CN112347696B - 一种离散化区域扫描子阵级稀疏优化方法及系统 - Google Patents
一种离散化区域扫描子阵级稀疏优化方法及系统 Download PDFInfo
- Publication number
- CN112347696B CN112347696B CN202011228440.4A CN202011228440A CN112347696B CN 112347696 B CN112347696 B CN 112347696B CN 202011228440 A CN202011228440 A CN 202011228440A CN 112347696 B CN112347696 B CN 112347696B
- Authority
- CN
- China
- Prior art keywords
- point
- points
- point set
- scanning
- subarray
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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)
- Evolutionary Computation (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
本发明公开了一种离散化区域扫描子阵级稀疏优化方法及系统,属于阵列天线设计技术领域,包括以下步骤:S1:初始种群离散化;S2:区域扫描处理;S3:优化处理。本发明应用于大型圆口径天线子阵级稀疏优化时,在子阵间距符合间距要求的情况下,大幅度减少优化时间并降低了副瓣电平,为快速求解在特定阵元间距限制条件下阵元的有效位置排布提供了新途径,提高了优化过程中解集的多样性,提高了寻得最优解的概率,有效避免了优化算法的局部收敛;并且设计出的阵列天线应用于大型雷达系统中时,雷达具有作用距离远、分辨率高、低成本、轻量化和工程可实现性强等优点,值得被推广使用。
Description
技术领域
本发明涉及阵列天线设计领域,具体涉及一种离散化区域扫描子阵级稀疏优化方法及系统。
背景技术
随着雷达探测与侦察技术的发展,对雷达工作距离的需求逐渐提高。天线负责雷达信号的发射和接收,对其增益的需求促使天线阵列的口径面越来越大。天线阵列设计中,大型雷达采用等间距阵元排布时需大量的天线阵元以及T/R组件,生产成本高。为了降低天线阵元数量和通道数,稀疏阵列设计得到快速发展。遗传算法、粒子群算法和模拟退火算法通过迭代和进化可找到最优解,为避免陷入局部较优解,不断有基于上述三种算法的改进算法提出。
基于上述算法,大型阵列稀疏优化设计使阵元数大幅度减少,同时可满足阵列方向图性能的需求。副瓣电平为方向图重要性能之一,影响雷达系统的隐身性和抗干扰性能。基于遗传算法将天线方向图副瓣电平设置为目标函数,对阵元位置进行优化。初始化时算法产生随机数表征初始种群阵元的位置,接着根据每次迭代的适应度值对种群单元进行更新和替换,并进入下一次迭代,最后重复上述过程获得最优解。对于大型阵列优化过程,阵列口径面常为圆形且直径和阵元数为定值,天线阵列常采用子阵形式,使用优化算法时种群初始化和迭代进化过程中产生的位置点存在两点间距过小的情况;考虑到子阵自身尺寸,若在当前位置点处放置子阵,存在相邻子阵重叠的现象,因此子阵级稀疏优化时需充分考虑生成子阵位置任意两点之间的间距限制。
现有的位置点生成方案,所有阵元可随机排布于目标区域内任意位置,判断任意两点之间的最小间距,当任意两点之间的间距满足距离限制条件时该组位置点为有效点组;但当限制距离较大或阵元数较多时,产生的位置点组中两两点之间的最小距离难以满足距离限制条件,导致绝大多数生成的点组为无效点组,进而导致优化效率很低。另外,存在分时生成点组方案,逐个生成位置点后将当前排布区域除去,便可确保所生成的点不会重叠,但该方法判断次数多,优化效率低;同时生成点组的方案效率高,但当阵元数多时产生有效点组的概率很低,对于超大规模阵列不具备工程实现的可能。上述问题亟待解决,为此,基于随机点同时生成方案,对该方案进行改进,按照特定规则对重叠的随机点进行区域扫描处理。因此,提出一种离散化区域扫描子阵级稀疏优化方法及系统。
发明内容
本发明所要解决的技术问题在于:如何在间距限制条件下提高大型圆口径阵列天线稀疏优化效率,提供了一种离散化区域扫描子阵级稀疏优化方法,本发明基于迭代进化算法,包括遗传算法、粒子群算法等。待优化阵列天线口径为圆形,半径为R,阵列排布采用子阵形式,子阵间互不重叠的最小间距为D0,子阵数为N0。
本发明是通过以下技术方案解决上述技术问题的,本发明包括以下步骤:
S1:初始种群离散化
随机生成离散的位置点组,位置点组包含所有子阵的初始位置信息;
