CN107657070A - 基于遗传算法频率分集共形阵列波束的解耦合方法及天线 - Google Patents
基于遗传算法频率分集共形阵列波束的解耦合方法及天线 Download PDFInfo
- Publication number
- CN107657070A CN107657070A CN201710644015.5A CN201710644015A CN107657070A CN 107657070 A CN107657070 A CN 107657070A CN 201710644015 A CN201710644015 A CN 201710644015A CN 107657070 A CN107657070 A CN 107657070A
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- array
- frequency diversity
- individual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01Q—ANTENNAS, i.e. RADIO AERIALS
- H01Q21/00—Antenna arrays or systems
Abstract
本发明属于雷达天线技术领域，公开了一种基于遗传算法的频率分集共形阵列距离‑角度波束的解耦合方法及雷达天线，使用全波电磁仿真软件提取频率分集共形阵列天线单元的有源单元方向图，通过构建频率分集共形阵列远场功率方向图，利用遗传算法对阵列单元的激励幅值，激励相位以及阵元间频率增量进行优化，从而实现频率分集共形阵列方向图的主瓣集中于期望的距离‑角度区域，完成频率分集共形阵列距离‑角度波束的解耦合。本发明实现了方向图在期望的距离‑角度域形成主瓣，形成了距离‑角度域的解耦合波束，可用于检测距离‑角度域的目标，并抑制与距离相关的干扰。
Description
技术领域
本发明属于雷达天线技术领域，尤其涉及一种基于遗传算法的频率分集共形阵列距离-角度波束的解耦合方法及雷达天线。
背景技术
共形阵列天线是指天线单元能够贴合于载体表面并且阵列结构具有与载体表面相同或相似形状的阵列天线。共形阵列天线具有能够实现宽角域波束扫描，能够保持原有载体平台的空气动力学特性，具有较低的雷达散射截面积等优点，因此被广泛地应用于飞机、导弹、火箭、卫星、舰船等载体平台。随着探测需求的多样化以及电子技术的发展，共形阵列天线已经成为当今阵列天线领域的研究重点。相控阵天线通过采用特定的馈电方式，可智能地控制和调整各阵列单元的幅度和相位，能够实现无惯性的波束扫描，并且能够对波束的数量以及扫描方式进行任意地控制，这些特点使其广泛应用于雷达、通信、导航等领域。通常相控阵天线各天线单元辐射频率相同的信号，其远场方向图的波束指向仅与角度有关，而与距离无关。随着电子器件集成化技术和硬件水平的不断提高，灵活的天线设计已经成为可能，频率分集阵列天线作为一种新型阵列天线体制逐步引起国内外的广泛关注。频率分集阵列的概念由P.Antonik等人于2006年国际雷达会议上提出。与传统的相控阵天线不同，频率分集阵列在天线单元间引入远小于载频的频率步进量，增加了阵列在距离维的自由度，由此可以产生距离-角度依赖的天线方向图。因此其波束扫描相比于相控阵天线具有更高的灵活性，为实现定向定距波束形成，抑制距离维度干扰，提高通信安全性等提供了可能。但是频率分集阵列的天线方向图在距离-角度域上存在耦合现象，即天线方向图主瓣呈“S”形分布而并非集中于期望的目标点上。这种距离-角度域耦合方向图使得频率分集阵列对复杂环境的适应能力较差。
综上所述，现有技术存在的问题是：目前频率分集阵列的天线方向图在距离-角度域上存在耦合现象，能量不能集中于目标区域，使得频率分集阵列雷达对复杂环境的适应能力较差，限制了其在目标追踪、距离维干扰抑制等方面的应用。
发明内容
针对现有技术存在的问题，本发明提供了一种基于遗传算法的频率分集共形阵列距离-角度波束的解耦合方法及雷达天线。
本发明是这样实现的，一种基于遗传算法的频率分集共形阵列距离-角度波束的解耦合方法，所述基于遗传算法的频率分集共形阵列距离-角度波束的解耦合方法使用全波电磁仿真软件提取频率分集共形阵列天线单元的有源单元方向图；通过构建频率分集共形阵列远场功率方向图，利用遗传算法对阵列单元的激励幅值，激励相位以及阵元间频率增量进行优化，实现频率分集共形阵列方向图的主瓣集中于期望的距离-角度区域，完成频率分集共形阵列距离-角度波束的解耦合。
进一步，所述基于遗传算法的频率分集共形阵列距离-角度波束的解耦合方法包括以下步骤：
步骤一，设置系统指标参数，根据系统指标要求设置频率分集共形阵列的阵元数目N，阵元间距d，中心频率f0，选取阵列的共形载体，确定阵列的单元形式；
步骤二，获取频率分集共形阵列单元的有源单元方向图，使用全波电磁仿真软件得到N元频率分集共形阵列中的每个阵列单元的有源单元方向图其中，n＝0,…,N-1，θ是空间俯仰角，是空间方位角；
步骤三，构建频率分集共形阵列的远场功率方向图；
步骤四，优化频率分集共形阵列远场功率方向图，完成距离-角度波束的解耦合。
所述步骤三进一步包括：
(1)对于频率分集共形阵列，阵元n的远场表达写为：
其中，n＝0,…,N-1，t表示时间，Rn表示第n个阵元与远场任意一点P(x,y,z)的距离，θ是空间俯仰角，是空间方位角，为第n个阵元的有源单元方向图，j表示虚数，fn为第n个阵元的频率，kn为在频率fn时的自由空间波数，c为光速，对于远场，幅度项Rn≈R，相位项R为坐标系原点O与远场任意一点P的距离，rn是阵元n相对于坐标系原点O的位置矢量，为在远场任意一点P方向上的单位矢量，表示为：
其中：xn，yn和zn分别表示第n个阵元位于直角坐标系下沿x、y、z方向的坐标，表示直角坐标系x轴、y轴、z轴的单位矢量；
