基于粒子群优化算法的多波束卫星阵列天线方向图综合方法技术

基于粒子群优化算法的多波束卫星阵列天线方向图综合方法，本发明专利技术涉及多波束卫星阵列天线方向图综合方法。本发明专利技术为了解决利用传统粒子群优化算法进行星载波束赋形时面临的收敛速度慢以及容易陷入局部优解的问题。为了弥补低轨卫星远近效应所带来的路径损耗，需要设计特殊形状的波束。本发明专利技术采用启发式算法粒子群优化算法，通过将阵元幅值和相位的求解模拟为自然界中鸟群对食物的搜索过程。设定初始种群数，粒子数目以及迭代次数最终得到优良的平顶波束和余割平方波束。满足等通量覆盖的要求。本发明专利技术在迭代300次左右就已经收敛到最优解，而传统算法需要超过500次才会达到收敛。本发明专利技术用于卫星通讯领域。

Beam pattern synthesis method of multi beam satellite array antenna based on particle swarm optimization

A multi beam satellite array antenna pattern synthesis method based on particle swarm optimization algorithm is presented, which relates to the direction synthesis method of multi beam satellite array antenna. In order to solve the problem of slow convergence speed and easy to fall into local optimal solution when the traditional particle swarm optimization algorithm is used for spaceborne beam forming. In order to make up for the path loss caused by the near far effect of LEO satellites, it is necessary to design special shaped beams. The heuristic algorithm particle swarm optimization (PSO) is adopted to simulate the searching process of the food and birds in the natural world by solving the amplitude and phase of the array element. Set the initial population number, the number of particles and the number of iterations is obtained excellent flat top beam and cosecant square beam. Requirements for equal flux coverage. This method has converged to the optimal solution about 300 iterations, and the traditional algorithm needs more than 500 times to achieve convergence. The invention is used in the field of satellite communication.

【技术实现步骤摘要】
基于粒子群优化算法的多波束卫星阵列天线方向图综合方法
本专利技术涉及多波束卫星阵列天线方向图综合方法。
技术介绍
在现如今的卫星通信系统中，低轨卫星具有路径损耗低，传播时延小等其他轨道卫星不具备的特殊优势。对于GEO卫星和MEO卫星，卫星波束覆盖区域的张角很小，星下点到波束覆盖边缘的自由空间路径算好差异可忽略不计，但对于低轨卫星而言其路径损耗差异不能忽略。为了保证卫星覆盖区域内的终端用户无论处在波束中心或者波束边缘，都可以相同的服务质量。需要采用多波束卫星对覆盖区域进行不同程度的波束覆盖，并且对覆盖波束进行波束赋形，以满足卫星波束可以对星下区域进行“等通量覆盖”。为了实现卫星的等通量覆盖，需要对波束进行特殊形状的设计，以保证波束增益可以对路径损耗进行修复，最终在地面区域实现等辐射增益的覆盖。基于此，提出了改进的粒子群优化算法的波束赋形设计方案，最终结果表明，改进的粒子群算法进行的阵列天线方向图综合可以达到预期的标准。粒子群优化算法是一种基于种群的智能算法，种群中的每个成员为一个粒子。代表着一个潜在的可行解，而目标的位置被认为时全局最优解。群体在M纬度空间上搜索全局最优解，并且每个粒子本文档来自技高网...

【技术保护点】
基于粒子群优化算法的多波束卫星阵列天线方向图综合方法，其特征在于：所述多波束卫星阵列天线方向图综合方法包括以下步骤：步骤1、针对N个阵元的直线排布相控阵天线，将阵元幅值向量w和相位值向量p进行初始化；步骤2、计算种群中每个粒子幅度和相位的位置和速度；步骤3、计算种群中每个粒子的适应度值s以及迭代误差e；将第i次计算得到迭代误差e与第i‑1次计算得到迭代误差e进行比较，取迭代误差e值小的粒子所对应的阵元幅值向量w和相位值向量p作为该粒子的个体最优值；适应度s的初始值为0，所述适应度s为实际方向图与目标方向图的差值的平方；所述迭代误差e为实际方向图与目标方向图主瓣的抽样点的差值平方和加上两个副瓣电...

【技术特征摘要】
1.基于粒子群优化算法的多波束卫星阵列天线方向图综合方法，其特征在于：所述多波束卫星阵列天线方向图综合方法包括以下步骤：步骤1、针对N个阵元的直线排布相控阵天线，将阵元幅值向量w和相位值向量p进行初始化；步骤2、计算种群中每个粒子幅度和相位的位置和速度；步骤3、计算种群中每个粒子的适应度值s以及迭代误差e；将第i次计算得到迭代误差e与第i-1次计算得到迭代误差e进行比较，取迭代误差e值小的粒子所对应的阵元幅值向量w和相位值向量p作为该粒子的个体最优值；适应度s的初始值为0，所述适应度s为实际方向图与目标方向图的差值的平方；所述迭代误差e为实际方向图与目标方向图主瓣的抽样点的差值平方和加上两个副瓣电平的最大值的绝对值；s＝(fi-ftarget)2其中fi为实际方向图的抽样点值，u为主瓣的抽样点个数以及两个副瓣最大值抽样点个数的和，ftarget为目标方向图的抽样点值；g1为每次更新时左侧副瓣的最大电平值，g0为所需综合的副瓣电平值，g2为每次更新时右侧副瓣的最大电平值；步骤4、比较步骤三中得到的种群中每个粒子的迭代误差e，取迭代误差e值最小的粒子所对应的阵元幅值向量w和相位值向量p作为该粒子的局部最优值；根据局部最优值得到实际方向图；步骤5、根据以下公式更新粒子幅度和相位的位置、速度；式中ω为惯性权重因子；c1，c2为学习因子，k为迭代次数，Vkp为第k次迭代时粒子相位的速度，为第k次迭代时粒子相位的位置，为第k次迭代时粒子相位的个体最优值，为第k次迭代时粒子相位的局部最优值；Vka为第k次迭代时粒子幅度的速度，为第k次迭代时粒子幅度的位置，为粒子幅度的个体最优值，为粒子幅度的局部最优值；步骤6、计算群体适应度标准差α；

【专利技术属性】
技术研发人员：杨明川，周赫，张宇萌，张淑静，马晨，邵欣业，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江,23