一种阵列天线方向图的综合方法及设备技术

本发明专利技术实施例提供一种阵列天线方向图的综合方法，免疫算法是一种避免陷入局部最大或最小值的有效算法，特别在多目标寻优时效果更佳明显，本发明专利技术通过克隆选择、变异和随机产生新抗体等方法获得具有足够多样性的免疫抗体群；并采用高斯函数作为变异策略，进一步提高了算法的搜索效率。将提出的免疫算法用于直线阵列综合的副瓣电平抑制和零点生成，获得了较好的优化效果。

【技术实现步骤摘要】
【专利摘要】本专利技术实施例提供一种阵列天线方向图的综合方法，免疫算法是一种避免陷入局部最大或最小值的有效算法，特别在多目标寻优时效果更佳明显，本专利技术通过克隆选择、变异和随机产生新抗体等方法获得具有足够多样性的免疫抗体群；并采用高斯函数作为变异策略，进一步提高了算法的搜索效率。将提出的免疫算法用于直线阵列综合的副瓣电平抑制和零点生成，获得了较好的优化效果。【专利说明】一种阵列天线方向图的综合方法及设备
本专利技术涉及通信领域，尤其涉及到一种阵列天线方向图的综合方法及设备。
技术介绍
在移动通信等现代通信系统中，智能天线发挥着越来越重要的作用，而方向图的 综合正是智能天线的核心技术。如何针对不同位置的信号和干扰适时地调整方向图一直是 智能天线领域的一个研究热点。在自适应智能天线中，由于需要调整多个参数变量形成自 适应多波速，尤其是作为一种空分复用接入（Space Division MultipleAccess，SDMA)，实 现系统资源地优化配置和系统性能地整体提高，如何寻找出最佳性能指标十分困难。遗传 算法由于其强大自启发能力能够有效地解决复杂的组合和优化问题，随着研究的深入和集 成电路技术的快速发展，遗传算法在这一领域的应用日益增加，优势也越来越明显，通过控 制阵元位置、激励电流的相位和幅度方向图进行副瓣抑制和零点生成。但由于遗传算法所 搜索方式的单一性和排他性，对于初始群体依赖型较大，很容易陷入局部最佳值，所以应用 遗传算法所做的优化很难到达最佳。免疫算法作为一种新型启发式高效智能仿生算法，其 搜索方式与遗传算法截然不同，免疫算法实现的是多样性搜索，它的搜索目标具有一定的 分散性和独立性，保证了算法搜索时抗体群的丰富性和多样性，从而获得全局收敛特性。
技术实现思路
本专利技术实施例提供了一种阵列天线方向图的综合方法，旨在解决如何实现抗体群 的多样性并将其应用在阵列天线方向图的问题。 一种阵列天线方向图的综合方法，其特征在于，所述方法包括： 设置阵列天线方向图的参数、初始迭代次数、最大迭代次数，并将所述参数作为免 疫算法的抗体； 根据所述抗体、预先设置的抗体群规模数M，随机产生第一抗体群； 根据预先设置的亲和力函数计算所述第一抗体群中各个抗体的亲和力值； 对所述第一抗体群中各个抗体按照亲和力值由小到大进行排序，选择亲和力值小 的Ml个抗体进行克隆繁殖得到新的抗体群，并计算所述新的抗体群中各个抗体的亲和力 值； 根据预先设置的亲和力函数计算所述新的抗体群中各个抗体的亲和力值； 对所述新的抗体群中各个抗体按照亲和力值由小到大进行排序； 选择亲和力值小的Μ个抗体，并将所述初始迭代次数增加1 ; 判断所述Μ个抗体是否满足收敛条件，所述收敛条件为所述初始迭代次数小于或 者等于所述预先设置的最大迭代次数，或者，所述Μ个抗体的最大亲和力值小于或者等于 预先设置的亲和力值； 若所述Μ个抗体满足收敛条件，则将所述Μ个抗体作为所述阵列天线图的参数。 所述选择亲和力值小的Μ个抗体，包括： 当对所述新的抗体群中各个抗体按照亲和力值由小到大进行排序后，从所述新的 抗体群中选择亲和力值小的Μ个抗体。 所述选择亲和力值小的Μ个抗体，包括： 当对所述新的抗体群中各个抗体按照亲和力值由小到大排序后，从所述新的抗体 群中选择亲和力值小的Μ-Ml个抗体； 所述Μ-Μ1个抗体和所述Ml个抗体形成Μ个抗体。 所述方法在选择亲和力值小的Μ个抗体之前，还包括： 随机产生第二抗体群； 根据预先设置的亲和力函数计算所述第二抗体群中各个抗体的亲和力值； 对所述第二抗体群中各个抗体按照亲和力值由小到大进行排序。 所述选择亲和力值小的Μ个抗体，包括： 当对所述第二抗体群中各个抗体按照亲和力值由小到大排序后，从所述第二抗体 群中选择数目为第一值的抗体； 当对所述新的抗体群中各个抗体按照亲和力值由小到大排序后，从所述新的抗体 群中选择数目为第二值的抗体；所述第一值和所述第二值之和为Μ ; 所述数目为第一值的抗体和所述数目为第二值的抗体形成Μ个抗体。 所述选择亲和力值小的Μ个抗体，包括： 当对所述第二抗体群中各个抗体按照亲和力值由小到大排序后，从所述第二抗体 群中选择数目为第一值的抗体； 当对所述新的抗体群中各个抗体按照亲和力值由小到大排序后，从所述新的抗体 群中选择数目为第二值的抗体；所述第一值和所述第二值之和为Μ-Ml ; 所述数目为第一值的抗体、所述数目为第二值的抗体以及所述Ml个抗体形成Μ个 抗体。所述选择亲和力值小的Ml个抗体进行克隆繁殖得到新的抗体群，包括 ： 选择亲和力值小的Ml个抗体进行克隆得到第三抗体群； 对所述第三抗体群进行变异后得到新的抗体群。 所述选择亲和力值小的Ml个抗体进行克隆得到第三抗体群，包括： 根据克隆规模控制函数 【权利要求】1. 一种阵列天线方向图的综合方法，其特征在于，所述方法包括： 设置阵列天线方向图的参数、初始迭代次数、最大迭代次数，并将所述参数作为免疫算 法的抗体； 根据所述抗体、预先设置的抗体群规模数M，随机产生第一抗体群； 根据预先设置的亲和力函数计算所述第一抗体群中各个抗体的亲和力值； 对所述第一抗体群中各个抗体按照亲和力值由小到大进行排序，选择亲和力值小的Ml 个抗体进行克隆繁殖得到新的抗体群，并计算所述新的抗体群中各个抗体的亲和力值； 根据预先设置的亲和力函数计算所述新的抗体群中各个抗体的亲和力值； 对所述新的抗体群中各个抗体按照亲和力值由小到大进行排序； 选择亲和力值小的Μ个抗体，并将所述初始迭代次数增加1 ; 判断所述Μ个抗体是否满足收敛条件，所述收敛条件为所述初始迭代次数小于或者等 于所述预先设置的最大迭代次数，或者，所述Μ个抗体的最大亲和力值小于或者等于预先 设置的亲和力值； 若所述Μ个抗体满足收敛条件，则将所述Μ个抗体作为所述阵列天线图的参数。2. 根据权利要求1所述的方法，其特征在于，所述选择亲和力值小的Μ个抗体，包括： 当对所述新的抗体群中各个抗体按照亲和力值由小到大进行排序后，从所述新的抗体 群中选择亲和力值小的Μ个抗体。3. 根据权利要求1所述的方法，其特征在于，所述选择亲和力值小的Μ个抗体，包括： 当对所述新的抗体群中各个抗体按照亲和力值由小到大排序后，从所述新的抗体群中 选择亲和力值小的Μ-Ml个抗体； 所述Μ-Μ1个抗体和所述Ml个抗体形成Μ个抗体。4. 根据权利要求1所述的方法，其特征在于，所述方法在选择亲和力值小的Μ个抗体之 前，还包括： 随机产生第二抗体群； 根据预先设置的亲和力函数计算所述第二抗体群中各个抗体的亲和力值； 对所述第二抗体群中各个抗体按照亲和力值由小到大进行排序。5. 根据权利要求4所述的方法，其特征在于，所述选择亲和力值小的Μ个抗体，包括： 当对所述第二抗体群中各个抗体按照亲和力值由小到大排序后，从所述第二抗体群中 选择数目为第一值的抗体； 当对所述新的抗体群中各个抗体按照亲和力值由小到大排序后，从所述新的抗体群中 选择数目为第二值的抗体；所述第一值和所述第二值之和本文档来自技高网...