(2)由远场叠加原理可以得到频率分集共形阵列的远区辐射场为：
其中，an是第n个阵元的激励幅值，φn是第n个阵元的激励相位；
(3)对于频率分集共形阵列，第n个阵元的频率如下：
fn＝f0+Δfn；
其中，f0为中心频率，Δfn为第n个阵元相对于第0个阵元而言的频率增量；将第n个阵元的频率代入频率分集共形阵列的远区辐射场中并改写公式如下：
整理公式可得：
(4)对于频率分集共形阵列，f0＞＞Δfn，则可将频率分集共形阵列的远区辐射场近似为：
由此可得频率分集共形阵列的远场场强方向图为：
其远场功率方向图为：
所述步骤四进一步包括：
1)确定频率分集共形阵列阵元激励幅值的动态范围为[amin,amax]，激励相位的动态范围为[φmin,φmax]，频率增量的动态范围为[Δfmin,Δfmax]，确定遗传算法最大循环次数Genmax，种群规模2Np，并对种群个体Yij进行初始化，其中，i表示第i个个体，i＝1,2,...,2Np，j表示第j个优化分量，j＝1,2,…,D，D为待优化变量数,D＝3N，N为频率分集共形阵列的阵元数目，{Yij|j＝1,2,…,N}对应的是阵元激励幅值优化分量，{Yij|j＝N+1,N+2,...,2N}对应的是阵元激励相位优化分量，{Yij|j＝2N+1,2N+2,…,3N}对应的是阵元间频率增量优化分量，各优化分量在其定义区间内随机产生；
2)确定种群个体的适应度fit(Yij)：
fit(Yij)＝w1·(|P(R0,θ0)-Pd(R0,θ0)|)+w2·(|SLL-SLLd|)；
其中，P(R0,θ0)和Pd(R0,θ0)分别表示第Yij个个体在期望距离-角度处优化得到的阵列功率方向图及目标功率方向图，SLL表示优化所得的第Yij个个体的最大副瓣电平，SLLd表示目标副瓣电平，w1，w2分别为权重系数；
3)适应度评估并进行选择：
根据计算出的种群个体适应度值按从小到大的顺序对种群个体排序，并依据轮盘赌准则选择Np个优秀个体，选择所得的个体表示为Yij s，其中i＝1,…,Np，j＝1,…,3N，适应度值越大的个体被选择的概率越大，其概率表示为：
4)对选择的个体Yij s进行交叉操作，获得交叉个体Yij c：
对Yij s中的个体按照适应度函数值首尾两两配对，进行交叉，交叉采用实数编码的交叉算子，假设进行交叉的个体分别为Yi1j s和Yi2j s，则交叉后所产生的新个体为：
其中，α是[0,1]内的随机数，所获得变异个体Yij c中，i＝1,…,2Np，j＝1,…,3N；
5)对交叉个体Yij c进行变异操作，获得变异个体Yij m：
在交叉个体中随机选择一个个体进行变异操作，假设所选择的个体为Yi1j c，则变异操作如下：
将所获得的变异个体表示为Yij m；
6)将未变异的交叉个体与所获得的变异个体组成新的种群，重复执行2)～5)，直至满足优化目标要求或完成最大循环次数时，跳出循环并输出优化后的激励幅值，激励相位以及频率增量，并将其作为频率分集共形阵列的最终激励幅值An，激励相位Φn，以及频率增量ΔFn；
7)计算最终的频率分集共形阵列的远场功率方向图，完成距离-角度波束的解耦合。
本发明的另一目的在于提供一种应用所述基于遗传算法的频率分集共形阵列距离-角度波束的解耦合方法的雷达天线。
本发明的优点及积极效果为：将频率分集阵列天线共形于载体表面，提出一种基于遗传算法的频率分集共形阵列距离-角度波束的解耦合方法，实现频率分集共形阵列距离-角度域“S”形方向图的解耦合，形成定向定距波束。可用于检测距离-角度域的目标，并抑制与距离相关的干扰。
实施例1采用本发明方法，对频率分集共形阵列远场功率方向图进行优化，其最终归一化激励幅值An的分布图如图3所示，激励相位Φn的分布图如图4所示，频率增量ΔFn的分布图如图5所示，所得距离-角度解耦合功率方向图如图6所示，该功率方向图最大副瓣电平值为0.48。
实施例2采用本发明方法，对频率分集共形阵列远场功率方向图进行优化，其最终归一化激励幅值An的分布图如图7所示，激励相位Φn的分布图如图8所示，频率增量ΔFn的分布图如图9所示，所得距离-角度解耦合功率方向图如图10所示，该功率方向图最大副瓣电平值为0.62。
本发明将频率分集阵列天线共形于载体表面，构建了频率分集共形阵列的远场功率方向图；通过遗传算法对阵元激励幅值、激励相位以及频率增量进行优化，可以实现频率分集共形阵列的距离-角度方向图的解耦合，形成在期望距离-角度区域的定向定距波束。
附图说明
图1是本发明实施例提供的基于遗传算法的频率分集共形阵列距离-角度波束的解耦合方法流程图。
图2是本发明实施例提供的基于遗传算法的频率分集共形阵列距离-角度波束的解耦合方法的实现流程图。
图3是本发明实施例提供的实施例1阵元归一化激励幅值分布图。
图4是本发明实施例提供的实施例1阵元激励相位分布图。
图5是本发明实施例提供的实施例1阵元频率增量分布图。
图6是本发明实施例提供的实施例1的距离-角度解耦合功率方向图。
图7是本发明实施例提供的实施例2阵元归一化激励幅值分布图。
图8是本发明实施例提供的实施例2阵元激励相位分布图。
图9是本发明实施例提供的实施例2阵元频率增量分布图。
图10是本发明实施例提供的实施例2的距离-角度解耦合功率方向图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示，本发明实施例提供的基于遗传算法的频率分集共形阵列距离-角度波束的解耦合方法及雷达天线包括以下步骤：
S101：设置系统指标参数；
S102：提取频率分集共形阵列阵元的有源单元方向图；
S103：构建频率分集共形阵列的远场功率方向图；
S104：使用遗传算法根据优化目标对阵元激励幅值，激励相位及阵元间频率增量进行优化，实现频率分集共形阵列距离-角度波束的解耦合。
下面结合附图对本发明的应用原理作进一步的描述。
如图1所示，本发明实施例提供的频率分集共形阵列距离-角度波束的解耦合方法包括以下步骤：