S2:区域扫描处理
计算位置点组中任意两点的间距并筛选不符合间距要求的点,对不符合间距要求的点采用区域扫描处理,直到任意两点的间距均满足间距要求;
S3:优化处理
构建以副瓣电平为优化目标的适应度函数,并通过优化方法寻找最优副瓣电平时的子阵排布。
更进一步地,在所述步骤S1中,初始种群离散化的具体过程如下:
S11:在目标区域所在平面上建立坐标系,确定原点O,设置x轴和y轴;
S12:设置圆心位于原点O处;
S13:待优化阵列天线口径为圆形,选择子阵半径和子阵角度为表征子阵中心位置的参数;定义子阵半径为子阵中心与原点O连线的长度,子阵角度为子阵中心与原点O的连线和x轴的夹角;
S14:根据半径和角度对圆口径区域进行离散化处理:将区域按特定半径间隔和角度间隔划分成多个扇形区域,扇形区域的顶点为有效离散点,自定义半径间隔和角度间隔;
S15:通过产生随机数生成初始位置点组。
更进一步地,在所述步骤S14中,离散点的子阵半径取值范围为0~R,子阵角度取值范围为0°~360°。
更进一步地,在所述步骤S15中,位置点组是维度为(N0+N1)*2的矩阵,矩阵每行表征1个子阵中心的位置,每行的第1列为半径值,第2列为角度值;N1为浮动点数,用于后续提高区域扫描效率。
更进一步地,在所述步骤S2中,区域扫描处理过程包含点集斥离、区域微调、区域扫描操作;不符合间距要求指两点的间距小于D0。
更进一步地,在所述步骤S2中,区域扫描处理的具体过程如下:
S21:点集斥离
本发明将“子阵中心”简称为“点”,根据位置点组的行数对子阵进行编号,子阵编号与行数相同,任意两个子阵编号形成1个点集;计算位置点组中任意两点的间距并筛选不符合间距要求的小间距点集,若不存在小间距点集,该位置点组为有效点组,否则针对每个点集进行点集斥离操作;
S22:区域微调
对每个点集进行点集斥离操作后判断斥离操作的有效性,若为有效操作,将斥离后的位置更新为点集中点的最新位置,最新的点集为有效点集;否则对点集进行区域微调;
S23:区域扫描
进行区域微调后判断区域扫描操作的有效性,若为有效操作,将微调后的位置更新为点集中点的最新位置,最新的点集为有效点集;否则对点集进行区域扫描;完成区域扫描后进行下一个点集的操作;
S24:循环调整
对所有点集进行步骤S21~S23操作,完成后判断位置点组中任意两点的间距是否符合间距要求,并获得不符合间距要求的点集数;若不符合的点集数小于或等于N1,舍去不符合的点集中的第1个点;若不符合的点集数大于N1,认定该位置点组为无效点组并重新生成位置点组。
更进一步地,在所述步骤S21中,点集斥离操作的目标是将间距小于D0的两点调整至所要求间距,点集斥离操作时设置参考间距为Dx0=D0*cos45°,Dy0=D0*sin45°;计算点集中两点在x轴和y轴方向的间距Dx和Dy;若Dx≥Dx0,点集中第1个点的x轴坐标保持不变,否则将第1个点沿x轴移动,直到两点在x轴方向的间距等于Dx0;若Dy≥Dy0,点集中第1个点的y轴坐标保持不变,否则将第1个点沿y轴移动,直到两点在y轴方向的间距等于Dy0。
更进一步地,在所述步骤S22中,判断斥离操作的有效性实质是检验斥离操作是否引入新的小间距点集以及当前点集中两点的间距是否达到间距要求,具体过程为:将点集中两点的位置更新为斥离后的位置,计算位置点组中任意两点的间距并筛选出不符合间距要求的小间距点集,判断点集中是否出现新的小间距点集以及是否存在进行当前点集;若点集中未出现新的小间距点集且当前点集符合间距要求,跳过区域微调和区域扫描操作进行下一个点集的斥离操作,否则对当前点集进行区域微调操作。
更进一步地,在所述步骤S22中,区域微调操作的目标是快速小范围调整小间距点集中第1个点的位置使该点集达到间距要求,设置微调半径间隔为D1,半径微调点数为N2,半径微调范围为±N2*D1;角度微调间隔为D2,角度微调点数为N3,角度微调范围为±N3*D2;依次检验所有微调点的有效性,若存在使任意两点的间距均大于D0的微调点,使用其替换当前点集第1个点的位置并跳过步骤S23,进行下一个点集的斥离操作,否则对该点集进行区域扫描操作。
更进一步地,在所述步骤S23中,判断区域微调操作有效性的过程与判断斥离操作有效性的判断过程为:将点集中两点的位置更新为区域微调操作后的位置,计算位置点组中任意两点的间距并筛选出不符合间距要求的小间距点集,判断点集中是否出现新的小间距点集以及是否存在进行当前点集。
更进一步地,在所述步骤S23中,区域扫描的目标是大范围调整小间距点集中第1个点的位置使该点集达到间距要求,设置扫描半径间隔为D3,半径扫描点数为N4,半径扫描范围为±N4*D3;角度扫描间隔为D4,角度扫描点数为N5,角度微调范围为±N5*D4;依次检验所有扫描点的有效性,若存在使任意两点的间距均大于D0的扫描点,使用其替换当前点集第1个点的位置并进行下一个点集的斥离操作,否则当前点的位置不变。
