【技术实现步骤摘要】
本专利技术涉及大型阵列天线及空域抗干扰，特别是指一种基于蚁群优化算法的非均匀子阵划分方法。
技术介绍
1、传统的均匀不重叠划分的波束方向图易产生栅瓣、栅零点，影响主瓣增益；均匀重叠划分虽能够有效减少栅零点，但该方法重叠部分接收组件需要考虑多套幅相控制器，增加设备成本和制造难度，而且其馈电网络过于复杂，因此不适宜大型阵列的工程实现；而非均匀不重叠子阵结构，由于各子阵内包含的阵元个数并不相同，相位中心之间的间距不存在周期性，可以较好的抑制栅零点，所以研究非均匀不重叠的子阵划分方法具有重要的理论研究意义和工程实践价值。
2、对于非均匀不重叠的子阵划分方法，在近些年开始和智能算法相结合，其中评价函数多选取波束方向图中的旁瓣电平、零陷深度等，在无人机测控抗干扰领域，阵列输出信干噪比是一个综合指标，综合考虑了信号强度、干扰和噪声对通信系统的影响，直接关系到信号的接收质量，影响后续测控通信信号的解调性能。
技术实现思路
1、有鉴于此，本专利技术提供一种基于蚁群优化算法的非均匀子阵划分方法，该方法可以有效降低硬件成本和减少计算复杂度，同时达到与全阵元的自适应波束形成相近的阵列输出信干噪比。
2、为了实现上述目的，本专利技术采用的技术方案为：
3、一种基于蚁群优化算法的非均匀子阵划分方法，包括以下步骤：
4、步骤1，初始化信息素浓度tau、启发式信息qfs、蚂蚁个数m、表征信息素重要程度的参数α、表征启发式因子重要程度的参数β、信息素蒸发系数ρ、信息素
5、步骤2，将m只蚂蚁放在起点，每只蚂蚁均通过轮盘赌算法进行移动，直至到达终点，得到m只蚂蚁的路径；
6、步骤3，根据蚂蚁路径求得子阵划分方案，根据子阵加权自适应波束形成模型求得各子阵划分方案的输出信干噪比；
7、步骤4，记录本次迭代中m个子阵划分方案的最大输出信干噪比；
8、步骤5，更新信息素；
9、步骤6，重复步骤2至步骤5以进行新的迭代，直至达到设定的迭代次数，得到最优划分结果。
10、进一步地，步骤1中，用l*(n-l+1)*2维的矩阵tau表示有向图中某点右移边和下移边上的信息素浓度：
11、
12、其中，tau(x,y,1)为点(x,y)向右边的初始化信息素浓度，tau(x,y,2)为点(x,y)向下边的初始化信息素浓度，l为子阵个数，n为所有阵元数。
13、进一步地，步骤1中，在初始化启发式信息时，首先构建一条特殊路径，假设阵元数能够被均匀划分到每个子阵，即n mod l＝0，记a＝n/l，将该路径设为特殊路径r，其下所有拐点的集合为：{(i,i*a)}i＝1,...l，然后根据所构造的特殊路径，将启发式信息设计为：
14、
15、其中，qfs_max为启发式信息的最大值；d(x,y,i)＝mindr,(x,y,i)+mind(x,y,i),r，dr,(x,y,i)为从r出发到达有向边(x,y,i)的距离，d(x,y,i),r为有向边(x,y,i)到r的距离，a＝n/l为均匀划分下各子阵中的阵元数，启发式范围属于[0,1]。
16、进一步地，步骤2的具体方式为，将m只蚂蚁放在起点处，对于每只蚂蚁，采用如下方式进行移动，直至到达终点：
17、步骤201，计算蚂蚁在点(x,y)时向右和向下的概率p(x,y,1)和p(x,y,2)：
18、p(x,y,1)＝[tau(x,y,1)α][qfs(x,y,1)β]
19、p(x,y,2)＝[tau(x,y,2)α][qfs(x,y,2)β]
20、其中，tau(x,y,i)为信息素浓度，qfs(x,y,i)为启发式信息，i＝1,2，α和β两个参数分别决定了信息素和启发式信息的相对影响力；
21、步骤202，对p(x,y,1)和p(x,y,2)进行归一化，将p(x,y,1)和p(x,y,2)更新为归一化后的值；
22、步骤203，在[0,1]区间内产生一个均匀分布的伪随机数r；
