一种背馈芯片布局约束下的稀疏阵列优化布阵方法

1.本发明属于相控阵列领域，特别涉及一种相控阵列优化布阵技术。


背景技术：

2.相控阵雷达即相位控制电子扫描阵列雷达，目前广泛应用于军事、航天、交通等领域。近年来我国应用在智慧安防、智慧交通、智慧驾驶中的毫米波相控阵列雷达对角度分辨率和扫描范围都有很高要求。角度分辨率跟天线阵列口径呈正相关，要想提高角度分辨率就要求增大天线阵列的口径；另一方面，为了满足大扫描范围无栅瓣的扫描需求，需要以半波长间距布阵，这会导致通道数目增多,成本提高，同时降低系统的可行性。同时考虑角度分辨率和扫描范围这两种需求，则天线阵列的设计需要采用芯片背馈的形式，并且进行稀疏优化。
3.在系统实现方面，采用天线与芯片共面的设计方式会使得芯片占据天线阵列内的大量面积，影响阵列布局，降低天线有效口径。为了提高限定设计面积下的天线辐射口径，需要用背馈方式，介质板顶层用来设计稀疏阵列的天线排布，底层用来设计芯片的位置排布。采用芯片背馈布局可以节省天线阵列的大量面积，提高天线阵列的辐射口径。同时芯片背馈布局便于设计天线与芯片之间的连接方式，具有较高的可行性。采用稀疏布阵的方法可以在阵元通道数目保持不变的情况下，通过优化阵元间距，提升天线阵列的有效口径，从而改善角度分辨率和扫描范围，降低成本，提升系统的可行性。
4.然而稀疏布阵也存在着阵列扫描范围减小、方向图旁瓣水平上升、优化过程中变量多时间长等缺点。为了将这些缺点的影响尽量减小，因此需要对稀疏阵列进行优化，目前比较常见的稀疏阵列智能优化方法有粒子群优化算法(particle swarm optimization,pso)算法、布谷鸟搜索算法(cuckoo search,cs)和遗传算法(genetic algorithm,ga)等。
5.粒子群算法是模拟自然界的群居动物觅食和躲避追捕等行为的一种并行随机搜索算法。粒子群算法采用了基于种群的全局搜索策略，操作模型比较简单，可以解决一些存在不可导的节点传递函数或者没有梯度信息存在的特殊问题。但是粒子群算法存在网络权重编码和遗传算子的选择较为困难、后期收敛速度缓慢、缺少完整且可靠的理论知识进行验证等缺点。
6.布谷鸟算法是通过模拟某些种属布谷鸟的孵卵寄生性，来有效地求解最优化问题的算法。布谷鸟算法主要利用莱维飞行搜索机制，具有参数少、操作简单、易实现、随机搜索路径优和寻优能力强等优点。但是由于莱维飞行具有随机性，因此在面对多峰复杂函数时对时间和空间的探索具有一定的盲目性。
7.遗传算法是借鉴达尔文的自然选择和物种进化理论模型的随机搜索方法，具有通用性强，可进行全局寻优的特点，减少了陷入局部最优解的风险，同时算法本身易于实现并行化。但是在处理高维、搜索空间大的复杂实际问题时，遗传算法的收敛速度和精度会大幅下降，而且单一的遗传算法编码不能全面地将优化问题的约束表示出来。
8.在面对背馈芯片布局约束下的稀疏阵列优化问题时，目前的优化方法都没有考虑
阵面与后端背馈芯片的连接实现问题，系统实施可行性较差。而且在阵列面积较大时，目前的优化方法无法降低优化复杂度，计算速度慢、精度差。因此考虑将天线阵列根据芯片数量进行区域划分，采用芯片背馈约束下的遗传算法对每块芯片控制区域内的天线稀疏阵列进行优化。该优化算法可以降低系统优化的复杂度，并且拥有优化结果可行性高、馈电网络设计周期短、在设计大规模天线阵列时的可重复性强等优点。


