对圆形状阵列进行稀疏的方法技术

本发明专利技术公开了一种对圆形状阵列进行稀疏的方法，使用遗传算法对圆环和圆柱阵列进行稀疏布阵，包括以下步骤：对圆环或圆柱阵列进行初始值设定；运用遗传算法进行稀疏；得到稀疏布阵结果、方向图函数。本发明专利技术使用遗传算法进行圆形状稀疏布阵，有效减少天线阵元、降低成本，同时遏制栅瓣出现，得到低旁瓣方向图。

A method of sparseness for circular array

【技术实现步骤摘要】
对圆形状阵列进行稀疏的方法
本专利技术涉及天线阵列稀疏技术，具体涉及一种对圆形状阵列进行稀疏的方法。
技术介绍
在雷达和通信系统中，为使天线具有高增益、窄波束、低旁瓣等特性，广泛的使用了阵列天线。为了保证在测向等不出现角度模糊，均匀阵列的内部阵元间距不能大于入射信号的半个波长。因此，阵列的孔径就会受到阵元数的限制。阵列孔径越大，对来波信号的分辨率就会越高。对于均匀阵列而言，要想获得超分辨的DOA估计效果，就必须增加阵元数。如此一来，不仅会大大的提高硬件成本，而且也会给阵列设计带来很大的困难。稀疏阵列的阵元间的间距可以突破半个入射信号波长的限制。在阵元数相等的情况下，稀疏阵列相比于均匀阵列可以获得更大的孔径。如果想要找到最好的符合要求目标值的阵列稀疏结构方式，那么就需要对每一个阵元位置排列组合进行检查验证。这种遍历法一般只用于当阵列阵元数目较少时，才有可能确保所有阵元排列组合被检查验证。现有如共轭梯度法、单纯形法等大多数优化方法并不适用于稀疏阵列阵元位置优化，此类方法只能用于优化一些连续变量而且会陷入局部最小值。此外，这些方法是专们用来处理连续参数问题的，而稀疏阵列所处理的是离散参数问题。还有一种动态编程法可以优化有大量阵元的阵列，但是非常容易进入局部最小值而找不到最优解。
技术实现思路
本专利技术的目的在于提供一种对圆形状阵列进行稀疏的方法，应用于空间谱估计阵列天线测向通信领域。实现本专利技术目的的技术方案为：一种对圆形状阵列进行稀疏的方法，使用遗传算法对圆环和圆柱阵列进行稀疏布阵，包括以下步骤：步骤1，对圆环或圆柱阵列进行初始值设定；步骤2，运用遗传算法进行稀疏；步骤3，得到稀疏布阵结果和方向图函数。与现有技术相比，本专利技术的显著优点为：本专利技术公开了一种对各种圆形阵列进行稀疏的实现方法，利用遗传算法对圆形阵列进行稀疏；采用遗传算法进行圆形阵列稀疏，可以大量减少天线阵元、防止出现栅瓣，旁瓣方向图较低，同时降低成本。附图说明图1为本专利技术所述的遗传算法流程图。图2为本专利技术所述的圆阵列进行仿真优化图。图3为本专利技术所述的圆柱阵列进行仿真优化图。具体实施方式近年来，在直线和平面阵列上，利用稀疏阵列天线的方法来减少天线的阵元数量、有效降低方向图旁瓣电平的技术已经得到较为广泛的研究，但是针对圆形状阵列的还不多见。遗传算法是一种经典的优化算法，它在解决复杂问题时具有其它传统优化算法不具备的独特优点，可以有效解决复杂的寻优问题，广泛应用在很多领域。本专利技术使用遗传算法进行圆形状稀疏布阵，达到了有效减少天线阵元、降低成本，同时遏制栅瓣出现，得到低旁瓣方向图目的。本专利技术公开了一种对各种圆形阵列进行稀疏的实现方法，利用遗传算法对圆形阵列进行稀疏。遗传算法是一类借鉴生物界的适者生存、优胜劣汰进化规律演化而来的随机优化搜索方法。其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的设定；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应调整搜索方向。基于遗传算法的函数寻优计算，针对适应度函数，能够实现较快的收敛计算，寻优结果合理，鲁棒性好。应用遗传算法对均匀阵列进行稀疏布阵来减少天线阵元，抑制天线方向图旁瓣电平。稀疏布阵的主要优化模型就是使稀疏后的方向图最大旁瓣电平(MSLL)最小。其中F(θ)为方向图函数，S表示方向图旁瓣区间，Φ表示方向角度。为了进行稀疏优化，用f表示相应阵元的工作状态，值为1表示位置上有阵元，0为没有。优化f的值，使MSLL最小。取栅格间距为λ/2，阵元间距为栅格间距的整数倍，从均匀间隔满阵中稀疏掉部分阵元，形成了阵元间距约束为λ/2的整数倍的非均匀阵列。下面具体说明本专利技术的
技术实现思路
。如图1所示，一种对圆形状阵列进行稀疏的方法，使用遗传算法对圆环和圆柱阵列进行稀疏布阵，包括以下步骤：步骤1，对圆环或圆柱阵列进行初始值设定；具体为：设定初始化种群数目、个体基因维数，设置进化代数计数器g＝0，最大遗传代数G，设定交叉概率、变异概率。步骤2，运用遗传算法进行稀疏；具体为：产生二进制初始种群，其中每个个体中1的数量，计算个体适应度值，进行归一化；采用基于轮盘赌的选择操作、基于概率的交叉和变异操作，产生新的种群，最后确保新种群中每个个体的阵元个数一致，并把历代的最优个体保留在新种群中，进行下一步遗传操作准备；判断是否满足终止条件，即若g＝G，进化到最大遗传代数，则结束搜索过程，输出优化值；若是若进化代数g≤G，则g＝g+1，不满足条件，继续进行迭代优化。其中，选择操作的具体方法为：若某个体适应度为fiti，种群大小为NP，则它被选取的概率表示为交叉操作的具体方法为：选中的奇数个体f2i-1，g和偶数个体f2i，g进行配对；以交叉概率Pc对每一个个体交换它们的部分基因：先取出要交配的一对个体，然后，根据位串长度L，对要交配的一对个体，随机选取1到L-1中的整数K作为交叉点的位置；最后根据交叉概率Pc实施交叉操作，配对个体在交叉位置处，相互交换各自的部分基因，从而形成一对新的个体。步骤3，得到稀疏布阵结果、方向图函数；具体为：运行MATLAB程序优化结束后，得到阵列的方向图、适应度进化曲线、优化结果。由图可得到优化结果，天线阵元数量有效减少，降低了天线成本，同时得到了低旁瓣方向图，有效预防出现栅瓣现象。下面结合实施例对本专利技术进行详细说明。实施例应用遗传算法对均匀圆形状阵列进行稀疏布阵，达到减少天线阵元数，有效降低成本，同时抑制阵列天线的天线方向图方位面旁瓣电平的目的。只考虑圆形阵列方位面的方向图，M表示圆阵列阵元个数，m表示第m个阵元，Φ表示方向角度，(φ0，θ0)为方位面的方向角度，λ为信号电磁波长，R为圆阵列半径，γm为第m个阵元和圆心之间的连线与x轴的夹角，则阵列方向图函数可以表示成：对于均匀排布圆形阵列天线进行稀疏优化，用fm表示相应阵元工作状态：fm＝1表示相应阵元的位置上有阵元；反之为0表示相应位置上没有阵元。则相对应的方向图函数可以表示为：方向图最大旁瓣电平MSLL的计算公式表示为：式中，max表求最大值函数，FdB(θ)表示归一化后的方向图函数，S表示方向图的旁瓣区间。采用遗传算法进行圆形阵列稀疏优化，算法流程如下：先产生一个设定稀疏率的二进制初始种群，然后对这个种群中每一个个体计算相应的适应度即计算上式方向图最大旁瓣电平MSLL最小的值，判定是否满足终止准则即所进化的代数是否达到设定的最大进化代数，若满足，算法停止，输出最优个体为优化结果；若不满足，就对种群的每一个个体进行下一代选择、交叉、变异的遗传操作，确保新生成的种群中个体稀疏率不变。对进化后的子代群体，重新进行终止原则判断，如此循环，直到终止条件到来。稀疏算法流程图如图1所示。编码操作：采用个体数量为NP个，每个个体维数均为L的二进制值参数向量本文档来自技高网...

