【技术实现步骤摘要】
本专利技术属于mimo(multiple-input multiple-output，多输入多输出)雷达天线阵列，具体涉及一种多策略优化的mimo阵列设计方法。
技术介绍
1、mimo技术通过利用多个天线进行信号传输和接收，以提高系统性能。mimo阵列设计涉及到如何有效配置这些天线，以获得更好的通信性能。
2、传统遗传算法是一种基于生物进化过程的搜索和优化算法，被广泛应用于复杂问题的优化。在mimo阵列设计中，传统遗传算法通常包括以下关键步骤：
3、1. 个体编码
4、将mimo阵列设计问题的参数进行编码，形成一个个体。通常采用二进制编码方式，将天线位置、相位等信息表示成一串二进制串，即染色体。
5、2. 初始化种群
6、生成初始的个体群体，即初始种群，每个个体表示一个可能的mimo阵列设计方案。
7、3. 适应度函数
8、定义适应度函数，用于评价每个个体的优劣。适应度函数通常与mimo系统的性能指标相关，如信噪比、误码率等。优秀的个体应该在这些性能指标上取得更好的结果。
9、4. 选择
10、通过轮盘赌选择法等方式，按照适应度值选择个体，形成新的种群。适应度值较高的个体具有更大的概率被选择，以保留更优秀的mimo阵列设计。
11、5. 交叉
12、选取一对个体，进行交叉操作。交叉操作通过染色体的部分互换，产生新的后代个体，这有助于保留两个父代的优秀特征。
13、6. 变异
15、7. 更新种群
16、将新生成的个体加入原种群，形成更新后的种群。
17、8. 迭代
18、重复进行选择、交叉和变异等操作，直到满足停止条件，如达到最大迭代次数或满足一定的收敛条件。
19、可见，传统遗传算法的优点在于其适用于各种问题，并且易于理解和实现。然而，在mimo阵列设计中，由于问题的复杂性，传统遗传算法存在一些缺点，如容易陷入局部最优解、收敛速度慢、缺乏多样性等。
技术实现思路
1、为了解决现有技术中存在的上述问题，本专利技术提供了一种多策略优化的mimo阵列设计方法。本专利技术要解决的技术问题通过以下技术方案实现：
2、本专利技术实施例提供了一种多策略优化的mimo阵列设计方法，包括：
3、创建若干个初始种群；其中，每个初始种群包括若干个体，每个个体包括一对发射个体和接收个体，所述发射个体包括mimo雷达所有发射阵元的位置，所述接收个体包括mimo雷达所有接收阵元的位置；
4、针对每个初始种群，执行以下步骤：计算mimo雷达的等效收发方向图，将所述等效收发方向图的峰值旁瓣作为适应度函数；根据所述适应度函数并利用轮盘赌选择法更新初始种群得到第一种群；根据所述适应度函数并利用个体适应度优势遗传方式更新第一种群得到第二种群；利用所述第二种群计算发射阵列权值和接收阵列权值；对所述第二种群进行交叉处理得到第三种群；根据所述发射阵列权值、所述接收阵列权值对所述第三种群进行变异处理得到第四种群；根据所述发射阵列权值、所述接收阵列权值对所述第四种群基于阵元数目不变原则进行更新得到第五种群；计算所述第五种群的局部最优适应度值；将所述第五种群作为新的初始种群，返回计算mimo雷达的等效收发方向图，将所述等效收发方向图的峰值旁瓣作为适应度函数步骤，直至满足最大迭代次数，得到该初始种群最终的局部最优适应度值；
5、从所有最终的局部最优适应度值中选择全局最优适应度值，将所述全局最优适应度值对应个体作为mimo阵列设计结果。
6、本专利技术的有益效果：
7、本专利技术提出的多策略优化的mimo阵列设计方法，包括：创建若干个初始种群；其中，每个初始种群包括若干个体，每个个体包括一对发射个体和接收个体，发射个体包括mimo雷达所有发射阵元的位置，接收个体包括mimo雷达所有接收阵元的位置；针对每个初始种群，执行以下步骤：计算mimo雷达的等效收发方向图，将等效收发方向图的峰值旁瓣作为适应度函数；根据适应度函数并利用轮盘赌选择法更新初始种群得到第一种群；根据适应度函数并利用个体适应度优势遗传方式更新第一种群得到第二种群；计算第二种群的发射阵列权值和接收阵列权值；对第二种群进行交叉处理得到第三种群；根据发射阵列权值、接收阵列权值对第三种群进行变异处理得到第四种群；根据发射阵列权值、接收阵列权值对第四种群基于阵元数目不变原则进行更新得到第五种群；计算第五种群的局部最优适应度值；将第五种群作为新的初始种群，返回计算mimo雷达的等效收发方向图，将等效收发方向图的峰值旁瓣作为适应度函数步骤，直至满足最大迭代次数，得到该初始种群最终的局部最优适应度值；从所有最终的局部最优适应度值中选择全局最优适应度值，将全局最优适应度值对应个体作为mimo阵列设计结果。可见，相比于传统遗传算法，本专利技术实施例从多个策略角度出发对传统遗传算法进行改进：选择性筛选轮盘赌后的个体，同时引入当前种群最优秀的个体，增加了种群中优秀个体的比例，使得算法在更短的时间内达到全局最优解，提高了收敛效率，有效克服了传统遗传算法的“早熟”现象，并为后续的权重分配提供更有利的基因分布；采用了基于权重的变异策略，通过权重指导变异，使得变异的过程更加智能化，以及通过权重指导阵元保持不变，有效地引导整个遗传操作，成为改进算法的核心，有助于维持优秀个体的信息，有助于提高优化性能，避免随机变异带来的不良影响，提高算法的收敛性。总体而言，本专利技术实施例通过创新性地改进了遗传算法，取得了在mimo阵列设计中更为出色的性能，有效克服了传统遗传算法的不足之处，实验表明：与传统遗传算法相比，本专利技术所提改进遗传算法在mimo阵列设计中能够显著降低阵列方向图的旁瓣电平，通过改进遗传算法最大峰值旁瓣进一步降至-20.52db，相比于传统遗传算法的-17.78db，取得了更优越的mimo阵列设计效果。
8、以下将结合附图及实施例对本专利技术做进一步详细说明。
本文档来自技高网...【技术保护点】
1.一种多策略优化的MIMO阵列设计方法，其特征在于，所述方法包括：
2.根据权利要求1所述的多策略优化的MIMO阵列设计方法，其特征在于，计算MIMO雷达的等效收发方向图公式表示为：
3.根据权利要求1所述的多策略优化的MIMO阵列设计方法，其特征在于，根据所述适应度函数并利用个体适应度优势遗传方式更新第一种群得到第二种群，包括：
4.根据权利要求1所述的多策略优化的MIMO阵列设计方法，其特征在于，计算所述第二种群的发射阵列权值和接收阵列权值，包括：
5.根据权利要求1所述的多策略优化的MIMO阵列设计方法，其特征在于，对所述第二种群进行交叉选择得到第三种群，包括：
6.根据权利要求1所述的多策略优化的MIMO阵列设计方法，其特征在于，根据所述发射阵列权值、所述接收阵列权值对所述第三种群进行变异处理得到第四种群，包括：
7.根据权利要求6所述的多策略优化的MIMO阵列设计方法，其特征在于，根据所述发射阵列权值、所述接收阵列权值，对所述第四种群基于阵元数目不变原则进行更新得到第五种群，包括：
8
9.根据权利要求7所述的多策略优化的MIMO阵列设计方法，其特征在于，根据该接收个体的出现接收阵元排序结果更新该接收个体，包括：
10.根据权利要求1所述的多策略优化的MIMO阵列设计方法，其特征在于，在计算所述第五种群的局部最优适应度值之后，还包括：
...【技术特征摘要】
1.一种多策略优化的mimo阵列设计方法，其特征在于，所述方法包括：
2.根据权利要求1所述的多策略优化的mimo阵列设计方法，其特征在于，计算mimo雷达的等效收发方向图公式表示为：
3.根据权利要求1所述的多策略优化的mimo阵列设计方法，其特征在于，根据所述适应度函数并利用个体适应度优势遗传方式更新第一种群得到第二种群，包括：
4.根据权利要求1所述的多策略优化的mimo阵列设计方法，其特征在于，计算所述第二种群的发射阵列权值和接收阵列权值，包括：
5.根据权利要求1所述的多策略优化的mimo阵列设计方法，其特征在于，对所述第二种群进行交叉选择得到第三种群，包括：
6.根据权利要求1所述的多策略优化的mimo阵列设计方法，其特...
【专利技术属性】
技术研发人员：郭亮，王阑亭，荆丹，许晴，吕艳，张子旭，赵杨，汤恒仁，邢孟道，
申请(专利权)人：西安电子科技大学，
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。