结合空间映射算法与群智能算法的赋形透射阵设计方法技术

本发明专利技术公开了一种高效精准的赋形透射阵设计方法，包括：设定细模型和粗模型；采用群智能算法优化得到粗模型最优解，并作为细模型初始参量；采用群智能算法提取对应于细模型参量的粗模型参量；依据空间映射原理，更新映射矩阵，预测下一步细模型参量；重复后两个步骤，直至细模型的设计结果满足要求或映射收敛。本发明专利技术提出结合空间映射算法和群智能算法来优化设计透射阵面的相位分布，在考虑实际幅相误差的基础上设计赋形透射阵，实现性能优良的赋形透射阵。该方法通过参数提取将透射阵的全波仿真过程(细模型)转化为高效的阵因子(粗模型)优化过程，使复杂的透射阵优化能顺利实现。使复杂的透射阵优化能顺利实现。使复杂的透射阵优化能顺利实现。

【技术实现步骤摘要】
结合空间映射算法与群智能算法的赋形透射阵设计方法


[0001]本专利技术属于天线
，特别是一种结合空间映射算法与群智能算法的赋形透射阵设计方法。

技术介绍

[0002]波束赋形是一项重要的天线技术，在无线通信、雷达探测等领域中有广泛的应用需求。实现天线波束赋形的方法一般有两种。第一种方法是解析法，例如傅里叶变换法、泰勒综合法、切比雪夫综合法、Woodward
‑
Lawson法，这些方法找出了辐射方向图和天线口径幅相分布的直接对应转换关系，赋形效率高，但是这些解析法生成的方向图不完全可控，又难以实现对幅相动态范围有限制的方向图综合，设计不够灵活。第二种方法是全局优化方法，利用包括遗传算法、粒子群算法、人工蜂群算法等群智能算法在求解域内全局搜索得到满足性能条件的设计参量，有能指定求解域、能进行多目标优化等优点，适合赋形方向图的多目标优化问题。对于赋形透射阵设计的透射相位优化问题，往往采用群智能算法设计。
[0003]透射阵天线结合了光学理论和天线阵列理论，具有低损耗、高增益、平面结构、加工简单等众多优点。然而，目前的透射阵天线研究主要集中在实现高增益、高效率，对于透射阵天线的波束赋形方面研究较少。
[0004]透射阵天线的波束赋形主要依靠仅相位综合，即改变透射阵面的透射相位分布来得到目标方向图。在实际情况中，透射阵是一种准周期结构，透射单元的透射相位会随着斜入射角、邻近单元的结构变化等发生变化，与理想周期边界条件下求得的预期透射性能相比存在一定的幅相偏差。这些幅相误差会导致实际辐射方向图偏离理论预期的方向图，在赋形透射阵中尤为显著。为了实现更好的赋形波束，研究在考虑实际幅相误差的基础上的赋形透射阵设计方法是十分必要的。