更进一步地,在所述步骤S22和所述步骤S23中,所述半径扫描范围是半径微调范围的10~50倍,所述角度扫描范围是角度微调范围的5~10倍。
更进一步地,在所述步骤S3中,优化方法为遗传算法,该方法根据当前的适应度值对当前种群进行交叉和变异操作生成新一代种群进入下一次迭代,优化计算的具体过程如下:
S31:随机产生离散化种群,对其进行步骤S2中的操作,获得圆口径内子阵中心的位置,进而获得所有天线阵元的排布位置;
S32:结合目标扫描状态,根据天线阵元的排布位置计算扫描状态下所关注切面的方向图副瓣,并构建适应度函数;
S33:设置优化参数和目标副瓣,将离散化种群初始值代入遗传算法中进行优化迭代,当达到优化次数过程结束,优化过程中若副瓣小于目标副瓣,保存子阵位置参数。
更进一步地,在所述步骤S33中,优化迭代过程中新生成的种群均进行步骤S2。
本发明还公开了一种离散化区域扫描子阵级稀疏优化系统,利用上述的方法对圆口径阵列进行优化,包括:
初始种群离散化模块,用于随机生成离散的位置点组,输出所有子阵的初始位置信息;
区域扫描处理模块,用于计算位置点组中任意两点的间距并筛选不符合间距要求的点,对不符合间距要求的点采用区域扫描处理,直到任意两点的间距均满足间距要求;
优化处理模块,用于构建以副瓣电平为优化目标的适应度函数,并通过优化方法寻找最优副瓣电平时的子阵排布;
控制处理模块,用于向各模块发出指令,完成相关动作;
所述初始种群离散化模块、所述区域扫描处理模块、所述优化处理模块均与所述控制处理模块电连接。
本发明相比现有技术具有以下优点:
1、本发明采用离散化处理,初步拉大了位置点的间距,提高了优化效率;同时离散化处理使子阵位置呈现一定规律性和对称性,有助于后期天线阵元位置标定;
2、本发明采用多级间距处理方法,从斥离到微调再到区域扫描,处理范围从小到大,处理速率由快至慢,一旦出现有效位置便跳过后续处理步骤,节省了处理时间,优化效率高;
3、本发明采用区域扫描方法对圆口径区域进行大范围点扫描,在全局范围内寻找有效位置,提高了寻找有效位置的概率,同时可自定义扫描范围,方法的自由度高;
4、本发明提出的子阵级稀疏优化方法避免了同时生成随机位置时无法生成有效子阵位置的情况,提高了生成位置的有效比率,为后期天线阵列位置优化提供了更多解集,进而提高了求得最优解的概率,最终实现大幅度降低阵元数量,提高了优化效率;
5、本发明实现了一种离散化区域扫描子阵级稀疏优化方法,该方法提高了优化效率,为快速求解在特定阵元间距限制条件下阵元的有效位置排布提供了新途径;该方法中的区域扫描处理一定程度上相当于优化算法中的变异处理,提高了优化过程中解集的多样性,提高了寻得最优解的概率,有效避免了优化算法的局部收敛;该方法可实现在大幅度减少阵元数的同时获得高增益、低副瓣的阵列方向图,当该阵列天线应用于大型雷达系统中时,雷达具有作用距离远、分辨率高、低成本、轻量化和工程可实现性强等优点。
附图说明
图1是本发明实施例一中离散化区域扫描子阵级稀疏优化方法流程图;
图2是本发明实施例一中区域扫描操作的流程图;
图3是本发明实施例二中随机产生的1个位置点组;
图4是本发明实施例二中对图3中位置点组经过区域扫描操作后的位置点组;
图5是本发明实施例二中经过优化获得的法向φ=0°切面方向图;
图6是本发明实施例三中随机产生的1个位置点组;
图7是本发明实施例三中图6中子阵重叠区域A、B、C、D的局部放大图;
图8是本发明实施例三中对图6中位置点组经过区域扫描操作后的位置点组;
图9是本发明实施例三中子阵重叠区域A、B、C、D经过区域扫描操作后的局部放大图;
图10是本发明实施例三中经过优化获得的法向φ=0°切面方向图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例一
本实施例提供一种离散化区域扫描子阵级稀疏优化方法,最终得到最优稀疏阵列的子阵分布以及最低副瓣时阵列方向图。
如图1所示,图1为本实施例中的离散化区域扫描子阵级稀疏优化方法流程图,待优化阵列天线口径为圆形,半径为R,阵列排布采用子阵形式,子阵间互不重叠的最小间距为D0,子阵数为N0。
该方法包括以下步骤:
S1:初始种群离散化
随机生成离散的位置点组,位置点组包含所有子阵的初始位置信息。
具体步骤如下:
(11)在目标区域所在平面上建立坐标系,确定原点O,设置x轴和y轴;
(12)设置阵列天线口径的圆心位于原点O处;
(13)由于阵列天线口径为圆形,选择子阵半径和子阵角度为表征子阵中心位置的参数;定义子阵半径为子阵中心与原点O连线的长度,子阵角度为子阵中心与原点O的连线和x轴的夹角;子阵形状统一,为正方形或圆形,子阵中心为正方形中心或圆形的圆心。