步骤1，设置系统指标参数。
根据系统指标要求设置频率分集共形阵列的阵元数目N，阵元间距d，中心频率f0，选取阵列的共形载体，确定阵列的单元形式。
步骤2，获取频率分集共形阵列单元的有源单元方向图。
使用全波电磁仿真软件得到N元频率分集共形阵列中的每个阵列单元的有源单元方向图其中，n＝0,…,N-1，θ是空间俯仰角，是空间方位角。
步骤3，构建频率分集共形阵列的远场功率方向图，具体步骤如下：
步骤3a，对于频率分集共形阵列，阵元n的远场表达可写为：
其中，n＝0,…,N-1，t表示时间，Rn表示第n个阵元与远场任意一点P(x,y,z)的距离，θ是空间俯仰角，是空间方位角，为第n个阵元的有源单元方向图，j表示虚数，fn为第n个阵元的频率，kn为在频率fn时的自由空间波数，c为光速，对于远场，幅度项Rn≈R，相位项R为坐标系原点O与远场任意一点P的距离，rn是阵元n相对于坐标系原点O的位置矢量，为在远场任意一点P方向上的单位矢量，其可以表示为：
其中：xn，yn和zn分别表示第n个阵元位于直角坐标系下沿x、y、z方向的坐标，表示直角坐标系x轴、y轴、z轴的单位矢量。
步骤3b，由远场叠加原理可以得到频率分集共形阵列的远区辐射场为：
其中，an是第n个阵元的激励幅值，φn是第n个阵元的激励相位；
步骤3c，对于频率分集共形阵列，第n个阵元的频率如下：
fn＝f0+Δfn；
其中，f0为中心频率，Δfn为第n个阵元相对于第0个阵元而言的频率增量；将第n个阵元的频率代入频率分集共形阵列的远区辐射场中并改写公式如下：
整理公式可得：
步骤3d，对于频率分集共形阵列，f0＞＞Δfn，则可将频率分集共形阵列的远区辐射场近似为：
由此可得频率分集共形阵列的远场场强方向图为：
其远场功率方向图为：
步骤4，优化频率分集共形阵列远场功率方向图，完成距离-角度波束的解耦合，具体步骤如下：
步骤4a，确定频率分集共形阵列阵元激励幅值的动态范围为[amin,amax]，激励相位的动态范围为[φmin,φmax]，频率增量的动态范围为[Δfmin,Δfmax]，确定遗传算法最大循环次数Genmax，种群规模2Np，并对种群个体Yij进行初始化，其中，i表示第i个个体，i＝1,2,…,2Np，j表示第j个优化分量，j＝1,2,…,D，D为待优化变量数,D＝3N，N为频率分集共形阵列的阵元数目，{Yij|j＝1,2,…,N}对应的是阵元激励幅值优化分量，{Yij|j＝N+1,N+2,...,2N}对应的是阵元激励相位优化分量，{Yij|j＝2N+1,2N+2,...,3N}对应的是阵元间频率增量优化分量，各优化分量在其定义区间内随机产生；
步骤4b，确定种群个体的适应度fit(Yij)：
fit(Yij)＝w1·(|P(R0,θ0)-Pd(R0,θ0)|)+w2·(|SLL-SLLd|)；
其中，P(R0,θ0)和Pd(R0,θ0)分别表示第Yij个个体在期望距离-角度处优化得到的阵列功率方向图及目标功率方向图，SLL表示优化所得的第Yij个个体的最大副瓣电平，SLLd表示目标副瓣电平，w1，w2分别为权重系数；
步骤4c，适应度评估并进行选择：
根据计算出的种群个体适应度值按从小到大的顺序对种群个体排序，并依据轮盘赌准则选择Np个优秀个体，选择所得的个体表示为Yij s，其中i＝1,…,Np，j＝1,…,3N，适应度值越大的个体被选择的概率越大，其概率表示为：
步骤4d，对选择的个体Yij s进行交叉操作，获得交叉个体Yij c：
对Yij s中的个体按照适应度函数值首尾两两配对，进行交叉，交叉采用实数编码的交叉算子，假设进行交叉的个体分别为Yi1j s和Yi2j s，则交叉后所产生的新个体为：
其中，α是[0,1]内的随机数，所获得变异个体Yij c中，i＝1,…,2Np，j＝1,…,3N；
步骤4e，对交叉个体Yij c进行变异操作，获得变异个体Yij m：
在交叉个体中随机选择一个个体进行变异操作，假设所选择的个体为Yi1j c，则变异操作如下：
将所获得的变异个体表示为Yij m；
步骤4f，将未变异的交叉个体与所获得的变异个体组成新的种群，重复执行步骤(4b)～步骤(4e)，直至满足优化目标要求或完成最大循环次数时，跳出循环并输出优化后的激励幅值，激励相位以及频率增量，并将其作为频率分集共形阵列的最终激励幅值An，激励相位Φn，以及频率增量ΔFn；
步骤4g，计算最终的频率分集共形阵列的远场功率方向图，完成距离-角度波束的解耦合。
下面结合具体具体实施例对本发明的应用原理作进一步的描述。
实施例均工作于MATLAB软件平台，计算平台采用Intel Core i5-4590CPU,8GB内存。
实施例1：设频率分集共形阵列的阵元数目N＝8，中心频率f0＝10GHz，阵元间距d＝0.5λ，共形曲面为半径Radius＝3.33λ的圆柱面，λ为中心频率下电磁波在空气中的波长，阵列单元采用工作于10GHz的微带贴片天线，阵元归一化激励幅值的动态范围为[amin,amax]＝[0.1,1]，激励相位的动态范围为[φmin,φmax]＝[0,2π]，频率增量的动态范围为[Δfmin,Δfmax]＝[2kHz,10kHz]，目标所在角度和距离分别为θ0＝0°，R0＝70km。
在上述仿真参数下，采用本发明方法，对频率分集共形阵列远场功率方向图进行优化，其最终归一化激励幅值An的分布图如图3所示，激励相位Φn的分布图如图4所示，频率增量ΔFn的分布图如图5所示，所得距离-角度解耦合功率方向图如图6所示，该功率方向图最大副瓣电平值为0.48。
实施例2：设频率分集共形阵列的阵元数目N＝18，中心频率f0＝10GHz，阵元间距d＝0.5λ，共形曲面为半径Radius＝6.67λ的圆柱面，λ为中心频率下电磁波在空气中的波长，阵列单元采用工作于10GHz的微带贴片天线，阵元归一化激励幅值的动态范围为[amin,amax]＝[0.1,1]，激励相位的动态范围为[φmin,φmax]＝[0,2π]，频率增量的动态范围为[Δfmin,Δfmax]＝[2kHz,15kHz]，目标1所在角度和距离分别为θ1＝-30°，R1＝50km，目标2所在角度和距离分别为θ2＝60°，R2＝70km。
