一种遗传算法框架下的光学相控阵天线旁瓣抑制方法技术

本发明专利技术属于光学相控阵天线优化算法技术领域，尤其涉及一种遗传算法框架下的光学相控阵天线旁瓣抑制方法。本发明专利技术公开了一种遗传算法框架下的光学相控阵天线旁瓣抑制方法，通过设计同心环排布天线阵列集合建立坐标优化的数据集合，按所需天线数目随机从集合抽取初始坐标位置，采用遗传算法框架进行光学相控阵天线坐标旁瓣抑制的优化，通过快速傅立叶变换实现适应度函数高效计算，设计染色体基因逐点交叉方法提升优化效率，利用变异等实现全局最优的光场排布方案，用于解决光学相控阵天线主光束能量最大化问题。本方法在光学相控阵雷达、激光通信、激光束合成等领域具有应用价值。激光束合成等领域具有应用价值。激光束合成等领域具有应用价值。

【技术实现步骤摘要】
一种遗传算法框架下的光学相控阵天线旁瓣抑制方法


[0001]本专利技术属于光学相控阵天线优化算法
，尤其涉及一种遗传算法框架下的光学相控阵天线旁瓣抑制方法。

技术介绍

[0002]光学天线阵列排布优化技术，是近年来随光学相控阵天线技术趋于成熟而被提出的新兴技术，如光纤激器、半导体激光器等相干光源性能指标提升同时成本大幅下降，使得光学天线阵列实用化成为可能。在光学相控阵雷达、激光通信、激光束合成和量子成像等技术中，光学天线的排布优化决定光场主光束(主瓣)能量的集中度，是上述
的核心技术和关键技术。光学波段波长短，光学天线受工艺限制间距大于波长，故与微波天线优化的约束条件和计算方式不同，但光学天线优化方法与微波天线稀疏布阵原理相似，均可采用遗传算法、粒子群算法、蚁群算法和迭代傅立叶等进行优化。在现有光学天线阵列排布的优化方法中，仍然存在尚待解决的问题。

技术实现思路

[0003]本专利技术解决的技术问题是：克服现有技术的不足，提供了一种遗传算法框架下的光学相控阵天线旁瓣抑制方法，可获得光场主瓣光束能量集中度高，旁瓣光束峰值最低的光学天线排布方案，使得光学相控阵雷达、激光通信、激光束合成和量子成像等技术中所用的光束质量得到提升，从而达到提升系统性能指标的目的。
[0004]本专利技术的解决方案是：针对传统优化方法采用多边形天线阵列，如矩形阵列、六边形阵列等出现的水平和竖直两个正交方向无法同时优化的问题，以及光学物理场逐点计算效率低的问题，提出解决方案，并提出了新的交叉策略提升了算法的优化速度。
[0005]初始化基因(坐标)集合U为同心环阵列，相比于矩形和六边形具有更高维度的旋转对称性，解决了矩形和六边形阵列水平和竖直两个正交方向无法同时优化的问题。初始化群体，随机抽取基因(坐标)组成个体的染色体(坐标组)，实现相对较低的旁瓣初始值；适用应函数计算，对光源平面的电场强度通过快速傅立叶变换(FFT)取模方得到光场强度，解决了按光学物理场逐点计算导致计算效率低的问题；适用应函数评价，对系统的应用度函数进行排序，通过排序从小到大选取最优结果进行遗传，即交叉；交叉操作采用对任意两对个体进行染色体(坐标组)基因(坐标)的交叉互换，互换染色体(坐标组)基因(坐标)的数目为逐点递增互换，即第一次互换1个基因(坐标)，第二次互换2个基因(坐标)，以此类推，直至互换N-1次，完成所有基因(坐标)的互换，若基因(坐标)的值出现重复，则从集合U与集合{Pos(n-1),Pos(n)}交集的补集中随机抽取基因(坐标)值替换重复基因(坐标)，实现各基因(坐标)交叉，交叉后群体的数量变为N0×
(N-1)，相比于传统固定基因(坐标)比例交叉的遗传算法，所述的方法降低旁瓣所需的迭代次数更少，优化速度更快。变异采用固定变异个体数M
mute
，变异个体来源于从集合U中随机抽取N个基因(坐标),通常选择排序靠后的M
mute
个个体，实现基因变异(坐标更替)，最终按是否满足遗传代数判断是否为最终的输出结果，获
得最终染色体(坐标组)基因(坐标)，实现光学天线阵列排布的优化。
[0006]一种遗传算法框架下的光学相控阵天线旁瓣抑制方法，步骤包括：
[0007]步骤S1，初始化基因(坐标)集合，设定圆环数M，每个圆环放置的光学天线个数分别为k1，k2，k3，...k
m
，...，k
M
；设置光学天线排布集合第m个圆环的半径为R
m
，设第m个圆环放置k
m
个光学天线，则每个圆环上各光学天线坐标间隔d
m
与圆环半径和每环坐标点数目即光学天线个数k
m
有如下关系：
[0008]d
m
＝2R
m
Sin(π/k
m
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0009]坐标最小间隔d
min
＝min{d
m
,ΔR
m
}，其中ΔR
m
＝R
m-R
m-1
，坐标集合U根据具体任务需求设定；
[0010]步骤S2，初始化群体：随机从集合U中抽取N个基因(坐标)形成个体的染色体(坐标组)，重复N
pop
次作为初始群体{Pos(1),Pos(2),Pos(3),
…
,Pos(N
pop
)}，N
pop
为群体的个体数量，Pos(n)对应二维空间坐标组量，Pos(n)对应二维空间坐标组所述的N为基因(坐标)数量，对应光学天线数目，U表示光学天线的坐标集合；
[0011]步骤S3，计算初始群体中个体的适应度函数：根据{Pos(1),Pos(2),Pos(3),
…
,Pos(N
pop
)}中个体基因(坐标)对应的光学天线分布，分别列出光源平面的电场强度表达式所述的是光源平面空间坐标，通过快速傅立叶变换(FFT)取模方得到光场强度表达式式所述的是光场照射平面空间坐标，找到强度平面峰值，记为主瓣峰值I
(i)mls
；强度平面去掉峰值区域后，找到剩余区域最大值记为旁瓣峰值I
(i)sl
；求得旁瓣峰值与主瓣峰值之比即为个体的适应度函数值，记为上述的i代表当前群体个体数目和当前计算的次序号，i＝1,2,3,
…
,N
pop
；
[0012]步骤S4，适应度函数评价：将个体的适应度函数值按从小到大排序,排序后按适应度函数值从小到大替换原染色体(坐标组)顺序为{nPos(1),nPos(2),nPos(3),
…
,nPos(N
pop
)}，符号nPos()用于区分排序前的个体染色体(坐标组)Pos()；
[0013]步骤S5，个体选择：截取步骤S4中N0个染色体(坐标组){nPos(1),nPos(2),nPos(3),
…
,nPos(N0)}，所述的N0≤N
pop
；
[0014]步骤S6，交叉：将步骤S5中得到的染色体(坐标组){nPos(1),nPos(2),nPos(3),
…
,nPos(N0)}中的个体两两配对{nPos(n-1),nPos(n)}，n取值为2，3，4，
…
，N0，对任意两对个体进行染色体(坐标组)基因(坐标)的交叉互换，两对个体进行染色体(坐标组)基因(坐标)的交叉互换，互换染色体(坐标组)基因(坐标)的数目为逐点递增互换，即第一次互换第1个基因(坐标)，
[0015][0016][0017]第2次互换2个基因(坐标)，
[0018][0019][0020]依次进行上述交换，直至第N-1次互换完成，
[0021][0022][0023]m依次取2，3，4，
…
...