(14)根据半径和角度对圆口径区域进行离散化处理:将区域按特定半径间隔和角度间隔划分成众多扇形区域,扇形区域的顶点为有效离散点,自定义半径间隔和角度间隔,有效离散点的主要作用是在生成点时便拉大所生成点的初始距离,提高生成位置点组的有效率;
(15)通过产生随机数生成初始位置点组。
S2:区域扫描处理
如图2所示,图2为本实施例中的区域扫描操作的流程图。
计算位置点组中任意两点的间距并筛选不符合间距要求的点,对不符合间距要求的点采用区域扫描处理,直到任意两点的间距均满足间距要求;区域扫描处理包含点集斥离、区域微调、区域扫描处理;不符合间距要求指两点的间距小于D0。
具体步骤如下:
(21)点集斥离:本发明将“子阵中心”简称为“点”,根据位置点组的行数对子阵进行编号,子阵编号与行数相同,任意两个子阵编号形成1个点集;计算位置点组中任意两点的间距并筛选不符合间距要求的小间距点集,若不存在小间距点集,该位置点组为有效点组,否则针对每个点集进行点集斥离操作;
(22)区域微调:对每个点集进行点集斥离操作后判断斥离操作的有效性,若为有效操作,将斥离后的位置更新为点集中点的最新位置,最新的点集为有效点集;否则对点集进行区域微调;
(23)区域扫描:进行区域微调后判断区域扫描操作的有效性,若为有效操作,将微调后的位置更新为点集中点的最新位置,最新的点集为有效点集;否则对点集进行区域扫描;完成区域扫描后进行下一个点集的操作;
(24)循环调整:对所有点集进行S21~S23操作,完成后判断位置点组中任意两点的间距是否符合间距要求,并获得不符合间距要求的点集数;若不符合间距要求的点集数小于或等于N1,舍去不符合间距要求的点集中的第1个点;若不符合间距要求的点集数大于N1,认定该位置点组为无效点组并重新生成位置点组;
S3:算法优化
构建以副瓣电平为优化目标的适应度函数,并通过优化方法寻找最优副瓣电平时的子阵排布。
优化具体步骤如下:
(31)随机产生离散化种群,对其进行步骤S2中操作,获得圆口径区域内子阵中心的位置,进而获得所有天线阵元的排布位置;天线阵元在子阵中的位置排布方式不限定,仅限定子阵的形状,在获得子阵中心的情况下将天线阵元相对于子阵中心的位置坐标加上该子阵中心的位置坐标便是天线阵元的排布位置,所有天线阵元均进行该操作;
(32)结合目标扫描状态,根据天线阵元的排布位置计算扫描状态下所关注切面的方向图副瓣,并构建适应度函数;
(33)设置优化参数和目标副瓣,将离散化种群初始值代入遗传算法中进行优化迭代,当达到设定优化次数过程结束,优化过程中若副瓣小于目标副瓣,保存子阵位置参数。
对于大型阵列优化过程,阵列口径面常为圆形且直径和阵元数为定值,天线阵列常采用子阵形式,使用优化算法时种群初始化和迭代进化过程中产生的位置点存在两点间距过小的情况;考虑到子阵自身尺寸,若在当前位置点处放置子阵,存在相邻子阵重叠的现象,因此子阵级稀疏优化时需充分考虑生成子阵位置任意两点之间的间距限制。本发明采用离散化区域扫描子阵级稀疏方案来解决上述问题,为快速求解在特定阵元间距限制条件下阵元的有效位置排布提供了新途径。本发明提出的区域扫描处理一定程度上相当于优化算法中的变异处理,提高了优化过程中解集的多样性,为寻得最优解提供了更多可能性,有效避免了优化算法的局部收敛。
实施例二
本实施例优化了圆口径阵列天线方向图性能,待优化频点为5GHz。设置x轴和y轴如图3所示。待优化圆口径半径为200mm,子阵规模为2*2,子阵中单元间距为30mm;待优化子阵数为8个,子阵间最小间距为70mm。子阵半径微调间隔为0.2mm,微调点数为50个;角度微调间隔为0.2°,微调点数为200个。子阵半径扫描间隔为0.5mm,扫描点数为200个;角度扫描间隔为0.5°,扫描点数为720个。待优化方向图为法向φ=0°切面,目标副瓣为-20dB。优化过程中待优化参数由8个子阵中心的位置坐标组成,随机生成一组离散化位置点集作为初始值。对初始值进行间距判断和区域扫描操作,直到位置点集为有效点集。按上述说明构建适应度函数,将离散化位置点集初始值和适应度函数代入遗传算法中进行计算和迭代,过程中生成新的位置点集时均进行间距判断和区域扫描操作。种群个数为500个,优化次数设置为100次。当优化达到设定的次数时优化结束,当副瓣达到目标副瓣时保存当前位置点集。
如图3~图5所示,图3是本实施例中随机产生的1个位置点组,图中存在相互重叠的子阵,图4是本实施例中对图3中位置点组经过区域扫描操作后的位置点组。图5是本实施例中经过优化获得的法向φ=0°切面方向图。在图3中,标号1为待优化圆口径,标号2为子阵,标号3为阵元。
由上述可得,本实施例获得优化结果的运算时间小于1h,未采用区域扫描操作时随机产生1组符合间距要求的离散化初始值的概率低于千分之一,同等种群个数和优化次数情况下优化过程耗时大于24h,该方法大幅度提高了优化效率。优化所得阵列的法向副瓣电平实现-20dB以下,±30°范围内未出现栅瓣。
