一种同心圆环阵的稀布宽带优化方法技术

本发明专利技术公开一种同心圆环阵的稀布宽带优化方法，该方法首先针对圆孔径宽带阵列综合问题，以同心圆环阵为基础建立遗传算法种群，设计多频点对应的优化目标；然后循环开始，对种群个体的多个目标函数在超平面上归一化处理；进而计算出自适应归一化交叉半径，依此划分交叉子种群，分别求取对应概率；最后交叉产生的个体与父代合并，进行基于拥挤距离的非支配排序，得到子代种群；判断是否达到最大循环次数，若是则算法结束，否则重新进入循环开始。该方法将多目标优化应用于宽带阵列稀布，有效地提升了算法的收敛水平，抑制了稀布阵列在宽频带上的峰值旁瓣，能实现高性能的圆孔径宽带阵列综合。综合。综合。

【技术实现步骤摘要】
一种同心圆环阵的稀布宽带优化方法


[0001]本专利技术涉及阵列综合领域，尤其涉及一种同心圆环阵的稀布宽带优化方法。

技术介绍

[0002]在相控阵雷达、射电天文等领域中，具有宽带或超宽带的阵列有着非常广泛实际需求的应用场景；而同心圆环阵因其具有的对称性也应用广泛。随着阵列规模的扩大，与均匀阵列的综合相比，非均匀等幅激励的稀布阵列能够大幅度地降低天线系统的成本与复杂度，并能够达到均匀阵列的综合指标，因此得到广泛地研究与应用。然而对于具有高宽带的稀布阵列，如何设计阵元位置，实现宽频带上的方向图优化是该类研究的难点。
[0003]现有方法的主要思路为：一是通过宽带阵列设计经验，或设计指标公式的近似化，得到相应的阵列阵元几何分布的规则，依据此类近似规则，通过分形几何或旋转变换或密度锥削方法，确定性地直接得到阵元分布；二是在给定宽带阵列阵元分布约束的基础上，利用随机搜索算法，如DE算法、GA算法等，优化单一频率上的方向图指标，或优化相应的约束指标，进而得到迭代优化后的阵列分布。这些方法或是过于依赖设计经验或数学近似，或是用单一指标，而现有的多目标算法本身，因为应用于宽带阵列复杂度高、收敛性差，都难以做到较为全面地优化。

