基因长度为11。
[0077]
步骤2：根据系统应用指标确定矩形天线阵列中心频率为30ghz，阵元数目为16
×
16，阵元间距为5mm的微带天线，利用软件hfss建立二维矩形阵列天线模型，进行全波电磁仿真，如图6所示。分别提取了所有16
×
16个有源单元方向图。
[0078]
步骤3：按照适应度函数，计算群体p(g)中各个个体生成的天线阵列远场方向图的适应度。根据目标阵列方向图的指标要求，确定遗传算法的适应度函数为：
[0079]fi
＝1/∑w1[max(|re(θ)|-|re
min
(θ)|,0)]2 w2[max(|re
max
(θ)|-|re(θ)|,0)]2ꢀꢀꢀ
(7)
[0080]
公式(7)中，方向上，3db波束宽度为48
°
，方向上，3db波束宽度为60
°
。从而根据3db波束宽度设置最小值re
min
包络曲线；根据副瓣电平17db设置最大值re
max
包络曲线，如图7所示。并且经过仿真确定，主瓣区域权值w1设定为0.9，副瓣区域权值w2设定为0.1，一般设定主瓣区域权值大于副瓣区域权值。
[0081]
步骤4：基于群体的幅相加权集和有源单元方向图，计算天线阵列的远场方向图。根据步骤3中的适应度函数计算适应度fi。
[0082]
步骤5：将选择算子作用于群体，根据个体的适应度，按照“轮盘赌”的规则，选择一些优良个体遗传到下一代群体。
[0083]
步骤6：引入最小海明距离rou为0.2进行“近亲”判别，判断不同个体相同阵元位置的幅相加权值间的平均海明距离。p
c1
为自适应交叉率最大值为0.9，p
c2
为最小值为0.7。
[0084]
步骤7：将变异算子作用于群体，对选中的个体，以概率pm为0.1改变某一个或一些基因值为其他的等位基因。群体p(g)经过选择、交叉和变异运算之后得到下一代群体p(g 1)。步骤8：若g≤200，则g＝g 1，转到步骤2；若g＞200，则此进化过程中得到的具有最大适
应度的个体作为最优解输出，终止计算。通过迭代200次在全局范围内搜索最佳的幅相加权值。
[0085]
步骤9：根据最优幅相加权结果生成最终的天线阵列综合方向图，验证满足系统指标。
[0086]
本实施例中采用基于改进型遗传算法的多目标优化阵列方向图综合方法计算幅相加权值以实现副瓣可控的平顶波束综合问题。在hfss软件中导入幅相加权值进行验证，如图7所示，最终实现了副瓣抑制及平顶波束综合，在方向副瓣可以达到17db，并且3db波束宽度达到48
°
；在方向，副瓣可以达到32db，并且3db波束宽度达到65
°
。如图8所示，对比了基于matlab软件的仿真结果与将幅相加权优化结果导入hfss软件后的全波电磁仿真结果，可以达到完全一致，并且满足大于最小值re
min
包络曲线，及小于最大值re
max
包络曲线的要求。如图9所示，经过迭代200次后，优化算法运行时间约为4min，适应度趋于无穷大，说明最终达到了指标要求。因此通过修改改进型遗传算法的优化目标函数参数，可以快速实现满足不同指标要求的波束赋形，并可以通过hfss全波仿真软件验证。
[0087]
本发明还可有其他多种实施例，在不背离本发明精神极其实质的情况下，本领域人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。