实施例三
本实施例优化了较大尺寸圆口径阵列天线方向图性能,待优化频点为3.5GHz。设置x轴和y轴如图6所示。待优化圆口径半径为3m,子阵规模为4*4,子阵中单元间距为42mm;待优化子阵数为50个,子阵间最小间距为245mm。子阵半径微调间隔为0.5mm,微调点数为400个;角度微调间隔为0.2°,微调点数为200个。子阵半径扫描间隔为1mm,扫描点数为2000个;角度扫描间隔为0.5°,扫描点数为720个。待优化方向图为法向φ=0°切面,目标副瓣为-20dB。优化过程中待优化参数由50个子阵中心的位置坐标组成,随机生成一组离散化位置点集作为初始值。对初始值进行间距判断和区域扫描操作,直到位置点集为有效点集。按上述说明构建适应度函数,将离散化位置点集初始值和适应度函数代入遗传算法中进行计算和迭代,过程中生成新的位置点集时均进行间距判断和区域扫描操作。种群个数为600个,优化次数设置为100次。当优化达到设定的次数时优化结束,当副瓣达到目标副瓣时保存当前位置点集。
如图6~图10所示,图6是本实施例中随机产生的1个位置点组,图中存在子阵重叠的区域A、B、C、D,图7是图6中子阵重叠区域A、B、C、D的局部放大图。如图8、9所示,图8是本实施例中对图6中位置点组经过区域扫描操作后的位置点组,图9是本实施例中子阵重叠区域A、B、C、D经过区域扫描操作后的局部放大图。图10是本实施例中经过优化获得的法向φ=0°切面方向图。
由上述可得,本实施例获得优化结果的运算时间小于3h,未采用区域扫描操作时同等种群个数和优化次数情况下优化过程耗时大于48h,该方法大幅度提高了优化效率。优化所得阵列的法向副瓣电平实现-20dB以下。
综上所述,上述实施例中的离散化区域扫描子阵级稀疏优化方法,应用于大型圆口径天线子阵级稀疏优化时,在子阵间距符合间距要求的情况下,大幅度减少优化时间并降低了副瓣电平,为快速求解在特定阵元间距限制条件下阵元的有效位置排布提供了新途径,提高了优化过程中解集的多样性,提高了寻得最优解的概率,有效避免了优化算法的局部收敛;并且设计出的阵列天线应用于大型雷达系统中时,雷达具有作用距离远、分辨率高、低成本、轻量化和工程可实现性强等优点,值得被推广使用。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (8)
1.一种离散化区域扫描子阵级稀疏优化方法,其特征在于,包括以下步骤:
S1:初始种群离散化
随机生成离散的位置点组,位置点组包含所有子阵的初始位置信息;
S2:区域扫描处理
计算位置点组中任意两点的间距并筛选不符合间距要求的点,对不符合间距要求的点采用区域扫描处理,直到任意两点的间距均满足间距要求;
S3:优化处理
构建以副瓣电平为优化目标的适应度函数,并通过优化方法寻找最优副瓣电平时的子阵排布;
在所述步骤S2中,区域扫描处理过程包含点集斥离、区域微调、区域扫描操作;不符合间距要求指两点的间距小于D0,区域扫描处理的具体过程如下:
S21:点集斥离
位置点组的各点即为各子阵中心,根据位置点组的行数对子阵进行编号,子阵编号与行数相同,任意两个子阵编号形成1个点集;计算位置点组中任意两点的间距并筛选不符合间距要求的小间距点集,若不存在小间距点集,该位置点组为有效点组,否则针对每个点集进行点集斥离操作;
S22:区域微调
对每个点集进行点集斥离操作后判断斥离操作的有效性,若为有效操作,将斥离后的位置更新为点集中点的最新位置,最新的点集为有效点集;否则对点集进行区域微调;
S23:区域扫描
进行区域微调后判断区域扫描操作的有效性,若为有效操作,将微调后的位置更新为点集中点的最新位置,最新的点集为有效点集;否则对点集进行区域扫描;完成区域扫描后进行下一个点集的操作;
S24:循环调整
对所有点集进行步骤S21~S23操作,完成后判断位置点组中任意两点的间距是否符合间距要求,并获得不符合间距要求的点集数;若不符合的点集数小于或等于N1,舍去不符合的点集中的第1个点;若不符合的点集数大于N1,认定该位置点组为无效点组并重新生成位置点组;
在所述步骤S3中,优化计算的具体过程如下:
S31:随机产生离散化种群,对其进行步骤S2中的操作,获得圆口径内子阵中心的位置,进而获得所有天线阵元的排布位置;
S32:结合目标扫描状态,根据天线阵元的排布位置计算扫描状态下所关注切面的方向图副瓣,并构建适应度函数;
S33:设置优化参数和目标副瓣,将离散化种群初始值代入遗传算法中进行优化迭代,当达到优化次数过程结束,优化过程中若副瓣小于目标副瓣,保存子阵位置参数。
2.根据权利要求1所述的一种离散化区域扫描子阵级稀疏优化方法,其特征在于:在所述步骤S1中,初始种群离散化的具体过程如下:
S11:在目标区域所在平面上建立坐标系,确定原点O,设置x轴和y轴;
