【技术实现步骤摘要】
一种基于自适应遗传算法的阵列稀疏优化方法
本专利技术属于雷达侦察阵列优化
，特别提出了一种基于自适应遗传算法的阵列稀疏优化方法，本专利技术方法优化所得的最优稀疏阵，在被动雷达阵列优化领域中约束最大阵列孔径、最小阵元间距的条件下，其阵列克拉美罗界值最小，从而使得侦察时测向精度最高。
技术介绍
实际应用中，随着技术的发展及作战的需要，在主动相控阵上实现被动的接收探测完成主被动一体化，甚至是完全基于相控阵体制的被动雷达探测系统的需求设计已经被作为研究热点。这就使得从几十、上百、甚至上千个阵元中选取用于被动探测的阵元天线的设计显得尤为重要，很明显均匀阵列是很难满足要求的，因此目前研究的热点稀疏阵列成为较好的选择。如针对目前主被动一体化侦察系统，可在原有的主动相控阵中实现被动侦察的应用。在多天线系统下，实现较少天线通道的选择实现稀疏阵列，从而满足被动侦察的需要，满足系统的DOA估计性能，降低系统复杂性，具有重要的现实意义。常见非均匀阵列包括最小冗余阵、嵌套阵、互质阵等，优点是有较大的阵元间距，自由度高，有较好的估...
【技术保护点】
1.一种基于自适应遗传算法的阵列稀疏优化方法，其特征在于所述方法包括以下步骤：/n步骤一，确定模型：将待稀疏优化的阵列位置变化成一列向量，即种群中的一个个体代表一个阵列；/n步骤二，编码：首先对种群中的个体进行初始编码，其个体的表达式为：f
【技术特征摘要】
1.一种基于自适应遗传算法的阵列稀疏优化方法，其特征在于所述方法包括以下步骤：
步骤一，确定模型：将待稀疏优化的阵列位置变化成一列向量，即种群中的一个个体代表一个阵列；
步骤二，编码：首先对种群中的个体进行初始编码，其个体的表达式为：fj,i＝randn[0,1](i＝1,2,…,NP；j＝1,2,…,L)，种群大小为NP，然后设阵元稀疏率为s，遗传迭代次数G，稀疏后的阵元个数为NL，则NL＝L×s，最后令每个个体中最大的NL个基因的值为1，剩下的基因值为0，得到稀疏的待优化个体fj,i；
步骤三，适应度值计算：首先将得到的种群个体先转化为对应的方位坐标和俯仰坐标，再代入计算得任意阵列下的克拉美罗界值CRB(θ)和可得到个体的适应度值然后计算得到的每个个体的适应度值fit保存到数组fit(i)中；最后计算出这代群体的最大适应度值fmax、最小的适应度值fmin和适应度平均值fave，并找出最小的适应度值fmin对应的个体，将此个体保存到fBest中；
步骤四，选择：采用轮盘赌的选择法，利用各个个体的适应度所占比例大小来决定其子代的保留可能性；首先设个体i的适应度为fiti，接着得到个体的选择概率pi，其表达式为其中i＝1,2,…NP；然后在每一次的遗传迭代次数循环中产生[0,1]内的均匀随机数m，将该数m与pi值进行比较，如果pi大于数m，选择其对应的个体；
步骤五，交叉：将同一代中被选中的奇数个体f2i-1和偶数个体f2i进行配对；对每一对个体，以交叉概率Pc交换它们之间的部分基因；首先根据公式确定交叉概率Pc；然后取出要配对的一对个体，再根据个体的长度L对要配对的一对个体，随机选取[1,L-1]中的整数n作为交叉点位置；最后根据交叉概率Pc实施交叉操作，生成随机数t，将数t与交叉概率Pc进行比较，若t＜Pc，则将配对个体在交叉位置处相互交换各自部分的基因，从而形成一对新的个体；
步骤六，变异：对交叉后的群体中的每个个体，以变异概率Pm改变一些基因座上的基因值为其他的等位基因值；首先根据公式确定变异概率Pm，然后在经过交叉后的种群中，从j＝1～L,i＝1～NP，在区间[0,1]中产生一个随机数r，最后将随机数r与变异概率Pm进行比较，如果r＜Pm，则第(j,i)个基因被选为变异的基因；若被选中的基因值为1，则其值变为0；若被选中的基因值为0，则其值变为1；
步骤七，调整稀疏率：保证交叉变异后的实际阵元数量不变，即...
【专利技术属性】
技术研发人员：陈涛，汪夕琳，史林，郭立民，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙;23
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。