CN112115597B - 基于时间调制稀疏阵列的最小阵元数目优化方法 - Google Patents
基于时间调制稀疏阵列的最小阵元数目优化方法 Download PDFInfo
- Publication number
- CN112115597B CN112115597B CN202010936442.2A CN202010936442A CN112115597B CN 112115597 B CN112115597 B CN 112115597B CN 202010936442 A CN202010936442 A CN 202010936442A CN 112115597 B CN112115597 B CN 112115597B
- Authority
- CN
- China
- Prior art keywords
- array
- optimization
- individual
- optimal
- value
- 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.)
- Active
Links
Images
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Genetics & Genomics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于时间调制稀疏阵列的最小阵元数目优化方法,方法包括以下步骤:确定所需的旁瓣设计要求,以及产生波束的要求;设定天线阵元数目起始优化值;采用遗传算法进行优化,得到最优峰值旁瓣电平;若得到的优化结果达到设计要求,则输出此时的优化结果(阵元数目、时间序列、阵元间距),若未达到设计要求,则增加一个阵元数目,继续优化,直到达到设计要求。本发明所提出的方法可以在达到设计要求的前提下,尽可能地减小阵列中的元素数目,从而减小系统的开销,简化系统结构。
Description
技术领域
本发明属于阵列信号处理领域,特别涉及一种基于时间调制稀疏阵列的最小阵元数目优化方法。
背景技术
时间调制阵列采用射频开关代替移相器来改变波束的相位以完成波束形成,相比相控阵,其硬件结构更为简单,目前被大量研究。时间调制阵列通过优化时间序列即可实现低旁瓣的波束方向图。时间调制稀疏阵列是基于时间调制系统的稀疏阵列,其具有时间调制阵列的特征,同时也可以通过优化间距以获得更好的性能。在优化时,通常需要对开关时间、阵元间距进行适当优化。
在某些工程应用领域中,由于体积限制,其对天线阵列会有一定的尺寸要求,如无人机、人造卫星、无人船等,往往需要对天线阵列结构进行复杂的设计和研究。在达到天线性能的设计要求时,对于减小天线的阵元数目,这对于实际工程应用非常有意义。目前,基于时间调制阵列的研究尚未涉及到阵元数目的优化,所有研究只是针对固定阵元数目的阵列。
发明内容
本发明的目的在于提供一种基于时间调制稀疏阵列的最小阵元数目优化方法。
实现本发明目的的技术解决方案为:一种基于时间调制稀疏阵列的最小阵元数目优化方法,所述方法包括以下步骤:
步骤1,确定所需的旁瓣设计要求,以及产生波束的要求;所述波束类型包括多波束或基波;
步骤2,利用遗传算法对时间调制稀疏阵列进行优化。
进一步地,步骤2所述利用遗传算法对时间调制稀疏阵列进行优化,具体包括:
针对基波:
步骤2-1,设定起始阵元数目N,期望峰值旁瓣电平值SLLd以及期望第一零陷波束宽度值FNBWd;
步骤2-2,采用遗传算法对具有N个阵元的时间调制稀疏阵列进行优化,优化算法的迭代次数为K;
步骤2-3,判断步骤2-2优化后的阵列的方向图性能是否达到旁瓣设计要求,若是则完成优化获得优化结果;否则,设定N=N+1,K=K+A,继续返回执行步骤2-2的优化过程,直到方向图性能达到旁瓣设计要求;其中A为整数;
针对多波束:
步骤2-2’,采用遗传算法对具有N’个阵元的时间调制稀疏阵列进行优化,优化算法的迭代次数为K’;
步骤2-3’,判断步骤2-2’优化后的阵列的方向图性能是否达到旁瓣设计要求,若是则完成优化获得优化结果;否则,设定N’=N’+1,K’=K’+A,继续返回执行步骤2-2’的优化过程,直到方向图性能达到旁瓣设计要求;其中A为整数。
本发明与现有技术相比,其显著优点为:1)可以最大化利用时间调制天线阵列的性能,使其在达到设计要求的同时且具有最小阵元数目,适用于对天线阵列尺寸有限制的工程场合;2)将阵元数目和时间序列以及阵元间距同时优化,引入了全新的优化变量;3)基于时间调制系统,无需移相器,减小了系统的复杂度;4)可以应用于多波束形成系统,在达到指定的波束方向、旁瓣电平的同时得到最小阵元数目。
下面结合附图对本发明作进一步详细描述。
附图说明