【技术保护点】
1.一种对圆形状阵列进行稀疏的方法，其特征在于，使用遗传算法对圆环和圆柱阵列进行稀疏布阵，包括以下步骤：/n步骤1，对圆环或圆柱阵列进行初始值设定；/n步骤2，运用遗传算法进行稀疏；/n步骤3，得到稀疏布阵结果和方向图函数。/n

【技术特征摘要】
1.一种对圆形状阵列进行稀疏的方法，其特征在于，使用遗传算法对圆环和圆柱阵列进行稀疏布阵，包括以下步骤：
步骤1，对圆环或圆柱阵列进行初始值设定；
步骤2，运用遗传算法进行稀疏；
步骤3，得到稀疏布阵结果和方向图函数。


2.根据权利要求1所述的对圆形状阵列进行稀疏的方法，其特征在于，步骤1具体为：设定初始化种群数目、个体基因维数，设置进化代数计数器g＝0,最大遗传代数G，设定交叉概率、变异概率。


3.根据权利要求1所述的对圆形状阵列进行稀疏的方法，其特征在于，步骤2具体为：
产生二进制初始种群，计算个体适应度值，进行归一化；
采用基于轮盘赌的选择操作、基于概率的交叉和变异操作，产生新的种群，最后确保新种群中每个个体的阵元个数一致，并把历代的最优个体保留在新种群中，进行下一步遗传操作准备；
判断是否满足终止条件，即若g＝G，进化到最大遗传代...

【专利技术属性】
技术研发人员：缪晨，沈凯，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32