基于多目标量子蜘蛛群演化机制的环形天线阵列稀疏方法技术

本发明专利技术提供一种基于多目标量子蜘蛛群演化机制的环形天线阵列稀疏方法，建立环形天线阵列稀疏模型，设置恰当的系统参数，并初始化种群中每只蜘蛛在解空间中的量子位置和{0,1}编码位置。设计多目标适应度函数。计算种群中每只蜘蛛的重量，根据重量划分蜘蛛的性别。根据初始种群，生成初始精英解集。从精英解集中选取全局最优解和次优解。然后分别更新雌性蜘蛛和雄性蜘蛛的量子位置，并根据量子位置通过测量的方式转化为{0,1}编码位置。更新精英解集，并更新种群中所有蜘蛛的重量。最后判断是否达到最大迭代次数，如果达到最大迭代次数，则输出精英解集；否则返回迭代。本发明专利技术解决了多目标环形天线阵列稀疏构建这样的高维度离散多目标问题。

【技术实现步骤摘要】
基于多目标量子蜘蛛群演化机制的环形天线阵列稀疏方法
本专利技术涉及一种基于多目标量子蜘蛛群演化机制的环形天线阵列稀疏方法，属于智能阵列天线

技术介绍
近年来随着科技的快速发展，各个领域对天线技术的要求也日益增高。为了使得天线满足快速发展的科技所带来的需求，天线技术有了快速的崛起与发展，许多新型天线应运而生，其中包括天线阵列。天线阵列是将许许多多天线单元按一定排列方式摆放，使它们的辐射场矢量叠加，以得到总辐射场来满足实际应用中的高增益和高方向性要求。庞大的天线阵列表现出的优秀效果，使得天线阵列成为一些工程中必不可少的部分。在一些雷达及卫星天线系统中，天线阵列由成千甚至上万的天线单元组成，采用幅度相位加权法来改善天线阵列的方向性后，天线阵列的馈电网络将变得十分复杂以至于难以实现。复杂的系统设备，也会使得系统的故障率和检修难度加大，这样不光投入的成本会大大增加，同时对计算机系统处理数据的能力提出了更高的要求。在许多实际工程应用中，对天线阵列只要求有窄的扫描波束，而对增益没有过高的要求，例如抗环境干扰的卫星接收天线、高频地面雷达天线和射电天文中的干涉阵列天线等等。而天线阵列主波束宽度与口径最大尺寸有关，增益与照射口径面积有关，所以在这些实际工程中可以采用阵列稀疏的方法来构造出高方向性的稀疏天线阵列。稀疏后的天线阵列减小了系统设备的复杂度，因而也降低了系统的故障率，降低了建造、维护成本，同时加快了系统的运行速度，提高了实用性。但是天线单元的周期性变稀会使得方向图出现非常高的旁瓣，稀疏之后天线阵列方向图效果比起满布时就会变差很多。由于稀疏天线阵列方向图的旁瓣与天线单元的摆放位置有很大的关系，因此需要对稀疏阵列中阵元位置进行优化以降低其旁瓣。所以如何用稀疏后较少的天线单元尽量逼近满布时的效果，达到所期望的目的并满足约束条件，就成为天线阵列
要解决的关键问题，同时也是在现代通信领域发挥重要作用的智能天线领域中的一个关键问题。因此本专利技术基于量子编码和所提出的多目标蜘蛛群演化机制，提出基于多目标量子蜘蛛群演化机制的环形天线阵列稀疏方法。该方法可求出在不同布满率情况下，稀疏环形天线阵的最大相对旁瓣电平。很好的处理了{0,1}编码的多目标求解问题，可以获得很好的分布多样性。本专利技术所提出的多目标量子蜘蛛群环阵稀疏方法可以有效解决环形天线阵列稀疏收敛速度和收敛精度的难题，解决了多目标环阵稀疏这个高维多目标离散问题。所设计的多目标量子蜘蛛群演化方法是解决离散多目标问题的新方法，现有文献中没有见过相关的报道，更没有把离散多目标量子蜘蛛群演化机制应用到圆阵稀疏这种工程难题的报道。