图1为时间调制稀疏阵列系统结构图。
图2为一个实施例中基波综合的仿真实验结果图,其中图(a)为波束方向图,图(b)为时间序列图,图(c)为阵元位置排列。
图3为一个实施例中多波束综合的仿真实验结果图,其中图(a)为波束方向图,图(b)为时间序列图,图(c)为阵元位置排列。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本发明基于时间调制稀疏阵列,对天线的阵元数目和天线的阵元间距进行优化,从而当天线阵列的旁瓣性能达到设计目标时天线具有最小的阵元数目。
本发明采用的时间调制稀疏阵列系统结构如图1所示,假设一个时间调制稀疏阵列阵元数目为N,阵元间距dn为第n个阵元和第n+1个阵元之间的间距。阵列通过射频开关进行调制,后部可以通过带通滤波或低通滤波器得到基波和+1次谐波。
下面介绍系统原理。首先,时间调制稀疏阵列的阵列因子可以表达为下式:
由此,系统的阵列因子可以表达为下式:
式中,ωp为调制信号的角频。
在一个实施例中,本发明提供了一种基于时间调制稀疏阵列的最小阵元数目优化方法,所述方法包括以下步骤:
步骤1,确定所需的旁瓣设计要求,以及产生波束的要求;所述波束类型包括多波束或基波;
步骤2,利用遗传算法对时间调制稀疏阵列进行优化。
进一步地,在其中一个实施例中,步骤2所述利用遗传算法对时间调制稀疏阵列进行优化,具体包括:
针对基波:
步骤2-1,设定起始阵元数目N,期望峰值旁瓣电平值SLLd以及期望第一零陷波束宽度值FNBWd;
步骤2-2,采用遗传算法对具有N个阵元的时间调制稀疏阵列进行优化,优化算法的迭代次数为K;
步骤2-3,判断步骤2-2优化后的阵列的方向图性能是否达到旁瓣设计要求,若是则完成优化获得优化结果;否则,设定N=N+1,K=K+A,继续返回执行步骤2-2的优化过程,直到方向图性能达到旁瓣设计要求;其中A为整数;
针对多波束:
步骤2-2’,采用遗传算法对具有N’个阵元的时间调制稀疏阵列进行优化,优化算法的迭代次数为K’;
步骤2-3’,判断步骤2-2’优化后的阵列的方向图性能是否达到旁瓣设计要求,若是则完成优化获得优化结果;否则,设定N’=N’+1,K’=K’+A,继续返回执行步骤2-2’的优化过程,直到方向图性能达到旁瓣设计要求;其中A为整数。
这里优选地,A=300。
进一步地,在其中一个实施例中,步骤2-2所述采用遗传算法对具有N个阵元的时间调制稀疏阵列进行优化,具体过程包括:
步骤2-2-2,根据产生波束的要求设计适应度函数,将每个个体代入适应度函数,计算相应的适应度值,选取适应度值最小的个体作为最优个体;
步骤2-2-3,将每一代的最优适应度值和最优个体保留,非最优的个体则按轮盘赌注法选择是否遗传到下一代;
步骤2-2-4,随机生成每个个体的基因,并判断每个基因的生成概率是否大于交叉概率,若是,则该基因发生交叉,否则不交叉;
步骤2-2-5,随机生成每个个体的基因,并判断每个基因的生成概率是否大于变异概率,若是,则该基因发生变异,否则不发生变异;
步骤2-2-6,以设定的最大迭代次数和最优适应度值变化率作为循环终止条件,判断是否达到最大迭代次数或最优适应度值不改变,若是,则终止迭代,并将某一代适应度最优的个体作为全局最优解。
进一步地,在其中一个实施例中,步骤2-2-2中适应度函数为:
式中,ci为每个子适应度函数fi的权重系数,总和为1;
其中,子适应度函数f1用于控制波束的旁瓣:
f1=|SLLmax-SLLd|2/|SLLd|2
式中,SLLmax、SLLd分别代表基波和+1谐波优化过程每次迭代得到的旁瓣值和设定的旁瓣值;
子适应度函数f2用于降低谐波的峰值电平:
式中,tm、tn分别表示第m、n阵元开启的时间,dm和dn分别代表第m、n阵元相对参考阵元的位置,以第一个阵元作为参考阵元,k代表波数;
子适应度函数f3用于控制波束的第一零陷波束宽度:
f3=|FNBWmax-FNBWd|2/|FNBWd|2
式中,FNBWmax和FNBWd分别代表每次优化得到的第一零陷波束宽度值和设定值。
进一步地,在其中一个实施例中,步骤2-2’所述采用遗传算法对具有N’个阵元的时间调制稀疏阵列进行优化,具体过程包括:
步骤2-2’-2,根据产生波束的要求设计适应度函数,将每个个体代入适应度函数,计算相应的适应度值,选取适应度值最小的个体作为最优个体;
步骤2-2’-3,将每一代的最优适应度值和最优个体保留,非最优的个体则按轮盘赌注法选择是否遗传到下一代;
步骤2-2’-4,随机生成每个个体的基因,并判断每个基因的生成概率是否大于交叉概率,若是,则该基因发生交叉,否则不交叉;
步骤2-2’-5,随机生成每个个体的基因,并判断每个基因的生成概率是否大于变异概率,若是,则该基因发生变异,否则不发生变异;
