阵列天线的波束赋形方法和装置制造方法及图纸

本发明专利技术涉及一种阵列天线的波束赋形方法和装置，该方法包括：根据预先设置种群规模产生粒子群，并初始化粒子群的各参数；根据预先设置的根据所需波束确定的适应度函数计算粒子群中各粒子的适应度值，适应度函数的问题的最优解为波束所需的幅度和相位值；将粒子群作为父代粒子群，根据粒子的适应度值，对父代粒子群采用免疫算法，得到父代粒子群的下一代粒子群；根据预设规则更新粒子的最优值和问题的最优解；判断是否到达预设的最大迭代次数；若是，则根据问题的最优解确定各阵元的相位和信号幅度，赋形得到所需阵列天线的波束。结合粒子群算法和免疫算法能够有效提高搜索速度，效率高，使天线赋形波束满足要求。

【技术实现步骤摘要】

本专利技术涉及通信
，特别是涉及一种阵列天线的波束赋形方法和装置。
技术介绍
在雷达、无线通信等众多领域中，波束赋形是一种基于天线阵列的信号预处理技术，波束赋形通过调整天线阵列中每个阵元的加权系数产生具有指向性的波束，从而能够获得明显的阵列增益。通过波束赋形器控制各阵元的相位和信号幅度，得到所需的波束。这是个多维非线性优化问题。基于群体智慧的演化算法很适合于解决此类复杂的非线性优化问题，并且这些算法具有概念清晰、程序简单等特点。常用的群体智慧的演化算法有粒子群算法。粒子群算法中，每个优化问题的潜在解都是搜索空间中一个“粒子”，而粒子的位置就是所求问题的解。所有的粒子都有一个由被优化的函数决定的适应度值，并且每个粒子还有一个速度决定它们飞翔的方向和距离。粒子群算法首先初始化一群随机粒子(随机解)，在搜索空间中以一定的速度飞行，然后通过迭代找到最优解。在每一次迭代中，粒子通过跟踪两个极值来更新自己，第一个就是粒子本身所找到的最优解，另一个极值是整个种群目前找到的最优解。粒子群算法具有算法简单、容易实现、搜索速度快、所含参数较少的特点。但基本的粒子群算法有着收敛过快、早熟收敛、搜索范围不大、容易收敛到局部极值等问题，因此，采用粒子群算法确定阵列天线的波束的相位和信号幅度等参数所需的时间长，效率低。
技术实现思路
基于此，有必要提供一种阵列天线的波束赋形方法和装置，能够快速确定阵列天线的波束的相位和信号幅度。一种阵列天线的波束赋形方法，包括：根据预先设置种群规模产生粒子群，并初始化粒子群的各参数；所述参数包括：粒子的起始位置和初始速度；根据预先设置的根据所需波束确定的适应度函数计算所述粒子群中各粒子的适应度值；所述适应度函数的问题的最优解为合成目标波束所需的幅度和相位值；将所述粒子群作为父代粒子群，根据所述粒子的适应度值，对所述父代粒子群采用免疫算法，得到所述父代粒子群的下一代粒子群；所述免疫算法包括克隆、高频变异和选择操作；根据预设规则更新粒子的最优值和问题的最优解，其中，粒子的最优值和问题的最优解根据粒子的位置确定，所述预设规则为：若则令若则其中，fi(t)为粒子的适应度值；为粒子的最优值，即粒子群中第i个粒子经历的最好位置，为其对应的适应值度；为问题的最优解，即粒子群中所有粒子经历过的最好位置，为其对应的适应度值；xi(t)为第i个粒子在第t次迭代时的位置，t为迭代次数；判断是否到达预设的最大迭代次数；若是，则根据问题的最优解确定各阵元的相位和信号幅度，赋形得到所需阵列天线的波束。在一个实施例中，所述将所述粒子群作为父代粒子群，根据所述粒子的适应度值，对所述父代粒子群采用免疫算法，得到所述父代粒子群的下一代粒子群的步骤包括：根据所述粒子的适应度值，对粒子进行克隆操作得到所述粒子的子代粒子；所述粒子被克隆的数目与所述粒子的适应度值呈正相关；对所述子代粒子进行高频变异操作得到变异子代粒子；根据所述适应度函数计算所述变异粒子的适应度值，并从父代和变异子代组成的集合中选择n1个适应值较大的粒子，与随机产生的n-n1个新粒子组成下一代粒子群。在一个实施例中，若判断未到达预设的最大迭代次数，则更新粒子的速度和位置；并根据适应度函数和更新的粒子的速度、位置计算下一代粒子群中各粒子的适应度值。