【技术保护点】
一种阵列天线方向图的综合方法，其特征在于，所述方法包括：设置阵列天线方向图的参数、初始迭代次数、最大迭代次数，并将所述参数作为免疫算法的抗体；根据所述抗体、预先设置的抗体群规模数M，随机产生第一抗体群；根据预先设置的亲和力函数计算所述第一抗体群中各个抗体的亲和力值；对所述第一抗体群中各个抗体按照亲和力值由小到大进行排序，选择亲和力值小的M1个抗体进行克隆繁殖得到新的抗体群，并计算所述新的抗体群中各个抗体的亲和力值；根据预先设置的亲和力函数计算所述新的抗体群中各个抗体的亲和力值；对所述新的抗体群中各个抗体按照亲和力值由小到大进行排序；选择亲和力值小的M个抗体，并将所述初始迭代次数增加1；判断所述M个抗体是否满足收敛条件，所述收敛条件为所述初始迭代次数小于或者等于所述预先设置的最大迭代次数，或者，所述M个抗体的最大亲和力值小于或者等于预先设置的亲和力值；若所述M个抗体满足收敛条件，则将所述M个抗体作为所述阵列天线图的参数。

【技术特征摘要】

【专利技术属性】
技术研发人员：叶剑锋，管明祥，何国荣，周志文，李鸣亮，
申请(专利权)人：深圳信息职业技术学院，
类型：发明
国别省市：广东;44