技术实现要素：

9.为解决上述技术问题，本发明提出了一种芯片背馈式天线阵列稀疏优化方法，通过对阵元位置进行遗传优化，在背馈芯片布局约束下改善天线阵列的可行性和设计复杂度。
10.本发明采用的技术方案为：一种背馈芯片布局约束下的稀疏阵列优化布阵方法，包括：
11.a1、将平面天线阵列纵向与横向都以λ2的间距划分为矩形网格，矩形网格中包括若干格点，阵元放置于矩形网格中的某个格点处；
12.a2、设选用的背馈芯片通道数目为n，且一个通道控制一个阵元；
13.a3、将一个背馈芯片所有通道控制的n个阵元各自所在的矩形网格按照芯片上各通道的位置关系排列拼接，得到单个背馈芯片控制的阵列；
14.a4、确定所需的芯片数量；
15.至少为x表示背馈芯片数量，s表示满足角度分辨率要求的阵列面积，s0表示单个背馈芯片所控制的阵列面积，为向上取整函数；
16.a5、将步骤a4确定的天线阵列口径划分为若干个优化单元；
17.a6、对优化单元进行背馈芯片布局约束下的稀疏阵列遗传优化；
18.a7、根据步骤a6的优化结果，得到最终的背馈芯片布局。
19.步骤a6还包括设计评价芯片背馈布局约束下的稀疏阵列优化效果的适应度函数g，其评价标准为方向图最大旁瓣水平和各阵元与其对应的芯片通道之间距离的方差的加权和。
20.本发明的有益效果：本发明考虑将天线阵列根据芯片数量进行区域划分，采用芯片背馈约束下的遗传算法对每块芯片控制区域内的天线稀疏阵列进行优化。该优化算法可以降低系统优化的复杂度，并且拥有优化结果可行性高、馈电网络设计周期短、在设计大规模天线阵列时的可重复性强等优点。
附图说明
21.图1为本发明的背馈芯片布局约束下的稀疏阵列优化布阵方法流程图。
22.图2为本实施例步骤s3中芯片的单个通道控制的矩形网格示意图。
23.图3为本实施例步骤s4中一个芯片可控制的阵列面积示意图。
24.图4为本实施例步骤s6中的一个优化单元的示意图。
25.图5为本实施例步骤s8中的最终优化结果示意图。
具体实施方式
26.为便于本领域技术人员理解本发明的技术内容，下面结合附图对本发明内容进一步阐释。
27.如图1，本发明的具体步骤如下：
28.s1、设计评价芯片背馈布局约束下的稀疏阵列优化效果的适应度函数g，其评价标准为方向图最大旁瓣水平和各阵元与其对应的芯片通道之间距离的方差的加权和，即g＝方向图最大旁瓣水平和各阵元与其对应的芯片通道之间距离的方差的加权和。此处使用归一化方向图，主瓣水平为0db，旁瓣的db数值为负，因此阵列的旁瓣水平越低、各天线与其对应的芯片通道之间的距离差异越小，则适应度函数值越小，说明可以在提升系统性能的同时保证其可行性。设满足最终要求的天线阵列所对应的适应度函数值应小于-10。
29.s2、设定天线阵列的初始稀疏率η＝1％，设选用的芯片通道数目为8，一个通道可控制一个阵元。
30.s3、取稀疏率η＝η0。为保证在可视区内不出现栅瓣，天线之间的最小间距应为半倍波长λ2，将平面天线阵列纵向与横向都以λ2的间距划分为矩形网格，阵元可放置于格点处。根据稀疏率可计算得，芯片的每个通道控制的一个阵元应位于长宽均为(为向上取整函数)的矩形网格内，该网格中的格点数目为单个矩形网格示意图如图2所示。λ表示雷达信号波长。
31.s4、将一个芯片所有通道控制的n个矩形网格按照芯片上各通道的位置关系排列拼接，如图3所示，本实施例所用芯片为8通道，通道位置是上下两排，每排4个。每个阵元位于10
×
10的矩形网格中，因此将8个10
×
10的网格按上下两排、每排4个排列，则单个背馈芯片所能控制的阵列面积背馈芯片放置于介质板底层，位于其控制的阵列中心的正下方，便于每个通道与其对应阵元之间的连接实现。
32.s5、根据要求的角度分辨率指标0.008
°
，若采用均匀平面阵列实现，至少需要12750根接收天线，若采用本发明的背馈芯片布局约束下的稀疏阵列，可确定所需的天线阵列口径至少为s＝12750
×
(λ/2)2＝(10
×
λ/2)2×8×
15.9375，则芯片数量x至少为
33.对于均匀矩形平面阵列，接收天线数量≈102
°
/角度分辨率。这里的102
