一种大型平面阵列天线方向图综合级联优化方法技术

本发明专利技术公布了一种大型平面阵列天线方向图综合级联优化方法，采用了迭代傅里叶变换法(IFT)与多种智能优化算法相结合的混合优化算法对平面阵列天线进行方向图综合设计，且在综合设计中考虑了天线单元间互耦因素的影响。本发明专利技术针对平面阵列特别是大型(单元数大于1000)平面阵列天线的综合设计问题具有计算速度快，计算精度高且通用性好的优点。

【技术实现步骤摘要】
一种大型平面阵列天线方向图综合级联优化方法
本专利技术属于雷达天线
，涉及一种大型平面阵列天线方向图综合级联优化方法。
技术介绍
本专利技术用于平面阵列天线的方向图赋形，特别是对于大型平面阵列具有效率高的优势。平面阵列天线综合方法是伴随着雷达技术的发展而不断发展的，目前国内外针对基于全阵单元加权的阵列天线方向图综合可以分为以下几种方法：解析法；传统数学优化法；人工智能型算法；迭代傅里叶算法(IFT)。解析法是指直接利用解析公式对天线方向图综合计算，该方法能够快速计算出所需方向图的激励分布。目前经典的方法有泰勒(Taylor)综合法、切比雪夫(Chebyshev)综合法、贝里斯(Bayliss)综合法等(薛正辉，李伟明，任武《阵列天线分析与综合》北京：北京航空航天大学，2011)，这些算法的特点就是利用解析公式就可以快速得到激励分布，具有实时性的特点，然而这些方法只能对笔形低副瓣方向图等一些简单方向图进行综合设计，对于复杂的方向图综合该方法将无能为力。传统数学优化方法与解析方法相比具有灵活性强、适用性广等优点。从数学上看，阵列天线优化设计问题的本质是求解阵列辐射方向图各项性能指标(如方向性系数、副瓣电平等)关于最佳激励加权矢量、阵元空间分布的全局最小值或最大值问题。在传统优化方法中将这些最值问题的数学表达式称为目标函数。最陡下降法(RobertGVoges,JeromeKButler.Phaseoptimizationofantennaarraygainwithconstrainedamplitudeexcitation[J].IEEETransactionsonAntennasandPropagation,1972,20(4):432-436.)、线性规划法(胡亮兵，刘宏伟，杨晓超等.集中式MIMO雷达发射方向图快速设计方法[J].电子与信息学报，2010，32(2)：481-484.)等传统的数学优化方法被陆续应用到方向图综合问题中。阵列天线优化设计中的目标函数对设计参量往往具有非线性、不可微等数学特性，因此最陡下降法、线性规划法等局部优化算法在求解这类问题时对选取初值的好坏具有很强的依赖性，在迭代过程中容易陷入局部极值点。对于更加复杂的多目标、大规模变量优化问题，这些方法将会出现不收敛、计算效率降低等问题。人工智能型优化算法典型的如遗传算法(GA)(MandalD,GhoshalSK,DasS,etal.Improvementofradiationpatternforlinearantennaarrayusinggeneticalgorithm[C].Proc.oftheInternationalconferenceonRecentTrendsinInformation,TelecommunicationandComputing,2010:126-129.)、粒子群(PSO)算法(刘燕，郭陈江，丁君等，基于粒子群算法的阵列天线方向图综合[J].电子测量技术，2007，30(6)：43-45.)、差分进化算法(DE)(谢欢欢，杨伯朝.基于差分进化算法的阵列天线方向图综合研究[J].现代导航，2012年6月第3期：219-224.)以及多种智能优化算法结合的算法(周海进，刘其中，李建峰等.阵列天线方向图综合的混合遗传算法优化[J].微波学报,2008年10月第24卷增刊：60-64.)、(刘瑞斌,鄢泽洪,孙从武等.PSO和GA在阵列天线方向图综合中的应用[J].西安电子科技大学学报(自然科学版)，2006年10月第33卷第5期：797-813.)等在方向图综合领域得到了应用。这些人工智能型算法解决非线性优化问题具有简单通用、适应性强而且能够避免陷入局部最优等特点。基于这些特点，将人工智能型算法应用于电磁学领域解决了其他算法解决不了的问题，但是这些算法收敛速度缓慢，文献中所述的综合阵列规模一般为直线阵或者是单元数小于300的小型平面阵列天线。Keizer利用周期阵列辐射单元激励和远场方向图因子之间的傅立叶变换关系，提出了迭代傅立叶算法(IterativeFourierTechnique，简称IFT)的算法(W.P.M.N.Keizer,LowSidelobePatternSynthesisUsingIterativeFourierTechniquesCodedinMATLAB[J],IEEEAntennasandPropagationMagazine,Vol.51,No.2,April2009：137-150)。该算法可用于低副瓣方向图综合设计，亦可以实现复杂的副瓣结构，并可在副瓣的指定区域置零。IFT算法由初始激励出发，利用IFFT算法得到方向图的采样点，与目标方向图比较后，修改未满足要求的采样点，然后利用FFT算法逆求出新的单元激励进入下次循环，当方向图与激励均满足目标或循环次数达到预设值后结束循环。由于FFT与IFFT计算效率非常高，所以IFT可以高效地完成大型周期阵列天线的方向图综合问题。但是该方法经常会提前收敛，当迭代到一定次数后不能继续优化导致达不到全局最优。本专利技术将迭代傅里叶算法与人工智能型算法结合起来，兼顾了迭代傅里叶算法效率高与人工智能型算法搜解能力强的特点，能够更高效地解决大型平面阵列天线的综合计算问题。
技术实现思路
针对现有的技术缺陷，本专利技术的目的在于提供一种通用性好的平面阵列天线方向图综合方法，通过将IFT与多种优化算法相结合，能够有效地提高大型平面阵列天线方向图的综合效率与计算精度。为实现上述目的，本专利技术是通过以下技术方法实现的：第一步：获得综合阵列中阵中单元方向图数据P0，获得综合阵列的工作频率f0，阵列规模：M行、N列，行间距dy、列间距dx，目标方向图Fg。取阵列方向图计算点数K，且K＝2n>max(M，N)，n为正整数；第二步：利用IFT产生m组，m为正整数，且m>1，阵列单元幅相激励分布Ei，其中i＝1,2……m，以及对应的阵列天线方向图Fi，其中i＝1,2……m；第三步：将m组阵列单元幅相激励分布Ei，其中i＝1,2……m作为初始值利用差分进化算法进行优化，获得其中最优的一组幅相激励分布Ep以及对应阵列天线方向图Fp；第四步：将该最优的幅相激励分布Ep利用模拟退火优化算法进一步迭代优化，获得最终的最优幅相激励分布Ep1与对应的阵列天线方向图Fp1。其中第一步中阵中单元方向图数据P0采用平面近场测试L×L规模阵列方法获得，且L为大于9的奇数。第二步、第三步、第四步中的阵列方向图Fi，其中i＝1,2……m、Fp、Fp1均采用快速傅里叶变换算法计算得到，且在计算过程中计入了单元方向图P0的影响。本专利技术与现有技术方法相比，其有益效果是：①本专利技术的计算效率高，本方法利用IFT方法结果作为人工智能型算法的初始值，既加快收敛速度又避免陷入局部最优解。在阵列方向图的计算过程中采用了快速傅里叶算法大大加快了搜解速度，针对平面阵列特别是阵列规模大于1000的大型平面阵列的综合问题，其计算效率大大提高。②本专利技术的计算精确度高，由于在综合过程中，本方法考虑了单元间互耦的影响，可以更精确地模拟平面阵列方向图特性，进一步提高了计算精度。③本专利技术通用性好，本方法不依赖平面阵本文档来自技高网...