技术实现思路

[0004]本专利技术的目的在与针对现有技术的不足，提供宽带同心圆环阵的稀布优化方法，具体技术方案如下：
[0005]一种同心圆环阵的稀布宽带优化方法，包括以下步骤：
[0006]S1：初始化同心圆环阵列的约束参数，选择多个频点对应的方向图的阵列峰值旁瓣水平作为目标函数；
[0007]S2：计算种群每个个体的各目标函数，找到极值个体，并在超平面上归一化处理，计算其他个体到极值个体的归一化距离；
[0008]S3：根据步骤2得到的结果，计算自适应归一化交叉半径，进而划分交叉子种群，对各目标方向上求取子种群交叉概率，合并其交叉结果作为子代；
[0009]S4：对合并种群进行基于拥挤距离的非支配排序选择，判断是否达到最大循环次数，若否，则返回步骤2；若是，得到该子代种群中pareto等级为1的一组解。
[0010]进一步地，所述S1具体为：
[0011]S1.1：给定待优化的同心圆环阵列，每环起始阵元在x轴上，同心圆环阵列的频率范围为[f0，f
max
]，选取的优化目标频率f
i
∈[f0，f
max
]，且必须存在f
i
＝f0，第i个频率下的阵列工作波长为λ
i
，λ
i
＝c/f
i
，c为光速；阵列阵元最小间距d
min
＝λ
max
/2；
[0012]则该同心圆环阵列第i个频率下的方向图表示为：
[0013][0014]式中：k
i
表示第i个频率下的波数，k
i
＝2π/λ
i
,θ为仰角；为方位角；为第n个同心圆环上第m个阵元与阵列中心的连线相对于x轴的夹角；N为同心圆环数目；
[0015]S1.2：选定p个优化目标，p≥2，将优化目标频率f
i
下的阵列峰值旁瓣水平作为优化目标函数g
i
(x)：
[0016][0017]其中，θ
min
为方向图的第一零陷，x为待优化变量，包括每环半径r
n
和环上阵元数M
n
，1≤n≤N。
[0018]进一步地，所述S2通过以下子步骤来实现：
[0019]S2.1:通过下式计算种群S当前个体转换后的目标函数为：
[0020][0021]其中，为种群S当前个体各目标上的最小值；
[0022]S2.2:根据下式求取每个目标的极点z
i，max
，i＝1，2...，p，p个极点构成一个p维的线性超平面
[0023][0024]S2.3:求取截距a
i
，然后通过下式将转换后的目标函数g
′
i
(x)归一化为g
″
i
(x)。
[0025][0026]S2.4：计算每一个个体的归一化坐标v
j
＝(g
″1(x
j
)，g
″2(x
j
)，...，g
″
p
(x
j
))，将p个目标上取到最小值的p个个体记为z
t
，t＝1，2，...，p，计算各个体到该p个个体的距离d
[0027]d＝[d1，d2，...，d
SN
]T
ꢀꢀ
(6)
[0028]式中，SN为种群中的个体数，d
j
＝(d
j1
，d
j2
，...，d
jp
)，j＝1，2，...，SN。其中：)，j＝1，2，...，SN。其中：
[0029]进一步地，所述S3通过以下子步骤来实现：
[0030]S3.1：计算该迭代次数下的自适应归一化交叉半径
[0031][0032]其中，d
m
为矩阵d中的最大值。
[0033]S3.2：由d
cross
得到p个交叉子种群C
t
：
[0034]C
t
={x|x
j
∈S，d
jt
≤d
cross
}
ꢀꢀ
(8)
[0035]S3.3：计算每个交叉子种群C
t
的自适应交叉概率
[0036][0037]其中，CN
t
为交叉子种群C
t
中包含的个体数；
[0038]S3.4：采用SBX交叉方法对每个子种群进行交叉，得到的全部子代个体集合记为S
o
，其包含的个体数在概率上等于SN；
[0039]S3.5：对父代执行变异操作，以变异概率1/chl进行多项式变异，其中chl为个体基因编码向量的长度，全部子代并入S
o
。
[0040]S3.6：对S
o
中的全部个体，计算同心圆环阵的任一环上的阵元数
[0041][0042]式中表示向下取整。
[0043]进一步地，所述S4通过以下子步骤来实现：
[0044]S4.1：先对种群S与子代个体集合S
o
求并集，得到合并种群S∪S
o
；对于合并种群的个体，进行快速非支配排序，并标记其pareto等级；对于p个目标分量g
i
(x)，任意给定两个决策变量X
a
，X
b
,若有：
[0045][0046]则X
a
支配X
b
，不被支配的变量paret本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种同心圆环阵的稀布宽带优化方法，其特征在于，该方法包括以下步骤：S1：初始化同心圆环阵列的约束参数，选择多个频点对应的方向图的阵列峰值旁瓣水平作为目标函数；S2：计算种群每个个体的各目标函数，找到极值个体，并在超平面上归一化处理，计算其他个体到极值个体的归一化距离；S3：根据S2得到的结果，计算自适应归一化交叉半径，进而划分交叉子种群，对各目标方向上求取子种群交叉概率，合并其交叉结果作为子代；S4：对合并种群进行基于拥挤距离的非支配排序选择，判断是否达到最大循环次数，若否，则返回S2；若是，得到该子代种群中pareto等级为1的一组解。2.根据权利要求1所述的同心圆环阵的稀布宽带优化方法，其特征在于，所述S1具体为：S1.1：给定待优化的同心圆环阵列，每环起始阵元在x轴上，同心圆环阵列的频率范围为[f0，f
max
]，选取的优化目标频率f
i
∈[f0，f
max
]，且必须存在f
i
＝f0；第i个频率下的阵列工作波长为λ
i
，λ
i
＝c/f
i
，c为光速；阵列阵元最小间距d
min
＝λ
max
/2；则该同心圆环阵列第i个频率下的方向图表示为：式中：k
i
表示第i个频率下的波数，k
i
＝2π/λ
i
，θ为仰角；为方位角；为第n个同心圆环上第m个阵元与阵列中心的连线相对于x轴的夹角；N为同心圆环数目；S1.2：选定p个优化目标，p≥2，将优化目标频率f
i
下的阵列峰值旁瓣水平作为优化目标函数g
i
(x)：其中，θ
min
为方向图的第一零陷，x为待优化变量，包括每环半径r
n
和环上阵元数M
n
，1≤n≤N。3.根据权利要求1或2所述的同心圆环阵的稀布宽带优化方法，其特征在于，所述S2通过以下子步骤来实现：S2.1：通过下式计算种群S当前个体转换后的目标函数为：其中，为种群S当前个体各目标上的最小值；S2.2：根据下式求取每个目标的极点z
i，max
，i＝1，2...，p，p个极点构成一个p维的线性超平面
S2.3：求取截距a
i
，然后通过下式将转换后的目标函数g
′
i
(x)归一化为g
″
i
(x)：S2.4：计算每一个个体的归一化坐标v
j
＝(g
″1(x
j
)，g
″2(x
j
)，...，g
″
p
...

【专利技术属性】
技术研发人员：宋春毅，席玉章，王昕，俞鼎柯，方文巍，徐志伟，李欢，
申请(专利权)人：浙江大学，
类型：发明
国别省市：