在一个实施例中，对所述粒子进行克隆操作得到粒子的子代粒子的数目为：mi=[fi(t)Σi=1nfi(t)*n]]]>其中，mi为第i个粒子被克隆的数目；n是种群中粒子总数；fi(t)为粒子的适应度值。在一个实施例中，更新粒子的速度的公式为：vid(t+1)=wvid(t)+c1r1(pbest,di(t)-xid(t))+c2r2(pbest,dg(t)-xid(t));]]>更新粒子的位置的公式为：xid(t+1)＝xid(t)+vid(t+1)；其中，i＝1，2，…，m表示第i个粒子，d＝1，2，…，n表示粒子的第d维，w为惯性权重，c1和c2为加速常数，r1、r2是均匀分布在(0，1)区间中的随机函数，t为迭代次数的步长。一种阵列天线的波束赋形装置，包括：初始化模块、适应度计算模块、免疫计算模块、更新模块、判断模块和赋形模块；所述初始化模块，用于根据预先设置种群规模产生粒子群，并初始化粒子群的各参数；所述参数包括：粒子的起始位置和初始速度；所述适应度计算模块，用于根据预先设置的根据所需波束确定的适应度函数计算所述粒子群中各粒子的适应度值；所述适应度函数的问题的最优解为合成目标波束所需的幅度和相位值；所述免疫计算模块，用于将所述粒子群作为父代粒子群，根据所述粒子的适应度值，对所述父代粒子群采用免疫算法，得到所述父代粒子群的下一代粒子群；所述免疫算法包括克隆、高频变异和选择操作；所述更新模块，用于根据预设规则更新粒子的最优值和种群的最优值，其中，预设规则为：若则令若则其中，fi(t)为粒子的适应度值；为粒子的最优值，即粒子群中第i个粒子经历的最好位置，为其对应的适应值度；为问题的最优解，即粒子群中所有粒子经历过的最好位置，为其对应的适应度值；xi(t)为第i个粒子在第t次迭代时的位置，t为迭代次数；所述判断模块，用于判断是否到达预设的最大迭代次数；所述赋形模块，用于在所述判断模块的判断结果为是时，根据问题的最优解确定各阵元的相位和信号幅度，赋形得到所需阵列天线的波束。在一个实施例中，所述免疫计算模块包括：克隆操作模块、变异操作模块和选择操作模块；所述克隆操作模块，用于根据所述粒子的适应度值，对粒子进行克隆操作得到所述粒子的子代粒子；所述粒子被克隆的数目与所述粒子的适应度值呈正相关；所述变异操作模块，用于对所述子代粒子进行高频变异操作得到变异子代粒子；所述选择操作模块，用于根据所述适应度函数计算所述变异粒子的适应度值，并从父代和变异子代组成的集合中选择n1个适应值较大的粒子，与随机产生的n-n1个新粒子组成下一代粒子群。在一个实施例中，阵列天线的波束赋形装置还包括参数更新模块，所述参数更新模块，用于在所述判断模块的判断结果为否时，更新粒子的速度和位置，所述适应度计算模块根据适应度函数和更新的粒子的速度、位置计算下一代粒子群中各粒子的适应度值。在一个实施例中，对所述粒子进行克隆操作得到粒子的子代粒子的数目为：mi=[fi(t)Σi=1nfi(t)*n]]]>其中，mi为第i个粒子被克隆的数目；n是种群中粒子总数；fi(t)为粒子的适应度值。在一个实施例中，更新粒子的速度的公式为：vid(t+1)=wvid(t)+c1r1(pbest,di(t)-xid(t))+c2r2(pbest,dg(t)-xid(t));]]>更新粒子的位置的公式为：xid(t+1)＝xid(t)+vid(t+1)；其中，i＝1，2，…，m表示第i个粒子，d＝1，2，…，n表示粒子的第d维，w为惯性权重，c1和c2为加速常数，r1、r2是均匀分布在(0，1)区间中的随机函数，t为迭代次数的步长。上述的阵列天线的波束赋形方法，通过采用粒子群算法和免疫算法求解适应度函数的问题的最优解，以粒子群算法为基础，在其中融入免疫算法，利用入免疫算法的克隆复制、高频变异、克隆选择等操作来改善粒子群多本文档来自技高网...