在上述仿真参数下，采用本发明方法，对频率分集共形阵列远场功率方向图进行优化，其最终归一化激励幅值An的分布图如图7所示，激励相位Φn的分布图如图8所示，频率增量ΔFn的分布图如图9所示，所得距离-角度解耦合功率方向图如图10所示，该功率方向图最大副瓣电平值为0.62。
本发明提供的基于遗传算法的频率分集共形阵列距离-角度波束的解耦合方法，成功获得单点及两点距离-角度解耦合功率方向图，方向图在期望的距离-角度区域形成了主瓣，实现了定向定距波束形成。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于遗传算法的频率分集共形阵列距离-角度波束的解耦合方法，其特征在于，所述基于遗传算法的频率分集共形阵列距离-角度波束的解耦合方法使用全波电磁仿真软件提取频率分集共形阵列天线单元的有源单元方向图；通过构建频率分集共形阵列远场功率方向图，利用遗传算法对阵列单元的激励幅值，激励相位以及阵元间频率增量进行优化，实现频率分集共形阵列方向图的主瓣集中于期望的距离-角度区域，完成频率分集共形阵列距离-角度波束的解耦合。
2.如权利要求1所述的基于遗传算法的频率分集共形阵列距离-角度波束的解耦合方法，其特征在于，所述基于遗传算法的频率分集共形阵列距离-角度波束的解耦合方法包括以下步骤：
步骤一，设置系统指标参数，根据系统指标要求设置频率分集共形阵列的阵元数目N，阵元间距d，中心频率f0，选取阵列的共形载体，确定阵列的单元形式；
步骤二，获取频率分集共形阵列单元的有源单元方向图，使用全波电磁仿真软件得到N元频率分集共形阵列中的每个阵列单元的有源单元方向图其中，n＝0,…,N-1，θ是空间俯仰角，是空间方位角；
步骤三，构建频率分集共形阵列的远场功率方向图；
步骤四，优化频率分集共形阵列远场功率方向图，完成距离-角度波束的解耦合。
3.如权利要求2所述的基于遗传算法的频率分集共形阵列距离-角度波束的解耦合方法，其特征在于，所述步骤三进一步包括：
(1)对于频率分集共形阵列，阵元n的远场表达写为：
其中，n＝0,…,N-1，t表示时间，Rn表示第n个阵元与远场任意一点P(x,y,z)的距离，θ是空间俯仰角，是空间方位角，为第n个阵元的有源单元方向图，j表示虚数，fn为第n个阵元的频率，kn为在频率fn时的自由空间波数，c为光速，对于远场，幅度项Rn≈R，相位项R为坐标系原点O与远场任意一点P的距离，rn是阵元n相对于坐标系原点O的位置矢量，为在远场任意一点P方向上的单位矢量，表示为：
<mrow>
<msub>
<mi>r</mi>
<mi>n</mi>
</msub>
<mo>=</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mo>+</mo>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mover>
<mi>y</mi>
<mo>^</mo>
</mover>
<mo>+</mo>
<msub>
<mi>z</mi>
<mi>n</mi>
</msub>
<mover>
<mi>z</mi>
<mo>^</mo>
</mover>
<mo>;</mo>
</mrow>
其中：xn，yn和zn分别表示第n个阵元位于直角坐标系下沿x、y、z方向的坐标，表示直角坐标系x轴、y轴、z轴的单位矢量；
(2)由远场叠加原理可以得到频率分集共形阵列的远区辐射场为：
其中，an是第n个阵元的激励幅值，φn是第n个阵元的激励相位；
(3)对于频率分集共形阵列，第n个阵元的频率如下：
fn＝f0+Δfn；
其中，f0为中心频率，Δfn为第n个阵元相对于第0个阵元而言的频率增量；将第n个阵元的频率代入频率分集共形阵列的远区辐射场中并改写公式如下：
整理公式可得：
(4)对于频率分集共形阵列，f0＞＞Δfn，则可将频率分集共形阵列的远区辐射场近似为：
由此可得频率分集共形阵列的远场场强方向图为：
其远场功率方向图为：
4.如权利要求2所述的基于遗传算法的频率分集共形阵列距离-角度波束的解耦合方法，其特征在于，所述步骤四进一步包括：
1)确定频率分集共形阵列阵元激励幅值的动态范围为[amin,amax]，激励相位的动态范围为[φmin,φmax]，频率增量的动态范围为[Δfmin,Δfmax]，确定遗传算法最大循环次数Genmax，种群规模2Np，并对种群个体Yij进行初始化，其中，i表示第i个个体，i＝1,2,...,2Np，j表示第j个优化分量，j＝1,2,...,D，D为待优化变量数,D＝3N，N为频率分集共形阵列的阵元数目，{Yij|j＝1,2,...,N}对应的是阵元激励幅值优化分量，{Yij|j＝N+1,N+2,...,2N}对应的是阵元激励相位优化分量，{Yij|j＝2N+1,2N+2,...,3N}对应的是阵元间频率增量优化分量，各优化分量在其定义区间内随机产生；
2)确定种群个体的适应度fit(Yij)：
fit(Yij)＝w1·(|P(R0,θ0)-Pd(R0,θ0)|)+w2·(|SLL-SLLd|)；
其中，P(R0,θ0)和Pd(R0,θ0)分别表示第Yij个个体在期望距离-角度处优化得到的阵列功率方向图及目标功率方向图，SLL表示优化所得的第Yij个个体的最大副瓣电平，SLLd表示目标副瓣电平，w1，w2分别为权重系数；
3)适应度评估并进行选择：
根据计算出的种群个体适应度值按从小到大的顺序对种群个体排序，并依据轮盘赌准则选择Np个优秀个体，选择所得的个体表示为Yij s，其中i＝1,…,Np，j＝1,…,3N，适应度值越大的个体被选择的概率越大，其概率表示为：