S12:待优化阵列天线口径为圆形,设置圆心位于原点O处;
S13:选择子阵半径和子阵角度为表征子阵中心位置的参数;定义子阵半径为子阵中心与原点O连线的长度,子阵角度为子阵中心与原点O的连线和x轴的夹角;
S14:根据半径和角度对圆口径区域进行离散化处理:将区域按特定半径间隔和角度间隔划分成多个扇形区域,扇形区域的顶点为有效离散点,自定义半径间隔和角度间隔;
S15:通过产生随机数生成初始位置点组。
3.根据权利要求2所述的一种离散化区域扫描子阵级稀疏优化方法,其特征在于:在所述步骤S14中,离散点的子阵半径取值范围为0~R,子阵角度取值范围为0°~360°;在所述步骤S15中,位置点组是维度为(N0+N1)*2的矩阵,矩阵每行表征1个子阵中心的位置,每行的第1列为半径值,第2列为角度值;N1为浮动点数,用于后续提高区域扫描效率;N0为待优化阵列天线的子阵数。
4.根据权利要求1所述的一种离散化区域扫描子阵级稀疏优化方法,其特征在于:在所述步骤S21中,点集斥离操作的目标是将间距小于D0的两点调整至所要求间距,点集斥离操作时设置参考间距为Dx0=D0*cos45°,Dy0=D0*sin45°;计算点集中两点在x轴和y轴方向的间距Dx和Dy;若Dx≥Dx0,点集中第1个点的x轴坐标保持不变,否则将第1个点沿x轴移动,直到两点在x轴方向的间距等于Dx0;若Dy≥Dy0,点集中第1个点的y轴坐标保持不变,否则将第1个点沿y轴移动,直到两点在y轴方向的间距等于Dy0。
5.根据权利要求1所述的一种离散化区域扫描子阵级稀疏优化方法,其特征在于:在所述步骤S22中,判断斥离操作的有效性是检验斥离操作是否引入新的小间距点集以及当前点集中两点的间距是否达到间距要求,其具体过程为:将点集中两点的位置更新为斥离后的位置,计算位置点组中任意两点的间距并筛选出不符合间距要求的小间距点集,判断点集中是否出现新的小间距点集以及是否存在当前点集;若点集中未出现新的小间距点集且当前点集符合间距要求,跳过区域微调和区域扫描操作进行下一个点集的斥离操作,否则对当前点集进行区域微调操作。
6.根据权利要求1所述的一种离散化区域扫描子阵级稀疏优化方法,其特征在于:在所述步骤S22中,区域微调操作的目标是快速小范围调整小间距点集中第1个点的位置使该点集达到间距要求,设置微调半径间隔为D1,半径微调点数为N2,半径微调范围为±N2*D1;角度微调间隔为D2,角度微调点数为N3,角度微调范围为±N3*D2;依次检验所有微调点的有效性,若存在使任意两点的间距均大于D0的微调点,使用其替换当前点集第1个点的位置并跳过步骤S23,进行下一个点集的斥离操作,否则对该点集进行区域扫描操作。
7.根据权利要求1所述的一种离散化区域扫描子阵级稀疏优化方法,其特征在于:在所述步骤S23中,区域扫描操作的目标是大范围调整小间距点集中第1个点的位置使该点集达到间距要求,设置扫描半径间隔为D3,半径扫描点数为N4,半径扫描范围为±N4*D3;角度扫描间隔为D4,角度扫描点数为N5,角度微调范围为±N5*D4;依次检验所有扫描点的有效性,若存在使任意两点的间距均大于D0的扫描点,使用其替换当前点集第1个点的位置并进行下一个点集的斥离操作,否则当前点的位置不变。
8.一种离散化区域扫描子阵级稀疏优化系统,其特征在于,利用如权利要求1~7任一项所述的优化方法对待优化圆口径阵列进行优化,包括:
初始种群离散化模块,用于随机生成离散的位置点组,输出所有子阵的初始位置信息;
区域扫描处理模块,用于计算位置点组中任意两点的间距并筛选不符合间距要求的点,对不符合间距要求的点采用区域扫描处理,直到任意两点的间距均满足间距要求;
优化处理模块,用于构建以副瓣电平为优化目标的适应度函数,并通过优化方法寻找最优副瓣电平时的子阵排布;
控制处理模块,用于向各模块发出指令,完成相关动作;
所述初始种群离散化模块、所述区域扫描处理模块、所述优化处理模块均与所述控制处理模块电连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011228440.4A CN112347696B (zh) | 2020-11-06 | 2020-11-06 | 一种离散化区域扫描子阵级稀疏优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011228440.4A CN112347696B (zh) | 2020-11-06 | 2020-11-06 | 一种离散化区域扫描子阵级稀疏优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112347696A CN112347696A (zh) | 2021-02-09 |