技术实现思路

[0005]本专利技术的目的在于提供一种高效精准的赋形透射阵设计方法。结合空间映射算法和群智能算法来优化设计透射阵面的相位分布，在考虑实际幅相误差的基础上设计赋形透射阵，实现性能优良的赋形透射阵。
[0006]实现本专利技术目的的技术解决方案为：一种结合空间映射算法与群智能算法的赋形透射阵设计方法，所述方法包括：结合空间映射算法和群智能算法优化设计透射阵面的相位分布；包括以下步骤：
[0007]步骤1，设定细模型和粗模型；
[0008]步骤2，采用群智能算法优化得到粗模型最优解；令细模型初始参量等于粗模型最优解。
[0009]步骤3，采用群智能算法优化提取对应于细模型参量的粗模型参量；
[0010]步骤4，依据空间映射原理，更新映射矩阵，得到预测的下一步细模型参量；
[0011]步骤5，重复步骤3至4，直至细模型的设计结果满足设计要求或映射收敛。
[0012]进一步地，步骤1采用馈源辐射场照射的阵因子作为粗模型、全波仿真模型作为细模型。
[0013]进一步地，设透射阵包括M
×
M个调相透射单元，馈源天线阵列包括p
×
p个微带贴片，将每一个微带贴片等效为两个缝隙天线；
[0014]所述粗模型为：
[0015][0016]其中，为馈源辐射场照射的阵因子，馈源辐射场E1(x
m
,y
n
)为：
[0017]E1(x
m
，y
n
)＝
‑
jωA(x
m
，y
n
)
[0018]其中，
[0019]ω＝2πf
[0020][0021][0022]式中，f为馈源天线阵列的谐振频率，x
m
、y
n
分别为第m行第n列调相透射单元的横坐标和纵坐标，k为自由空间的相位常数，为缝隙天线到第m行第n列调相透射单元的方位矢量，为阵列中心到透射阵单元的位置矢量，为坐标系中任意位置的单位矢量，|Τ
mn
|为第m行、第n列调相透射单元的透射系数的幅度，ψ
mn
为第m行、第n列透射单元的透射系数的相位，ω为角频率，A为磁矢位分布，分别为x轴、y轴、z轴的单位矢量，x、y、z分别为缝隙天线的电荷分布的三维坐标值。
[0023]进一步地，步骤2所述采用群智能算法优化得到粗模型最优解，具体为：结合所述粗模型，设定目标方向图，由群智能算法优化得到粗模型的最优设计参量，作为透射阵初始相位分布，具体过程包括：
[0024]将平顶目标方向图分为三段区域，即主瓣区域，副瓣区域，过渡区域，主瓣区域内目标方向图呈现平顶波束，副瓣区域内目标方向图所有副瓣低于副瓣约束的上限，过渡区域内目标方向图不出现副瓣，这一区域位于主瓣区域和副瓣区域之间；
[0025]按照以上区域划分，根据不同优化目标，设定不同的目标函数，分为以下三个阶段：
[0026]第一阶段：以副瓣电平为目标，得到低于设定副瓣电平的透射阵相位分布，这一阶段的目标函数为：
[0027]f＝α+SIL if SIL≥Thr0[0028]其中α为设定的正实数定值，SIL为副瓣区域的最大副瓣值，Thr0为SIL的阈值；
[0029]第二阶段：在第一阶段的基础上，以E面主瓣条件为目标，得到满足设定平顶条件下的透射阵相位分布，这一阶段的目标函数为：
[0030]f＝β+ξ
1 if ξ1≥Thr1[0031]其中β为设定的正实数定值，ξ1为E面即xoz坐标面上主瓣区域方向图向量的二范
数，Thr1为ξ1的阈值；
[0032]第三阶段：在前两个阶段的基础上，以H面即yoz坐标面主瓣条件为目标，得到满足设定平顶条件下的透射阵相位分布，这一阶段的目标函数为：
[0033]f＝γ+ξ
2 if ξ2≥Thr2[0034]其中γ为设定的正实数定值，其中ξ2为H面上主瓣区域方向图向量的二范数，Thr2为ξ2的阈值；
[0035]所述群智能算法采用人工蜂群算法，优化目标是得到上述目标函数的最小值，由此获得粗模型最优解；上式中α、β、γ的关系为(α+Δ)>(β+Δ)>(γ+Δ)，其中Δ为三个正实数之间的差值阈值。
[0036]进一步地，步骤3所述提取对应于细模型参量的粗模型参量，具体为：以细模型得到的方向图为目标，优化粗模型设计参量，调用群智能算法提取细模型设计参量所对应的粗模型设计参量，具体为：
[0037]以细模型的方向图为目标，调用人工蜂群算法优化粗模型设计参量，得到细模型设计参量所对应的粗模型设计参量X
c0
，该过程具体包括：
[0038]按照方向图的不同区域的赋形要求，将方向图设置为若干个参数提取区域；下面以参数提取区域Ⅰ和参数提取区域Ⅱ这两个参数提取区域进行描述：
[0039]第一阶段：在粗模型中，提取出满足在E面和H面参数提取区域Ⅰ中的方向图符合副瓣要求的设计参数X
c0
；
[0040]第二阶段：第一阶段的基础上，在粗模型中，提取出在E面参数提取区域Ⅱ中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合空间映射算法与群智能算法的赋形透射阵设计方法，其特征在于，所述方法结合空间映射算法和群智能算法优化设计透射阵面的相位分布，包括以下步骤：步骤1，设定细模型和粗模型；步骤2，采用群智能算法优化得到粗模型最优解；令细模型初始参量等于粗模型最优解。步骤3，采用群智能算法优化提取对应于细模型参量的粗模型参量；步骤4，依据空间映射原理，更新映射矩阵，得到预测的下一步细模型参量；步骤5，重复步骤3至4，直至细模型的设计结果满足设计要求或映射收敛。2.根据权利要求1所述的结合空间映射算法与群智能算法的赋形透射阵设计方法，其特征在于，步骤1采用馈源辐射场照射的阵因子作为粗模型、全波仿真模型作为细模型。3.根据权利要求2所述的结合空间映射算法与群智能算法的赋形透射阵设计方法，其特征在于，设透射阵包括M
×
M个调相透射单元，馈源天线阵列包括p
×
p个微带贴片，将每一个微带贴片等效为两个缝隙天线；所述粗模型为：其中，为馈源辐射场照射的阵因子，馈源辐射场E1(x
m
,y
n
)为：E1(x
m
，y
n
)＝
‑
JωA(x
m
，y
n
)其中，ω＝2πfω＝2πf式中，f为馈源天线阵列的谐振频率，x
m
、y
n
分别为第m行第n列调相透射单元的横坐标和纵坐标，k为自由空间的相位常数，缝隙天线到第m行第n列调相透射单元的方位矢量，为阵列中到透射阵单元的位置矢量，为坐标系中...

【专利技术属性】
技术研发人员：郭欣，李双，吴文，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：