<mrow>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mi>f</mi>
<mi>i</mi>
<mi>t</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>Y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mn>2</mn>
<msub>
<mi>N</mi>
<mi>p</mi>
</msub>
</mrow>
</munderover>
<mi>f</mi>
<mi>i</mi>
<mi>t</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>Y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
4)对选择的个体Yij s进行交叉操作，获得交叉个体Yij c：
对Yij s中的个体按照适应度函数值首尾两两配对，进行交叉，交叉采用实数编码的交叉算子，假设进行交叉的个体分别为和则交叉后所产生的新个体为：
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msup>
<msub>
<mi>Y</mi>
<mrow>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<mi>j</mi>
</mrow>
</msub>
<mi>c</mi>
</msup>
<mo>=</mo>
<msup>
<msub>
<mi>&alpha;Y</mi>
<mrow>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
<mi>j</mi>
</mrow>
</msub>
<mi>s</mi>
</msup>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&alpha;</mi>
<mo>)</mo>
</mrow>
<msup>
<msub>
<mi>Y</mi>
<mrow>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<mi>j</mi>
</mrow>
</msub>
<mi>s</mi>
</msup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msup>
<msub>
<mi>Y</mi>
<mrow>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
<mi>j</mi>
</mrow>
</msub>
<mi>c</mi>
</msup>
<mo>=</mo>
<msup>
<msub>
<mi>&alpha;Y</mi>
<mrow>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<mi>j</mi>
</mrow>
</msub>
<mi>s</mi>
</msup>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&alpha;</mi>
<mo>)</mo>
</mrow>
<msup>
<msub>
<mi>Y</mi>
<mrow>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
<mi>j</mi>
</mrow>
</msub>
<mi>s</mi>
</msup>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
其中，α是[0,1]内的随机数，所获得变异个体Yij c中，i＝1,…,2Np，j＝1,…,3N；
5)对交叉个体Yij c进行变异操作，获得变异个体Yij m：
在交叉个体中随机选择一个个体进行变异操作，假设所选择的个体为则变异操作如下：
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msup>
<msub>
<mi>Y</mi>
<mrow>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<msub>
<mi>j</mi>
<mn>1</mn>
</msub>
</mrow>
</msub>
<mi>m</mi>
</msup>
<msub>
<mo>|</mo>
<mrow>
<msub>
<mi>j</mi>
<mn>1</mn>
</msub>
<mo>&Element;</mo>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<mn>1</mn>
<mo>,</mo>
<mi>N</mi>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>a</mi>
<mi>min</mi>
</msub>
<mo>+</mo>
<msub>
<mi>r</mi>
<mn>1</mn>
</msub>
<mo>&CenterDot;</mo>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>a</mi>
<mi>max</mi>
</msub>
<mo>-</mo>
<msub>
<mi>a</mi>
<mi>min</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msup>
<msub>
<mi>Y</mi>