CN112347696B true CN112347696B (zh) | 2023-06-20 |
Family
ID=74429604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011228440.4A Active CN112347696B (zh) | 2020-11-06 | 2020-11-06 | 一种离散化区域扫描子阵级稀疏优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112347696B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112949193B (zh) * | 2021-03-09 | 2023-06-20 | 中国电子科技集团公司第三十八研究所 | 一种子阵级稀疏阵列天线方向图数值方法及系统 |
CN113569157B (zh) * | 2021-06-25 | 2023-08-29 | 深圳震有科技股份有限公司 | 一种雷达扫描效果模拟方法、系统、终端设备及存储介质 |
CN116718998B (zh) * | 2023-05-05 | 2024-05-10 | 珠海微度芯创科技有限责任公司 | 毫米波随机稀疏阵列生成方法、装置、存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5911692A (en) * | 1998-01-20 | 1999-06-15 | General Electric Company | Sparse two-dimensional wideband ultrasound transducer arrays |
CN103744072A (zh) * | 2013-12-24 | 2014-04-23 | 浙江大学 | 基于模拟退火算法和分布式并行子阵波束形成算法的稀疏阵列优化方法 |
CN104102791A (zh) * | 2014-08-01 | 2014-10-15 | 哈尔滨工程大学 | 一种基于量子萤火虫搜索机制的天线阵稀疏构建方法 |
CN104750944A (zh) * | 2015-04-16 | 2015-07-01 | 南京信息工程大学 | 一种快速的平面稀疏阵列综合方法 |
CN106099393A (zh) * | 2016-08-25 | 2016-11-09 | 电子科技大学 | 基于遗传算法的子阵稀布与阵元稀疏天线阵列综合布阵方法 |
CN106654601A (zh) * | 2016-12-25 | 2017-05-10 | 厦门大学 | 无栅瓣宽角扫描混合阵列超稀疏布局方法 |
CN109599680A (zh) * | 2018-10-29 | 2019-04-09 | 福瑞泰克智能系统有限公司 | 一种稀疏阵列mimo天线 |
CN110705175A (zh) * | 2019-08-19 | 2020-01-17 | 中国人民解放军国防科技大学 | 一种错位子阵阵面设计方法 |
CN111541049A (zh) * | 2020-05-31 | 2020-08-14 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 大规模球柱面阵阵元数量的削减方法 |
-
2020
- 2020-11-06 CN CN202011228440.4A patent/CN112347696B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5911692A (en) * | 1998-01-20 | 1999-06-15 | General Electric Company | Sparse two-dimensional wideband ultrasound transducer arrays |
CN103744072A (zh) * | 2013-12-24 | 2014-04-23 | 浙江大学 | 基于模拟退火算法和分布式并行子阵波束形成算法的稀疏阵列优化方法 |
CN104102791A (zh) * | 2014-08-01 | 2014-10-15 | 哈尔滨工程大学 | 一种基于量子萤火虫搜索机制的天线阵稀疏构建方法 |
CN104750944A (zh) * | 2015-04-16 | 2015-07-01 | 南京信息工程大学 | 一种快速的平面稀疏阵列综合方法 |
CN106099393A (zh) * | 2016-08-25 | 2016-11-09 | 电子科技大学 | 基于遗传算法的子阵稀布与阵元稀疏天线阵列综合布阵方法 |