步骤2-2’-6,以设定的最大迭代次数和最优适应度值变化率作为循环终止条件,判断是否达到最大迭代次数或最优适应度值不改变,若是,则终止迭代,并将某一代适应度最优的个体作为全局最优解。
进一步地,在其中一个实施例中,步骤2-2’-2中适应度函数为:
式中,ci'为每个子适应度函数fi'的权重系数,总和为1;
其中,子适应度函数f1'用于控制波束的旁瓣:
子适应度函数f′2用于控制+1谐波波束的电场强度:
子适应度函数f′3用于控制波束的第一零陷波束宽度:
子适应度函数f′4用于优化+1次谐波的指向角度:
作为一种具体示例,对本发明进行进一步验证说明:
(1)进行基波综合的仿真实验,假设要求阵列方向图达到-16dB的旁瓣值,第一零陷波束宽度0.145,初始N为3,K设置为300。同时将遗传算法的优化参数作以下设置:ω1=0.4,ω2=0.3,ω2=0.3,P=100,I={tn,dn},Pc=0.8,Pm=0.05。
仿真结果如图2所示,由图可知,经过优化,最终得到的阵元数目为12,且由图2(a)可知,波束宽度和旁瓣电平已达到设计要求。
(2)进行多波束综合仿真实验,优化的参数设置如下:N′=3,K′=200,O′=300,SLLd=-16dB,ω1=0.2,ω2=0.3,ω3=0.3,ω4=0.2,P=100,Pc=0.8,Pm=0.05。
仿真结果如图3所示,由图可知,经过优化,最终得到的阵元数目是15,且由图3(a)可知,此时谐波的角度为20°,同时旁瓣电平都小于-16dB,达到了设计目标。
由此验证本发明的方法可以有效实现阵元数目的优化。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (3)
1.一种基于时间调制稀疏阵列的最小阵元数目优化方法,其特征在于,所述方法包括以下步骤:
步骤1,确定所需的旁瓣设计要求,以及产生波束的要求;所述波束类型包括多波束或基波;
步骤2,利用遗传算法对时间调制稀疏阵列进行优化;具体包括:
针对基波:
步骤2-1,设定起始阵元数目N,期望峰值旁瓣电平值SLLd以及期望第一零陷波束宽度值FNBWd;
步骤2-2,采用遗传算法对具有N个阵元的时间调制稀疏阵列进行优化,优化算法的迭代次数为K;所述采用遗传算法对具有N个阵元的时间调制稀疏阵列进行优化,具体过程包括:
步骤2-2-2,根据产生波束的要求设计适应度函数,将每个个体代入适应度函数,计算相应的适应度值,选取适应度值最小的个体作为最优个体;适应度函数为:
式中,ci为每个子适应度函数fi的权重系数,总和为1;
其中,子适应度函数f1用于控制波束的旁瓣:
f1=|SLLmax-SLLd|2/|SLLd|2
式中,SLLmax、SLLd分别代表基波和+1谐波优化过程每次迭代得到的旁瓣值和设定的旁瓣值;
子适应度函数f2用于降低谐波的峰值电平:
式中,tm、tn分别表示第m、n阵元开启的时间,dm和dn分别代表第m、n阵元相对参考阵元的位置,以第一个阵元作为参考阵元,k代表波数;
子适应度函数f3用于控制波束的第一零陷波束宽度:
f3=|FNBWmax-FNBWd|2/|FNBWd|2
式中,FNBWmax和FNBWd分别代表每次优化得到的第一零陷波束宽度值和设定值;
步骤2-2-3,将每一代的最优适应度值和最优个体保留,非最优的个体则按轮盘赌注法选择是否遗传到下一代;
步骤2-2-4,随机生成每个个体的基因,并判断每个基因的生成概率是否大于交叉概率,若是,则该基因发生交叉,否则不交叉;
步骤2-2-5,随机生成每个个体的基因,并判断每个基因的生成概率是否大于变异概率,若是,则该基因发生变异,否则不发生变异;
步骤2-2-6,以设定的最大迭代次数和最优适应度值变化率作为循环终止条件,判断是否达到最大迭代次数或最优适应度值不改变,若是,则终止迭代,并将某一代适应度最优的个体作为全局最优解;
步骤2-3,判断步骤2-2优化后的阵列的方向图性能是否达到旁瓣设计要求,若是则完成优化获得优化结果;否则,设定N=N+1,K=K+A,继续返回执行步骤2-2的优化过程,直到方向图性能达到旁瓣设计要求;其中A为整数;
针对多波束:
步骤2-2’,采用遗传算法对具有N’个阵元的时间调制稀疏阵列进行优化,优化算法的迭代次数为K’;
步骤2-3’,判断步骤2-2’优化后的阵列的方向图性能是否达到旁瓣设计要求,若是则完成优化获得优化结果;否则,设定N’=N’+1,K’=K’+A,继续返回执行步骤2-2’的优化过程,直到方向图性能达到旁瓣设计要求;其中A为整数。
2.根据权利要求1所述的基于时间调制稀疏阵列的最小阵元数目优化方法,其特征在于,步骤2-2’所述采用遗传算法对具有N’个阵元的时间调制稀疏阵列进行优化,具体过程包括:
步骤2-2’-2,根据产生波束的要求设计适应度函数,将每个个体代入适应度函数,计算相应的适应度值,选取适应度值最小的个体作为最优个体;
步骤2-2’-3,将每一代的最优适应度值和最优个体保留,非最优的个体则按轮盘赌注法选择是否遗传到下一代;
步骤2-2’-4,随机生成每个个体的基因,并判断每个基因的生成概率是否大于交叉概率,若是,则该基因发生交叉,否则不交叉;
步骤2-2’-5,随机生成每个个体的基因,并判断每个基因的生成概率是否大于变异概率,若是,则该基因发生变异,否则不发生变异;
步骤2-2’-6,以设定的最大迭代次数和最优适应度值变化率作为循环终止条件,判断是否达到最大迭代次数或最优适应度值不改变,若是,则终止迭代,并将某一代适应度最优的个体作为全局最优解。
3.根据权利要求2所述的基于时间调制稀疏阵列的最小阵元数目优化方法,其特征在于,步骤2-2’-2中适应度函数为:
式中,ci'为每个子适应度函数fi'的权重系数,总和为1;
其中,子适应度函数f1'用于控制波束的旁瓣:
子适应度函数f2′用于控制+1谐波波束的电场强度:
子适应度函数f3′用于控制波束的第一零陷波束宽度:
子适应度函数f′4用于优化+1次谐波的指向角度:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010936442.2A CN112115597B (zh) | 2020-09-08 | 2020-09-08 | 基于时间调制稀疏阵列的最小阵元数目优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010936442.2A CN112115597B (zh) | 2020-09-08 | 2020-09-08 | 基于时间调制稀疏阵列的最小阵元数目优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112115597A CN112115597A (zh) | 2020-12-22 |
CN112115597B true CN112115597B (zh) | 2022-09-06 |
Family
ID=73801878
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010936442.2A Active CN112115597B (zh) | 2020-09-08 | 2020-09-08 | 基于时间调制稀疏阵列的最小阵元数目优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112115597B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113158568B (zh) * | 2021-04-23 | 2022-12-02 | 电子科技大学 | 一种近场稀疏阵设计方法 |
CN114330112B (zh) * | 2021-12-15 | 2024-02-13 | 南京理工大学 | 一种不等间距紧耦合阵列天线优化方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111313158A (zh) * | 2018-12-12 | 2020-06-19 | 南京理工大学 | 对圆形状阵列进行稀疏的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9031613B2 (en) * | 2007-12-21 | 2015-05-12 | University Of New Brunswick | Joint communication and electromagnetic optimization of a multiple-input multiple-output ultra wideband base station antenna |
-
2020
- 2020-09-08 CN CN202010936442.2A patent/CN112115597B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111313158A (zh) * | 2018-12-12 | 2020-06-19 | 南京理工大学 | 对圆形状阵列进行稀疏的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112115597A (zh) | 2020-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112115597B (zh) | 基于时间调制稀疏阵列的最小阵元数目优化方法 | |