<mrow>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<msub>
<mi>j</mi>
<mn>2</mn>
</msub>
</mrow>
</msub>
<mi>m</mi>
</msup>
<msub>
<mo>|</mo>
<mrow>
<msub>
<mi>j</mi>
<mn>2</mn>
</msub>
<mo>&Element;</mo>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<mi>N</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mi>N</mi>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>&phi;</mi>
<mi>min</mi>
</msub>
<mo>+</mo>
<msub>
<mi>r</mi>
<mn>2</mn>
</msub>
<mo>&CenterDot;</mo>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>&phi;</mi>
<mi>max</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&phi;</mi>
<mi>min</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msup>
<msub>
<mi>Y</mi>
<mrow>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<msub>
<mi>j</mi>
<mn>3</mn>
</msub>
</mrow>
</msub>
<mi>m</mi>
</msup>
<msub>
<mo>|</mo>
<mrow>
<msub>
<mi>j</mi>
<mn>3</mn>
</msub>
<mo>&Element;</mo>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<mn>2</mn>
<mi>N</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mn>3</mn>
<mi>N</mi>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>&Delta;f</mi>
<mi>min</mi>
</msub>
<mo>+</mo>
<msub>
<mi>r</mi>
<mn>3</mn>
</msub>
<mo>&CenterDot;</mo>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>&Delta;f</mi>
<mi>max</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&Delta;f</mi>
<mi>min</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
将所获得的变异个体表示为Yij m；
6)将未变异的交叉个体与所获得的变异个体组成新的种群，重复执行2)～5)，直至满足优化目标要求或完成最大循环次数时，跳出循环并输出优化后的激励幅值，激励相位以及频率增量，并将其作为频率分集共形阵列的最终激励幅值An，激励相位Φn，以及频率增量ΔFn；
7)计算最终的频率分集共形阵列的远场功率方向图，完成距离-角度波束的解耦合。
5.一种应用权利要求1～4任意一项所述基于遗传算法的频率分集共形阵列距离-角度波束的解耦合方法的雷达天线。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710644015.5A CN107657070B (zh) | 2017-07-31 | 2017-07-31 | 基于遗传算法频率分集共形阵列波束的解耦合方法及天线 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710644015.5A CN107657070B (zh) | 2017-07-31 | 2017-07-31 | 基于遗传算法频率分集共形阵列波束的解耦合方法及天线 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107657070A true CN107657070A (zh) | 2018-02-02 |
| CN107657070B CN107657070B (zh) | 2021-05-25 |
Family
ID=61128253
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710644015.5A Active CN107657070B (zh) | 2017-07-31 | 2017-07-31 | 基于遗传算法频率分集共形阵列波束的解耦合方法及天线 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107657070B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110069896A (zh) * | 2019-05-29 | 2019-07-30 | 重庆邮电大学 | 基于稀疏2d线性阵列的涡旋电磁波产生与优化方法 |
| CN112165348A (zh) * | 2020-09-28 | 2021-01-01 | 贵州航天南海科技有限责任公司 | 一种基于遗传算法的波束赋形仿真设计方法 |