【技术保护点】
一种大型平面阵列天线方向图综合级联优化方法，其特征在于包含以下步骤：第一步：数据准备：获得综合阵列中阵中单元方向图数据P0，获得综合阵列的工作频率f0，阵列规模：M行、N列，行间距dy、列间距dx，目标方向图Fg；取阵列方向图计算点数K，且K＝2n>max(M,N)，n为正整数；第二步：利用IFT产生出m组，m为正整数，且m>1，阵列单元幅相激励分布Ei，其中i＝1,2……m，以及对应的阵列天线方向图Fi，其中i＝1,2……m；第三步：将m组阵列单元幅相激励分布Ei，其中i＝1,2……m作为初始值利用差分进化算法进行优化，获得其中最优的一组幅相激励分布Ep以及对应阵列天线方向图Fp；第四步：将该最优的幅相激励分布Ep利用模拟退火优化算法进一步迭代优化，获得最终的最优幅相激励分布Ep1与对应的阵列天线方向图Fp1。

【技术特征摘要】
1.一种大型平面阵列天线方向图综合级联优化方法，其特征在于包含以下步骤：第一步：数据准备：获得综合阵列中阵中单元方向图数据P0，获得综合阵列的工作频率f0，阵列规模：M行、N列，行间距dy、列间距dx，目标方向图Fg；取阵列方向图计算点数K，且K＝2n>max(M,N)，n为正整数；第二步：利用IFT产生出m组阵列单元幅相激励分布Ei以及对应的阵列天线方向图Fi，其中m为正整数，且m>1，i＝1,2……m；第三步：将m组阵列单元幅相激励分布Ei，其中i＝1,2……m作为初始值利用差分进化算法进行优化，获得其中最优的一组幅相...

【专利技术属性】
技术研发人员：丛友记，简玲，黄彩华，陈文俊，
申请(专利权)人：中国船舶重工集团公司第七二四研究所，
类型：发明
国别省市：江苏;32