CN108808266A (zh) | 一种用于不规则子阵排列的四维天线阵联合优化方法 | |
Li et al. | Improved GA and PSO culled hybrid algorithm for antenna array pattern synthesis | |
CN109214088B (zh) | 一种最小间距可控的大规模超稀疏平面阵列快速布局方法 | |
CN104020448A (zh) | 等阵元约束的雷达子阵级和波束/差波束形成优化方法 | |
CN112051538B (zh) | 基于时间调制线性阵列的双向波束形成方法 | |
Poddar et al. | Design optimization of linear arrays and time‐modulated antenna arrays using meta‐heuristics approach | |
CN114117565A (zh) | 一种基于深度学习的平面阵列天线辐射方向图综合方法 | |
Chakraborty et al. | Time-domain approach towards smart antenna design | |
Zaharis et al. | Application of boolean PSO with adaptive velocity mutation to the design of optimal linear antenna arrays excited by uniformamplitude current distribution | |
Gong et al. | Synthesis of sparse arrays in presence of coupling effects based on ANN and IWO | |
CN112307588B (zh) | 一种非均匀抛物线阵列天线设计方法 | |
Li et al. | Novel subarray partition algorithm for solving the problem of too low beam collection efficiency caused by dividing a few subarrays | |
Jung et al. | Optimal design of thinned array using a hybrid genetic algorithm | |
Ram | Optimization for the reduction of power in sidebands and side lobes of time‐modulated antenna array | |
CN113765562A (zh) | 基于离散幅值调控的全息天线的波束成形优化方法和系统 | |
Vaitheeswaran | Dual beam synthesis using element position perturbations and the G3-GA algorithm | |
CN113391301A (zh) | 基于时间调制线性阵列的超波束形成方法及系统 | |
Daniel et al. | Phase-only beam broadening of contiguous uniform subarrayed arrays | |
Agha et al. | Optimization of antenna array pattern for uniformly excited rectangular array via thinning | |
CN112234336A (zh) | 副瓣约束的阵列方向图增益优化方法 | |
Al-Qaisi | An Improved Real-Coded Genetic Algorithm for Synthesizing a Massive Planar Array. | |
CN115276748B (zh) | 一种具有重构配置功能的时间调制阵列波束控制方法 | |
Wang et al. | Synthesis of Thinned Planar Arrays Using 0-1 Integer Linear Programming Method | |
Xu et al. | PSO-Based Low-SLL Pattern Synthesis for FDA in Range-Angle Space |
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 |