技术实现思路
本专利技术的目的是为了提供一种基于多目标量子蜘蛛群演化机制的环形天线阵列稀疏方法，把目前只能用于解决连续优化问题的蜘蛛群演化机制进行了改进，提出了多目标蜘蛛群演化机制，并与量子编码方法有机结合，融合了两者的优点，设计出新的可以解决离散问题的多目标量子蜘蛛群演化机制(Multi-objectiveQuantumSpiderSwarmOptimization,MQSSO)，成功解决了环形天线阵列多目标求解难题，最终获得的非劣解集有很好的分布多样性。本专利技术的目的是这样实现的：步骤一：建立平面环形天线阵列稀疏模型；步骤二：设置系统参数，并初始化蜘蛛种群中每只蜘蛛在解空间中的量子位置和{0,1}编码位置；步骤三：设计多目标适应度函数，计算蜘蛛{0,1}编码位置的目标函数向量；步骤四：根据蜘蛛目标函数向量计算其重量，根据重量划分蜘蛛性别；步骤五：根据初始种群，生成初始精英解集；步骤六：从精英解集中选取全局最优解和次优解；步骤七：分别更新雌性蜘蛛和雄性蜘蛛的量子位置，并根据量子位置通过测量的方式转化为{0,1}编码位置；步骤八：计算更新后的{0,1}编码位置的目标函数向量，并更新精英解集和种群中所有蜘蛛的重量；步骤九：判断是否达到最大迭代次数，如果达到最大迭代次数，则输出精英解集；否则迭代次数加1并返回步骤六。本专利技术还包括这样一些结构特征：1.步骤一具体是：已知一个在xoy平面内、圆心为坐标原点、半径为a的均匀单圆环阵列，第n个阵元与坐标原点的连线与x轴之间的旋转角为位置坐标为坐标原点到远区某观测点的距离为r，第n个阵元到该观测点的距离为Rn，则该阵元的远区辐射场强为：其中：C为常数，j为虚数单位，k＝2πa/λ为波数，λ为波长，为阵元激励，其中In为激励幅度，αn为激励相位；将幅度做近似处理相位为将位置坐标带入相位中，有：对该辐射场强表达式进行远区近似并得到均匀单圆环阵的总场强表达式为：式中：阵因子为波束在最大指向方向满足关系则有并代入阵因子中可得阵元等距排列在给定半径的一个圆周上，阵元间距取为0.5λ，阵元方位角为并且阵元激励等幅同相，由此构成了一个均匀单圆环阵；同心圆环阵由多个具有相同圆心不同半径的单圆环阵构成，假设一个具有M个圆环的同心圆环阵，其各个圆环半径沿径向依次递增，Nm代表第m个圆环上的阵元数目，第m个圆环上的第n个阵元的方位角大小为激励幅度为Imn、激励相位为αmn，则由单圆环阵的方向图函数可以推导出同心圆环阵的方向图函数为：均匀同心圆环阵的阵元方位角位置同心圆环半径ρm与阵元数Nm计算公式分别为：ρm＝MΔρ和Nm＝2πρm/(λ/2)，其中，Δρ为相邻圆环的间距；平面环形天线阵列稀疏是在均匀同心圆环阵列的基础上，选择均匀归一化激励幅度Imn为0或1作为阵元标志位，代表该位置天线阵元被稀疏或存在两种不同的状态。2.步骤二具体是：所述系统参数包括种群的规模、雌性蜘蛛和雄性蜘蛛的比例、群体演进的迭代次数和跟随因子的大小，已知种群规模即种群中蜘蛛个体的数量为H，雌性蜘蛛的数量为Hf，雄性蜘蛛的数量为Hm，且有：Hf+Hm＝H，其中，表示向下取整函数，rd是一个[0,1]内均匀随机数或直接将雌性蜘蛛所占比例确定为固定值70％，标号为i的蜘蛛量子位置为且q＝1,2,…,Q；Q为解空间的维度；与标号为i的蜘蛛量子位置对应的{0,1}编码位置为且只取到0或1；i代表了种群中蜘蛛个体的编号，i＝1,2,…,H，t代表迭代次数。