【技术保护点】
一种阵列天线的波束赋形方法，其特征在于，包括：根据预先设置种群规模产生粒子群，并初始化粒子群的各参数；所述参数包括：粒子的起始位置和初始速度；根据预先设置的根据所需波束确定的适应度函数计算所述粒子群中各粒子的适应度值；所述适应度函数的问题的最优解为合成目标波束所需的幅度和相位值；将所述粒子群作为父代粒子群，根据所述粒子的适应度值，对所述父代粒子群采用免疫算法，得到所述父代粒子群的下一代粒子群；所述免疫算法包括克隆、高频变异和选择操作；根据预设规则更新粒子的最优值和问题的最优解，其中，粒子的最优值和问题的最优解根据粒子的位置确定，所述预设规则为：若则令若则其中，fi(t)为粒子的适应度值；为粒子的最优值，即粒子群中第i个粒子经历的最好位置，为其对应的适应值度；为问题的最优解，即粒子群中所有粒子经历过的最好位置，为其对应的适应度值；xi(t)为第i个粒子在第t次迭代时的位置，t为迭代次数；判断是否到达预设的最大迭代次数；若是，则根据问题的最优解确定各阵元的相位和信号幅度，赋形得到所需阵列天线的波束。

【技术特征摘要】
1.一种阵列天线的波束赋形方法，其特征在于，包括：根据预先设置种群规模产生粒子群，并初始化粒子群的各参数；所述参数包括：粒子的起始位置和初始速度；根据预先设置的根据所需波束确定的适应度函数计算所述粒子群中各粒子的适应度值；所述适应度函数的问题的最优解为合成目标波束所需的幅度和相位值；将所述粒子群作为父代粒子群，根据所述粒子的适应度值，对所述父代粒子群采用免疫算法，得到所述父代粒子群的下一代粒子群；所述免疫算法包括克隆、高频变异和选择操作；根据预设规则更新粒子的最优值和问题的最优解，其中，粒子的最优值和问题的最优解根据粒子的位置确定，所述预设规则为：若则令若则其中，fi(t)为粒子的适应度值；为粒子的最优值，即粒子群中第i个粒子经历的最好位置，为其对应的适应值度；为问题的最优解，即粒子群中所有粒子经历过的最好位置，为其对应的适应度值；xi(t)为第i个粒子在第t次迭代时的位置，t为迭代次数；判断是否到达预设的最大迭代次数；若是，则根据问题的最优解确定各阵元的相位和信号幅度，赋形得到所需阵列天线的波束。2.根据权利要求1所述的方法，其特征在于，所述将所述粒子群作为父代粒子群，根据所述粒子的适应度值，对所述父代粒子群采用免疫算法，得到所述父代粒子群的下一代粒子群的步骤包括：根据所述粒子的适应度值，对粒子进行克隆操作得到所述粒子的子代粒子；所述粒子被克隆的数目与所述粒子的适应度值呈正相关；对所述子代粒子进行高频变异操作得到变异子代粒子；根据所述适应度函数计算所述变异粒子的适应度值，并从父代和变异子代组成的集合中选择n1个适应值较大的粒子，与随机产生的n-n1个新粒子组成下一代粒子群。3.根据权利要求2所述的方法，其特征在于，若判断未到达预设的最大迭代次数，则更新粒子的速度和位置；并根据适应度函数和更新的粒子的速度、位置计算下一代粒子群中各粒子的适应度值。4.根据权利要求2所述的方法，其特征在于，对所述粒子进行克隆操作得到粒子的子代粒子的数目为：mi=[fi(t)Σi=1nfi(t)*n]]]>其中，mi为第i个粒子被克隆的数目；n是种群中粒子总数；fi(t)为粒子的适应度值。5.根据权利要求3所述的方法，其特征在于，更新粒子的速度的公式为：vid(t+1)=wvid(t)+c1r1(pbest,di(t)-xid(t))+c2r2(pbest,dg(t)-xid(t));]]>更新粒子的位置的公式为：xid(t+1)＝xid(t)+vid(t+1)；其中，i＝1，2，…，m表示第i个粒子，d＝1，2，…，n表示粒子的第d维，w为惯性权重，c1和c2为加速常数，r1、r2是均匀分布在(0，1)区间中的随机函数，t为迭代次数的步长。6.一种阵列天线的波束赋形装置，其特征在于，包括：初始化模块、适应度计算模块、免疫计算模块、更新模块、判断模块和...

【专利技术属性】
技术研发人员：李俊，
申请(专利权)人：广州杰赛科技股份有限公司，
类型：发明
国别省市：广东;44