°
为一般情况下计算角度分辨率与天线数量关系的数值。
34.s6、为了兼顾优化效果与优化算法的复杂度，需要预先将初步确定的天线阵列进行区域划分，选取其中的y＝2块芯片控制区域内的阵元为本次优化算法作用的对象，即如图4所示的一个优化单元。设定一个优化单元内的芯片数量上限nk＝4。最终的背馈芯片布局约束下的稀疏阵列可由数个优化单元复制拼接组成。本领域技术人员应知这里的nk为定义背馈芯片数量上限的一个常数。
35.本领域技术人员应知一个优化单元中y个芯片控制的区域是直接相邻的，本实施例中y取值为2，实际应用中也可以取其他值，当选取的芯片数量约多，则优化的复杂度越高，但是优化效果也会更好。这里的2块芯片可以兼顾两者，是由经验得到的。
36.s7、对此优化单元进行背馈芯片布局约束下的稀疏阵列遗传优化。
37.s8、得到单个优化单元的最优稀疏阵列阵元排布，然后根据设计要求中的天线阵列长宽限制条件，将多个优化单元复制后按2行4列摆放，芯片总数z＝2*4*y＝16，得到如图5所示的最终的背馈芯片布局约束下的稀疏阵列优化结果。
38.步骤s8所述的天线阵列长宽限制条件，比如给天线阵列预留的面积为50λ
×
100λ，则要求最终排列的多个优化单元面积小于50λ
×
100λ，那么根据此要求可设计所需的8个优化单元的排列方式为2行4列，实际面积即为40λ
×
80λ，满足要求。
39.进一步地，所述步骤s7具体实现方法为：
40.s7-1、对背馈芯片每个通道控制的矩形网格中的格点从1到100进行编号，即等位基因值为1到100。每个矩形网格中需排布一个阵元，位于优化单元阵列四角的矩形网格中的阵元需要固定于对应的角落，以保证阵列口径不变，其余的阵元随机排布在各自的矩形网格中。按此方法排布完所有阵元，每个阵元的编号为其所在格点的编号，所有阵元的编号构成的数列即为一个初始个体，阵元排列顺序为从左至右，从上至下。如图4所示，数列维度为4*4。
41.s7-2、按照s7-1的方法随机生成50个初始个体，所有初始个体构成一个初始种群，种群的规模即为50，此种群用于优化背馈芯片布局约束下的稀疏阵列单元的阵元排布。初始遗传代数k＝1，最大遗传代数为200。
42.s7-3、对于每个个体，发射信号由目标反射后，被y
×
8个阵元同时接收，对所有的接收信号进行数字波束合成处理，得到此稀疏阵列单元的方向图。结合各天线与其对应的芯片通道之间的距离的方差进行计算，获得其适应度函数值，并进行归一化。取所有个体中最小的适应度函数值g。
43.s7-4、判断当前遗传代数k是否大于最大值200，若是，则执行s7-9。否则执行s7-5。
44.s7-5、选择操作，对当前种群采用基于“轮盘赌”的方法来选择用于后续操作的背馈芯片布局约束下的稀疏阵列个体，用1减去每个个体的适应度函数值g占所有个体适应度函数值的和的比例来决定其被选择到的可能性，适应度函数值越小，其个体被选择到的概率则越高。
45.s7-6、交叉操作，将被选中的背馈芯片布局约束下的稀疏阵列个体进行两两配对，每对个体按交叉概率pc＝0.8交换他们的部分基因，形成一对新的个体，所有新的个体组成一个新种群。
46.s7-7、变异操作，对交叉后生成的新种群中的每一个背馈芯片布局约束下的稀疏阵列个体采用基于概率的变异操作，除了四角处固定的阵元无法变异以外，以变异概率pm＝0.05改变每个个体其他基因座上的基因值为其他的等位基因值。
47.s7-8、将适应度函数值最小的最优个体保留在新一代种群中，k＝k 1，然后执行s7-4。
48.s7-9、判断最优个体的适应度函数值g是否小于-10，若小于，则执行s8。否则执行s7-10。
49.s7-10、判断优化单元内的芯片数量y是否大于数量上限4，若不大于，则增大芯片数量y，每次增大1，然后执行s7。否则说明此次优化对象包含的阵元数量不足，当前设定的稀疏率过低，无法满足设计要求，因此需增大稀疏率η0，本实施例中每次增大1％，即η0 1％，然后执行s3。
50.本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。