| CN113033080A (zh) * | 2021-03-08 | 2021-06-25 | 浙江大学 | 一种基于解空间裁剪粒子群算法的共形阵方向图综合方法 |
| CN113093137A (zh) * | 2021-04-02 | 2021-07-09 | 电子科技大学 | 一种基于fda-mimo雷达最优频偏估计的杂波抑制方法 |
| CN113093143A (zh) * | 2021-04-15 | 2021-07-09 | 电子科技大学 | 基于共形频控阵mimo雷达的降维参数估计方法 |
| CN114447635A (zh) * | 2022-04-11 | 2022-05-06 | 西安星通通信科技有限公司 | 一种提高共形相控阵天线eirp的方法与系统 |
| CN115021784A (zh) * | 2022-05-17 | 2022-09-06 | 中国人民解放军63660部队 | 一种瞬态电磁脉冲阵列天线波束拓展方法 |
| CN115618755A (zh) * | 2022-12-21 | 2023-01-17 | 西安电子科技大学 | 一种基于机器学习算法的共形空间功率合成方法 |
| CN117572369A (zh) * | 2024-01-19 | 2024-02-20 | 中国科学院空天信息创新研究院 | 星载sar有源相控阵天线距离向在轨形变误差计算方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105589070A (zh) * | 2015-12-11 | 2016-05-18 | 桂林电子科技大学 | 基于频率分集阵列的雷达目标成像方法 |
| CN105699953A (zh) * | 2016-01-28 | 2016-06-22 | 西安电子科技大学 | 频率分集mimo雷达距离-角度解耦合波束形成方法 |
| CN105785328A (zh) * | 2016-03-15 | 2016-07-20 | 西安电子科技大学 | 基于子阵划分的fda距离-角度解耦合波束形成方法 |
| CN106407549A (zh) * | 2016-09-12 | 2017-02-15 | 哈尔滨工业大学 | 一种基于遗传算法的阵列天线方向图综合优化方法 |
-
2017
- 2017-07-31 CN CN201710644015.5A patent/CN107657070B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105589070A (zh) * | 2015-12-11 | 2016-05-18 | 桂林电子科技大学 | 基于频率分集阵列的雷达目标成像方法 |
| CN105699953A (zh) * | 2016-01-28 | 2016-06-22 | 西安电子科技大学 | 频率分集mimo雷达距离-角度解耦合波束形成方法 |
| CN105785328A (zh) * | 2016-03-15 | 2016-07-20 | 西安电子科技大学 | 基于子阵划分的fda距离-角度解耦合波束形成方法 |
| CN106407549A (zh) * | 2016-09-12 | 2017-02-15 | 哈尔滨工业大学 | 一种基于遗传算法的阵列天线方向图综合优化方法 |
Non-Patent Citations (3)
| Title |
|---|
| KUANDONG GAO ET AL.: ""Decoupled frequency diverse array range–angle-dependent beampattern synthesis using non-linearly increasing frequency offsets"", 《THE INSTITUTION OF ENGINEERING AND TECHNOLOGY》 * |
| YANHONG XU ET AL.: ""Range–angle-decoupled beampattern synthesis with subarray-based frequency diverse array"", 《DIGITAL SIGNAL PROCESSING》 * |
| 王玉玺 等: ""基于非单调递增频率偏移的混合相控阵MIMO雷达目标跟踪方法"", 《电子与信息学报》 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110069896A (zh) * | 2019-05-29 | 2019-07-30 | 重庆邮电大学 | 基于稀疏2d线性阵列的涡旋电磁波产生与优化方法 |
| CN112165348A (zh) * | 2020-09-28 | 2021-01-01 | 贵州航天南海科技有限责任公司 | 一种基于遗传算法的波束赋形仿真设计方法 |
| CN113033080A (zh) * | 2021-03-08 | 2021-06-25 | 浙江大学 | 一种基于解空间裁剪粒子群算法的共形阵方向图综合方法 |
| US11624817B2 (en) | 2021-03-08 | 2023-04-11 | Zhejiang University | Method for conformal array pattern synthesis based on solution space pruning particle swarm optimization algorithm |
| CN113033080B (zh) * | 2021-03-08 | 2022-06-28 | 浙江大学 | 一种基于解空间裁剪粒子群算法的共形阵方向图综合方法 |