3.步骤三具体是：所述多目标适应度函数，包括两个分别用来评价种群中第i只蜘蛛{0,1}编码位置在两个方面的优劣的目标函数和然后构成了可判断解空间中潜在解的优劣的目标函数值向量其中：为由标志位向量Λ所决定的方向图函数，则表示第i只蜘蛛在第t次迭代时解的方向图最大相对旁瓣电平，反映出方向图辐射性能的优劣；sum表示求{0,1}编码位置中1的个数；则表示第i只蜘蛛在第t次迭代时解的环阵稀疏率，反映出环阵稀疏效果的优劣。4.步骤四具体是：第i只蜘蛛个体的重量为：式中：表示第t次迭代时第i个蜘蛛的重量，和分别表示第t次迭代时第i个蜘蛛的两个目标函数值，和分别表示第t次迭代时所有蜘蛛的目标函数中的最大值和最小值，和分别表示第t次迭代时所有蜘蛛的目标函数中的最大值和最小值。5.步骤五具体是：由初始种群生成初始精英解集，先将第一个蜘蛛个体默认放入精英解集，然后遍历剩下的所有蜘蛛，判断每个蜘蛛个体和精英解集中现有蜘蛛个体之间的支配关系，用表示第t代时精英解集外的蜘蛛个体，c遍历这些个体的编号，用表示第t代时精英解集内的精英解，b遍历本文档来自技高网...

【技术保护点】
基于多目标量子蜘蛛群演化机制的环形天线阵列稀疏方法，其特征在于：步骤如下：步骤一：建立平面环形天线阵列稀疏模型；步骤二：设置系统参数，并初始化蜘蛛种群中每只蜘蛛在解空间中的量子位置和{0,1}编码位置；步骤三：设计多目标适应度函数，计算蜘蛛{0,1}编码位置的目标函数向量；步骤四：根据蜘蛛目标函数向量计算其重量，根据重量划分蜘蛛性别；步骤五：根据初始种群，生成初始精英解集；步骤六：从精英解集中选取全局最优解和次优解；步骤七：分别更新雌性蜘蛛和雄性蜘蛛的量子位置，并根据量子位置通过测量的方式转化为{0,1}编码位置；步骤八：计算更新后的{0,1}编码位置的目标函数向量，并更新精英解集和种群中所有蜘蛛的重量；步骤九：判断是否达到最大迭代次数，如果达到最大迭代次数，则输出精英解集；否则迭代次数加1并返回步骤六。

【技术特征摘要】
1.基于多目标量子蜘蛛群演化机制的环形天线阵列稀疏方法，其特征在于：步骤如下：步骤一：建立平面环形天线阵列稀疏模型；步骤二：设置系统参数，并初始化蜘蛛种群中每只蜘蛛在解空间中的量子位置和{0,1}编码位置；步骤三：设计多目标适应度函数，计算蜘蛛{0,1}编码位置的目标函数向量；步骤四：根据蜘蛛目标函数向量计算其重量，根据重量划分蜘蛛性别；步骤五：根据初始种群，生成初始精英解集；步骤六：从精英解集中选取全局最优解和次优解；步骤七：分别更新雌性蜘蛛和雄性蜘蛛的量子位置，并根据量子位置通过测量的方式转化为{0,1}编码位置；步骤八：计算更新后的{0,1}编码位置的目标函数向量，并更新精英解集和种群中所有蜘蛛的重量；步骤九：判断是否达到最大迭代次数，如果达到最大迭代次数，则输出精英解集；否则迭代次数加1并返回步骤六。2.