【技术保护点】

【技术特征摘要】
1.一种遗传算法框架下的光学相控阵天线旁瓣抑制方法，其特征在于步骤包括：步骤S1，初始化坐标集合，得到坐标集合U；步骤S2，初始化群体；步骤S3，计算初始群体中个体的适应度函数；步骤S4，对步骤S3中得到的适应度函数进行评价；步骤S5，对个体进行选择；步骤S6，进行交叉；步骤S7，进行变异；步骤S8，判断是否达到设定的遗传代数N
g
的要求；步骤S9，优化结果输出，完成光学相控阵天线旁瓣抑制。2.根据权利要求1所述的一种遗传算法框架下的光学相控阵天线旁瓣抑制方法，其特征在于：步骤S1中，初始化坐标集合的方法为：设定圆环数M，每个圆环放置的光学天线个数分别为k1，k2，k3，...k
m
，...，k
M
；设置光学天线排布集合第m个圆环的半径为R
m
，设第m个圆环放置k
m
个光学天线，则每个圆环上各光学天线坐标间隔d
m
与圆环半径和每环坐标点数目即光学天线个数k
m
有如下关系：d
m
＝2R
m
Sin(π/k
m
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)坐标最小间隔d
min
＝min{d
m
,ΔR
m
}，其中ΔR
m
＝R
m-R
m-1
，坐标集合U根据具体任务需求设定。3.根据权利要求2所述的一种遗传算法框架下的光学相控阵天线旁瓣抑制方法，其特征在于：步骤S2中，初始化群体的方法为：随机从集合U中抽取N个坐标形成个体的坐标组，重复N
pop
次作为初始群体{Pos(1),Pos(2),Pos(3),
…
,Pos(N
pop
)}，N
pop
为群体的个体数量，Pos(n)对应二维空间坐标组所述的N为坐标数量，对应光学天线数目，U表示光学天线的坐标集合。4.根据权利要求3所述的一种遗传算法框架下的光学相控阵天线旁瓣抑制方法，其特征在于：步骤S3中，计算初始群体中个体的适应度函数的方法为：自动识别群体{Pos(1),Pos(2),Pos(3),
…
,Pos(N
pop
)}中个体数N
pop
；根据Pos(n)中个体坐标对应的光学天线分布，列出光源平面的电场强度表达式所述的是光源平面空间坐标，通过快速傅立叶变换(FFT)取模方得到光场强度表达式式所述的是光场照射平面空间坐标，找到强度平面峰值，记为主瓣峰值I
(i)mls
；强度平面去掉峰值区域后，找到剩余区域最大值记为旁瓣峰值I
(i)sl
；求得旁瓣峰值...

【专利技术属性】
技术研发人员：李明飞，袁梓豪，刘院省，邓意成，王学锋，赵琳琳，孙晓洁，董鹏，
申请(专利权)人：北京航天控制仪器研究所，
类型：发明
国别省市：