| CN113093137B (zh) * | 2021-04-02 | 2022-08-12 | 电子科技大学 | 一种基于fda-mimo雷达最优频偏估计的杂波抑制方法 |
| CN113093137A (zh) * | 2021-04-02 | 2021-07-09 | 电子科技大学 | 一种基于fda-mimo雷达最优频偏估计的杂波抑制方法 |
| CN113093143A (zh) * | 2021-04-15 | 2021-07-09 | 电子科技大学 | 基于共形频控阵mimo雷达的降维参数估计方法 |
| CN114447635B (zh) * | 2022-04-11 | 2022-08-26 | 西安星通通信科技有限公司 | 一种提高共形相控阵天线eirp的方法与系统 |
| CN114447635A (zh) * | 2022-04-11 | 2022-05-06 | 西安星通通信科技有限公司 | 一种提高共形相控阵天线eirp的方法与系统 |
| CN115021784A (zh) * | 2022-05-17 | 2022-09-06 | 中国人民解放军63660部队 | 一种瞬态电磁脉冲阵列天线波束拓展方法 |
| CN115021784B (zh) * | 2022-05-17 | 2024-04-30 | 中国人民解放军63660部队 | 一种瞬态电磁脉冲阵列天线波束拓展方法 |
| CN115618755A (zh) * | 2022-12-21 | 2023-01-17 | 西安电子科技大学 | 一种基于机器学习算法的共形空间功率合成方法 |
| CN115618755B (zh) * | 2022-12-21 | 2023-04-07 | 西安电子科技大学 | 一种基于机器学习算法的共形空间功率合成方法 |
| CN117572369A (zh) * | 2024-01-19 | 2024-02-20 | 中国科学院空天信息创新研究院 | 星载sar有源相控阵天线距离向在轨形变误差计算方法 |
| CN117572369B (zh) * | 2024-01-19 | 2024-04-09 | 中国科学院空天信息创新研究院 | 星载sar有源相控阵天线距离向在轨形变误差计算方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107657070B (zh) | 2021-05-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107657070A (zh) | 基于遗传算法频率分集共形阵列波束的解耦合方法及天线 | |
| CN106407723B (zh) | 面向低副瓣的稀疏排布阵列天线激励电流幅度的确定方法 | |
| CN102313885B (zh) | 多维度微波成像系统及方法 | |
| CN103746757B (zh) | 一种基于星载多波束天线的单星干扰源定位方法 | |
| CN103076596B (zh) | 基于先验信息的mimo雷达发射方向图设计方法 | |
| CA2970990A1 (en) | System and method for operating conformal antenna | |
| CN105426578A (zh) | 一种基于遗传算法的mimo-sar面阵天线阵元位置优化方法 | |
| CN106707255A (zh) | 一种相控阵雷达仿真系统及方法 | |
| CN107038299A (zh) | 一种考虑互耦效应的变形阵列天线远场方向图补偿方法 | |
| CN108037692A (zh) | 大规模共形数字相控阵的波束控制方法 | |
| CN101950014A (zh) | Mimo雷达波形在线设计方法 | |
| CN103760527B (zh) | 单基地mimo雷达相干源波达方向估计方法 | |
| CN105119683B (zh) | 一种基于实时嵌入式控制系统的无人机通信干扰对抗方法 | |
| CN104899374A (zh) | 基于小波变异风驱动优化算法直线天线阵方向图综合方法 | |
| CN107657098A (zh) | 基于量子鸡群演化机制的环形天线阵列稀疏方法 | |
| CN107944133A (zh) | 基于多目标量子蜘蛛群演化机制的环形天线阵列稀疏方法 | |
| CN103731189B (zh) | 共形天线阵动态子阵划分方法及波达方向估计方法 | |
| Su et al. | Array beamforming in the presence of a mounting tower using genetic algorithms | |
| CN104485513A (zh) | 宽频带天线阵列实时综合方法 | |
| Yang et al. | Radiation pattern computation of pyramidal conformal antenna array with active-element pattern technique | |
| CN106646421B (zh) | 基于三维非均匀阵列的mimo雷达波形联合设计方法 | |
| CN110535518A (zh) | 一种宽波束发射波束形成优化设计方法 | |
| CN108459301A (zh) | 一种基于异构阵的mimo雷达波形设计方法 | |
| CN106602282A (zh) | 基于差分进化算法的含互耦时间调制阵列综合方法 | |
| CN105162528A (zh) | 基于卫星通信相控阵天线的抗干扰方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |