System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及天线,特别是指基于改进差分进化算法的抗干扰阵列天线波束修正方法。
技术介绍
1、卫星导航技术是目前最为常用的一种导航方法,占据导航设备领域的主流市场。但是卫星导航存在一项致命缺点,那就是容易遭受外来干扰,从而导致导航系统不能正常作业。因此导航系统需要提升抗干扰能力来保证设备能够正常工作。阵列天线的波束形成技术通过对阵元的幅度和相位进行加权优化调整,以期得到目标阵列方向图,达到增强期望信号,抑制干扰信号的效果。传统波束形成技术采用直接法来解决波形设计问题,但是此算法复杂度高,收敛速度慢,进化算法在优化阵列天线波束这方面与其相比具有很大的优势,比如适应性强,能够求解多种类型的优化问题,但是进化算法会减少种群的多样性,导致算法局部收敛。
技术实现思路
1、有鉴于此,本专利技术提出基于改进差分进化算法的抗干扰阵列天线波束修正方法,本专利技术可优化阵列天线的波束,提高导航系统的波束覆盖能力及安全性,使导航系统的阵列天线灵活实现波束指向切换以及抗干扰的能力,此外还具有更快的收敛速度和较高的收敛精度,具有更广的应用范围;可以得到较低的副瓣电平和较深的零点。
2、为了实现上述目的,本专利技术采用的技术方案如下:
3、基于改进差分进化算法的抗干扰阵列天线波束修正方法,包括以下步骤:
4、步骤1,提取阵列天线中每个天线单元的方向图;
5、步骤2,任意生成一个种群,其中,种群个体数为np,每个种群个体均为一个d行1列的矩阵,d为天线单元个数,
6、步骤3,将当前种群中的所有个体依次代入适应度函数中,得到对应的适应度函数值;
7、步骤4,以适应度函数值小为优的原则,寻找最优个体以及次优个体;
8、步骤5,设置指示当前种群中不同种群个体的循环变量k,令k=1;
9、步骤6,判断最优个体的适应度函数值是否小于目标阈值或当前循环代数是否已达到最大循环代数,若是则将最优个体作为阵列天线的方向图的加权系数,对方向图进行加权优化,最终得到修正的阵列方向图;完成抗干扰阵列天线的波束修正,否则执行步骤7;
10、步骤7,在种群中随机选择除次优个体以及第k个种群个体以外的两个种群个体,将其与次优个体进行差分变异操作,得到一个变异向量;
11、步骤8,将变异向量与第k个种群个体进行二项式交叉运算,生成一个试验向量;
12、步骤9,分别计算试验向量与第k个种群个体的适应度函数值,若试验向量的适应度函数值更小,则将试验向量作为下一个循环代数中,种群中的第k个种群个体,否则将当前循环代数中的种群中的第k个种群个体,作为下一个循环代数中,种群中的第k个种群个体;
13、步骤10,判断k=np是否成立,若是则循环代数加1,并执行步骤3,否则令k=k+1,并执行步骤7。
14、进一步地,所述步骤2中,任意生成一个种群的具体方式为:
15、(201)设置指示当前种群中不同种群个体的循环变量i,令i=1;
16、(202)设置指示当前种群中不同种群个体的行数的循环变量j,令j=1;
17、(203)计算当前种群中第i个种群个体的第j行元素的值:
18、xi,j=min(xj)+rand(0,1)[max(xj)-min(xj)]
19、其中,xi,j为任意生成的种群中第i个种群个体的第j行元素;min(xj)为当前循环代数下,种群中不同种群个体的第j行元素的下界;max(xj)为当前循环代数下,种群中不同种群个体的第j行元素的上界;rand(0,1)表示在(0,1)之间取随机数;
20、(204)判断j=d是否成立,若j=d成立则判断i=np是否成立,若i=np成立,则完成种群的生成,若i=np不成立,则令i=i+1后,执行步骤(202),若j=d不成立,则令j=j+1后,执行步骤(203)。
21、进一步地,所述步骤2中的适应度函数具体为:
22、
23、其中,
24、
25、θ为阵列天线波束角度;f0(θ)表示将当前选取的种群个体作为阵列天线的方向图的加权系数,对方向图进行加权优化,最终得到的阵列方向图;fd(θ)表示期望阵列方向图;vsll表示最大副瓣电平,vdsll代表期望的副瓣电平;vnull表示最大零陷深度,vdnull代表期望的零陷深度;α表示副瓣电平的权重,β表示零陷深度的权重。
26、进一步地,所述步骤7的具体方式为:
27、(701)在种群中随机选择三个种群个体:与
28、其中,g为当前循环代数,为当前循环代数下种群中第p1个种群个体,为当前循环代数下种群中第p2个种群个体,为当前循环代数下种群中第p3个种群个体,p1、p2、p3∈[1,np],p1≠p2≠p3≠k,且与中的其中一个种群个体为次优个体;
29、(702)计算变异向量
30、
31、其中,f为缩放因子,f∈(0,2)。
32、进一步地,所述步骤8中的二项式交叉运算的具体方式为:
33、
34、其中,为当前循环代数下,第k个种群个体对应的试验向量的第t行元素,t=1,2,3,......,d;为当前循环代数下,第k个种群个体对应的变异向量的第t行元素;为当前循环代数下,第k个种群个体的第t行元素;randt为第t次计算出的位于(0,1)之间的随机数;trand为第t次计算出的位于[1,d]之间的随机整数;cr为交叉概率,cr∈(0,1)。
35、由于采用了上述技术方案,本专利技术与现有技术相比的有益效果在于:
36、1、本专利技术中使用次优个体代替传统差分进化算法中的随机选择个体,可以解决算法陷入早熟收敛的问题,又可以通过次优个体引导种群向最优解靠近,从而提高算法收敛速度。
37、2、本专利技术通过改进差分进化算法,提高了收敛速度和收敛精度,并且得到了较低的旁瓣电平和较低的零点。
本文档来自技高网...【技术保护点】
1.基于改进差分进化算法的抗干扰阵列天线波束修正方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于改进差分进化算法的抗干扰阵列天线波束修正方法,其特征在于,所述步骤2中,任意生成一个种群的具体方式为:
3.根据权利要求2所述的基于改进差分进化算法的抗干扰阵列天线波束修正方法,其特征在于,所述步骤2中的适应度函数具体为:
4.根据权利要求3所述的基于改进差分进化算法的抗干扰阵列天线波束修正方法,其特征在于,所述步骤7的具体方式为:
5.根据权利要求4所述的基于改进差分进化算法的抗干扰阵列天线波束修正方法,其特征在于,所述步骤8中的二项式交叉运算的具体方式为:
【技术特征摘要】
1.基于改进差分进化算法的抗干扰阵列天线波束修正方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于改进差分进化算法的抗干扰阵列天线波束修正方法,其特征在于,所述步骤2中,任意生成一个种群的具体方式为:
3.根据权利要求2所述的基于改进差分进化算法的抗干扰阵列天线波束修正方法,...
【专利技术属性】
技术研发人员:底欣欣,蔚保国,易卿武,何成龙,王卿,郝菁,
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。