根据权利要求1所述的基于多目标量子蜘蛛群演化机制的环形天线阵列稀疏方法，其特征在于：步骤一具体是：已知一个在xoy平面内、圆心为坐标原点、半径为a的均匀单圆环阵列，第n个阵元与坐标原点的连线与x轴之间的旋转角为位置坐标为坐标原点到远区某观测点的距离为r，第n个阵元到该观测点的距离为Rn，则该阵元的远区辐射场强为：其中：C为常数，j为虚数单位，k＝2πa/λ为波数，λ为波长，为阵元激励，其中In为激励幅度，αn为激励相位；将幅度做近似处理相位为将位置坐标带入相位中，有：对该辐射场强表达式进行远区近似并得到均匀单圆环阵的总场强表达式为：式中：阵因子为波束在最大指向方向满足关系则有并代入阵因子中可得阵元等距排列在给定半径的一个圆周上，阵元间距取为0.5λ，阵元方位角为并且阵元激励等幅同相，由此构成了一个均匀单圆环阵；同心圆环阵由多个具有相同圆心不同半径的单圆环阵构成，假设一个具有M个圆环的同心圆环阵，其各个圆环半径沿径向依次递增，Nm代表第m个圆环上的阵元数目，第m个圆环上的第n个阵元的方位角大小为激励幅度为Imn、激励相位为αmn，则由单圆环阵的方向图函数可以推导出同心圆环阵的方向图函数为：均匀同心圆环阵的阵元方位角位置同心圆环半径ρm与阵元数Nm计算公式分别为：ρm＝MΔρ和Nm＝2πρm/(λ/2)，其中，Δρ为相邻圆环的间距；平面环形天线阵列稀疏是在均匀同心圆环阵列的基础上，选择均匀归一化激励幅度Imn为0或1作为阵元标志位，代表该位置天线阵元被稀疏或存在两种不同的状态。3.根据权利要求2所述的基于多目标量子蜘蛛群演化机制的环形天线阵列稀疏方法，其特征在于：步骤二具体是：所述系统参数包括种群的规模、雌性蜘蛛和雄性蜘蛛的比例、群体演进的迭代次数和跟随因子的大小，已知种群规模即种群中蜘蛛个体的数量为H，雌性蜘蛛的数量为Hf，雄性蜘蛛的数量为Hm，且有：Hf+Hm＝H，其中，表示向下取整函数，rd是一个[0,1]内均匀随机数或直接将雌性蜘蛛所占比例确定为固定值70％，标号为i的蜘蛛量子位置为且Q为解空间的维度；与标号为i的蜘蛛量子位置对应的{0,1}编码位置为且只取到0或1；i代表了种群中蜘蛛个体的编号，i＝1,2,…,H，t代表迭代次数。4.根据权利要求3所述的基于多目标量子蜘蛛群演化机制的环形天线阵列稀疏方法，其特征在于：步骤三具体是：所述多目标适应度函数，包括两个分别用来评价种群中第i只蜘蛛{0,1}编码位置在两个方面的优劣的目标函数和然后构成了可判断解空间中潜在解的优劣的目标函数值向量其中：为由标志位向量Λ所决定的方向图函数，则表示第i只蜘蛛在第t次迭代时解的方向图最大相对旁瓣电平，反映出方向图辐射性能的优劣；sum表示求{0,1}编码位置中1的个数；则表示第i只蜘蛛在第t次迭代时解的环阵稀疏率，反映出环阵稀疏效果的优劣。5.根据权利要求4所述的基于多目标量子蜘蛛群演化机制的环形天线阵列稀疏方法，其特征在于：步骤四具体是：第i只蜘蛛个体的重量为：式中：表示第t次迭代时第i个蜘蛛的重量，和分别表示第t次迭代时第i个蜘蛛的两个目标函数值，和分别表示第t次迭代时所有蜘蛛的目标函数中的最大值和最小值，和分别表示第t次迭代时所有蜘蛛的目标函数中的最大值和最小值。6.根据权利要求5所述的基于多目标量子蜘蛛群演化机制的环形天线阵列稀疏方法，其特征在于：步骤五具体是：由初始种群生成初始精英解集，先将第一个蜘蛛个体默认放入精英解集，然后遍历剩下的所有蜘蛛，判断每个蜘蛛个体和精英解集中现有蜘蛛个体之间的支配关系，用表示第t代时精英解集外的蜘蛛...

【专利技术属性】
技术研发人员：高洪元，张晓桐，刁鸣，刘子奇，白永珍，侯阳阳，苏雨萌，马雨微，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江,23