23、步骤204，若r<p(x,y,1)，则选择向右路径，否则，选择向下路径。
24、进一步地，步骤3的具体方式为：
25、步骤301，将各蚂蚁的路径转换为子阵划分方案，具体来说，将蚂蚁路径中每个下降沿作为各子阵的分割线；
26、步骤302，然后采用mvdr算法进行子阵自波束形成，求各子阵划分方案的输出信干噪比：
27、
28、式中，wsub为各子阵的加权值，t为子阵形成矩阵，a(θ0)为期望信号的导向矢量，p0为期望信号的功率，为干扰信号和噪声信号的空间相关矩阵，a(θj)为各干扰信号的导向矢量，sj(n)为各干扰信号，v(n)为噪声信号矢量。
29、进一步地，步骤5的具体方式为：
30、当一次迭代中所有蚂蚁都构建好路径后，更新各边上的信息素：
31、tau(x,y,i)＝(1-ρ)tau(x,y,i)+δtau(x,y,i)
32、
33、其中，0<ρ≤1是信息素的蒸发率，δtau(x,y,i)为本次迭代中所有蚂蚁在其经过的路径上释放的信息素，f_m是本次迭代中第m只蚂蚁对应子阵划分方案的输出信干噪比，f_max是本次迭代中的最大输出信干噪比，f_min是本次迭代中的最小输出信干噪比；当f_max与f_min相等时，δtau(x,y,i)＝0。
34、采用上述技术方案所产生的有益效果在于：
35、1、本专利技术利用概率计算和轮盘赌相结合规划蚂蚁路径，选取阵列最大输出信干噪比作为适应度函数，同时结合信息素初始浓度和启发式信息范围，设计了新的适应度函数值与信息素更新的转换关系，实现对阵列进行非均匀子阵划分。
36、2、本专利技术能够有效降低大型阵列空域抗干扰实现的硬件成本和计算复杂度，同时达到与全阵元的自适应波束形成相近的阵列输出信干噪比，对工程实践有一定的参考意义。
本文档来自技高网...【技术保护点】
1.一种基于蚁群优化算法的非均匀子阵划分方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于蚁群优化算法的非均匀子阵划分方法，其特征在于，步骤1中，用L*(N-L+1)*2维的矩阵Tau表示有向图中某点右移边和下移边上的信息素浓度：
3.根据权利要求2所述的一种基于蚁群优化算法的非均匀子阵划分方法，其特征在于，步骤1中，在初始化启发式信息时，首先构建一条特殊路径，假设阵元数能够被均匀划分到每个子阵，即N mod L＝0，记A＝N/L，将该路径设为特殊路径R，其下所有拐点的集合为：{(i,i*A)}i＝1,...L，然后根据所构造的特殊路径，将启发式信息设计为：
4.根据权利要求3所述的一种基于蚁群优化算法的非均匀子阵划分方法，其特征在于，步骤2的具体方式为，将M只蚂蚁放在起点处，对于每只蚂蚁，采用如下方式进行移动，直至到达终点：
5.根据权利要求4所述的一种基于蚁群优化算法的非均匀子阵划分方法，其特征在于，步骤3的具体方式为：
6.根据权利要求5所述的一种基于蚁群优化算法的非均匀子阵划分方法，其特征在于，步
...【技术特征摘要】
1.一种基于蚁群优化算法的非均匀子阵划分方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于蚁群优化算法的非均匀子阵划分方法，其特征在于，步骤1中，用l*(n-l+1)*2维的矩阵tau表示有向图中某点右移边和下移边上的信息素浓度：
3.根据权利要求2所述的一种基于蚁群优化算法的非均匀子阵划分方法，其特征在于，步骤1中，在初始化启发式信息时，首先构建一条特殊路径，假设阵元数能够被均匀划分到每个子阵，即n mod l＝0，记a＝n/l，将该路径设为特殊路径r，其下所...
【专利技术属性】
技术研发人员：米泽辉，王明杰，郭肃丽，
申请(专利权)人：中国电子科技集团公司第五十四研究所，
类型：发明
国别省市：
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。