CN106654601A (zh) * | 2016-12-25 | 2017-05-10 | 厦门大学 | 无栅瓣宽角扫描混合阵列超稀疏布局方法 |
CN109599680A (zh) * | 2018-10-29 | 2019-04-09 | 福瑞泰克智能系统有限公司 | 一种稀疏阵列mimo天线 |
CN110705175A (zh) * | 2019-08-19 | 2020-01-17 | 中国人民解放军国防科技大学 | 一种错位子阵阵面设计方法 |
CN111541049A (zh) * | 2020-05-31 | 2020-08-14 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 大规模球柱面阵阵元数量的削减方法 |
Non-Patent Citations (3)
Title |
---|
Beam-scanning sparse array design with minimum spacing constraint;Jing Yang et al.;《2016 IEEE International Conference on Computational Electromagnetics (ICCEM)》;第92-93页 * |
Optimization of Sparse Concentric Ring Arrays for Low Sidelobe;Kesong Chen et al.;《International Journal of Antennas and Propagation》;第2019卷;第3-6页 * |
稀疏阵列天线综合的遗传算法优化;张浩斌等;《微波学报》;第22卷(第6期);第49-51页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112347696A (zh) | 2021-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112347696B (zh) | 一种离散化区域扫描子阵级稀疏优化方法及系统 | |
CN112733334B (zh) | 一种多频段共口径阵列天线稀疏优化方法及系统 | |
CN107422569B (zh) | 一种二维光学相控阵 | |
CN111160556B (zh) | 一种基于自适应遗传算法的阵列稀疏优化方法 | |
CN112367103B (zh) | 一种可扩展稀疏阵列天线布局的获取方法 | |
CN111695233B (zh) | 一种基于改进鲸鱼优化算法的阵元失效校正方法 | |
CN111353605B (zh) | 基于改进遗传算法的新型平面分子阵天线阵列综合布阵方法 | |
CN109522658B (zh) | 一种victs天线四点式跟踪方法 | |
CN112421242B (zh) | 一种极宽带综合口径阵列天线的布阵方法 | |
CN111209670B (zh) | 一种可实现高增益的不规则子阵排布优化方法 | |
CN112949193B (zh) | 一种子阵级稀疏阵列天线方向图数值方法及系统 | |
CN115133291A (zh) | 非规则天线子阵、相控阵天线及相控阵天线的设计方法 | |
CN112307588B (zh) | 一种非均匀抛物线阵列天线设计方法 | |
CN114861446A (zh) | 天线阵列稀疏稀布优化方法、装置、设备及可读存储介质 | |
CN113851854A (zh) | 一种宽角扫描透镜终端天线及其扫描方式 | |
CN116632561B (zh) | 一种稀布高增益天线阵列设计方法、存储介质 | |
CN113553711A (zh) | 一种任意曲面共形阵列天线设计方法 | |
CN112182953B (zh) | 一种模块化平面阵列稀疏优化方法及系统 | |
JP4066324B2 (ja) | アレーアンテナ装置およびその放射素子配置方法 | |
CN114154403B (zh) | 一种共域多口径混合阵列天线布阵方法及系统 | |
CN111814311B (zh) | 一种人工阻抗表面结构混合优化方法 | |
CN116011190A (zh) | 有源太赫兹相控阵的设计方法、装置及电子设备 | |
CN117787088A (zh) | 一种低副瓣圆口径对称稀布阵的阵元位置快速优化方法 | |
CN117272565A (zh) | 一种基于压缩密度收敛的相控阵天线设计方法及系统 | |
CN116796640B (zh) | 一种基于蛇优化算法的共形稀疏阵列优化方法 |
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 |