CN117473882B - 基于多算法融合的天线阵列调整方法及系统 - Google Patents
基于多算法融合的天线阵列调整方法及系统 Download PDFInfo
- Publication number
- CN117473882B CN117473882B CN202311826913.4A CN202311826913A CN117473882B CN 117473882 B CN117473882 B CN 117473882B CN 202311826913 A CN202311826913 A CN 202311826913A CN 117473882 B CN117473882 B CN 117473882B
- Authority
- CN
- China
- Prior art keywords
- weight
- optimizing
- optimal
- target
- initial
- 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
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000004927 fusion Effects 0.000 title claims abstract description 16
- 238000013461 design Methods 0.000 claims abstract description 39
- 238000011156 evaluation Methods 0.000 claims abstract description 29
- 230000000694 effects Effects 0.000 claims abstract description 18
- 238000005457 optimization Methods 0.000 claims abstract description 7
- 230000006399 behavior Effects 0.000 claims description 44
- 238000004458 analytical method Methods 0.000 claims description 26
- 230000002431 foraging effect Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 14
- 230000000007 visual effect Effects 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000009471 action Effects 0.000 description 17
- 230000005855 radiation Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 230000009182 swimming Effects 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011428 standard deviation standardization method Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
Abstract
本公开提供了一种基于多算法融合的天线阵列调整方法及系统，涉及智能优化技术，方法包括：获取M个目标天线元的M个权重系数，并作为初始权重；进行权重设计效果评估，得到目标初始性能指数；对初始权重中第一初始权重系数进行寻优，组建第一寻优权重；判断第一寻优权重对应的第一寻优性能指数是否大于目标初始性能指数；如果大于则将第一寻优权重作为第一最优权重，继续迭代至达到预定迭代阈值，将得到的第一最优权重输出；根据第一最优权重进行阵列权重系数设计。能够解决现有的天线阵列存在阵列权重设计不准确导致信号接发性能较差的技术问题，可以提高天线阵列中阵列权重设计的准确性和合理性，从而提高天线的信号接发性能。
Description
技术领域
本公开涉及智能优化技术，并且更具体地，涉及一种基于多算法融合的天线阵列调整方法及系统。
背景技术
天线是一种用于发射或接收无线电波或更广泛的电磁波的电子设备，应用于广播电视、点对点无线电通信、雷达和太空探索等系统。天线阵列是由许多相同的单个天线按照一定规律排列组成的天线系统，现有的天线阵列在进行设置时，通常是根据人为经验进行阵列权重设计，导致阵列权重设置准确性较低，影响了天线的信号接收和发射性能。
现有的天线阵列存在的不足之处在于：由于阵列权重设计不准确导致天线的信号接发性能较差。
发明内容
因此，为了解决上述技术问题，本公开的实施例采用的技术方案如下：
基于多算法融合的天线阵列调整方法，包括以下步骤：步骤S10：根据经验设定法获取目标天线阵列的M个目标天线元的M个权重系数，并将所述M个权重系数作为初始权重，其中，M为大于1的整数；步骤S20：基于预定性能评估方案对所述初始权重下的所述目标天线阵列进行权重设计效果评估，得到目标初始性能指数；步骤S30：调用预定寻优规则对所述初始权重中第一天线元的第一初始权重系数进行寻优，并根据寻优结果组建第一寻优权重；步骤S40：判断所述第一寻优权重对应的第一寻优性能指数是否大于所述目标初始性能指数；步骤S50：如果大于，则将所述第一寻优权重作为第一最优权重，并继续迭代至达到预定迭代阈值，将彼时得到的所述第一最优权重输出；步骤S60：根据所述第一最优权重对所述目标天线阵列进行阵列权重系数设计。
基于多算法融合的天线阵列调整系统，包括：初始权重设定模块，所述初始权重设定模块用于根据经验设定法获取目标天线阵列的M个目标天线元的M个权重系数，并将所述M个权重系数作为初始权重，其中，M为大于1的整数；权重设计效果评估模块，所述权重设计效果评估模块用于基于预定性能评估方案对所述初始权重下的所述目标天线阵列进行权重设计效果评估，得到目标初始性能指数；初始权重系数寻优模块，所述初始权重系数寻优模块用于调用预定寻优规则对所述初始权重中第一天线元的第一初始权重系数进行寻优，并根据寻优结果组建第一寻优权重；寻优性能指数判断模块，所述寻优性能指数判断模块用于判断所述第一寻优权重对应的第一寻优性能指数是否大于所述目标初始性能指数；最优权重输出模块，所述最优权重输出模块用于如果大于，则将所述第一寻优权重作为第一最优权重，并继续迭代至达到预定迭代阈值，将彼时得到的所述第一最优权重输出；阵列权重系数设计模块，所述阵列权重系数设计模块用于根据所述第一最优权重对所述目标天线阵列进行阵列权重系数设计。
由于采用了上述技术方法，本公开相对于现有技术来说，取得的技术进步有如下几点：
可以解决现有的天线阵列存在阵列权重设计不准确导致信号接发性能较差的技术问题，首先，根据经验设定法获取目标天线阵列的M个目标天线元的M个权重系数，并将所述M个权重系数作为初始权重；然后根据预定性能评估方案对所述初始权重下的所述目标天线阵列进行权重设计效果评估，得到目标初始性能指数；进一步调用预定寻优规则对所述初始权重中第一天线元的第一初始权重系数进行寻优，其中第一天线元为所述M个目标天线元中的任意一个，并根据寻优结果组建第一寻优权重；并判断所述第一寻优权重对应的第一寻优性能指数是否大于所述目标初始性能指数；当所述第一寻优性能指数大于所述目标初始性能指数时，则将所述第一寻优权重作为第一最优权重，并继续迭代至达到预定迭代阈值，将彼时得到的所述第一最优权重输出；根据所述第一最优权重对所述目标天线阵列进行阵列权重系数设计。通过进行权重系数寻优获得最优权重，并根据最优权重进行阵列权重系数设计，可以提高天线阵列中阵列权重设计的准确性和合理性，从而提高天线阵列的信号接发性能。
附图说明
为了更清楚地说明本公开的实施例的技术方案，下面将对实施例的描述中所需要使用的附图作简单的介绍。
图1为本申请提供了一种基于多算法融合的天线阵列调整方法的流程示意图；
图2为本申请提供了一种基于多算法融合的天线阵列调整方法中得到目标初始性能指数的流程示意图；
图3为本申请提供了一种基于多算法融合的天线阵列调整系统的结构示意图。
附图标记说明：初始权重设定模块01、权重设计效果评估模块02、初始权重系数寻优模块03、寻优性能指数判断模块04、最优权重输出模块05、阵列权重系数设计模块06。
具体实施方式
下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整的描述。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
基于上述描述，如图1所示，本公开提供了一种基于多算法融合的天线阵列调整方法，包括：
本申请提供的方法用于通过多算法融合技术对天线阵列的阵列权重进行优化调整，来达到提高天线阵列中阵列权重设计的准确性，进一步提高天线信号接发性能的目的，所述方法具体实施于一种基于多算法融合的天线阵列调整系统。
步骤S10：根据经验设定法获取目标天线阵列的M个目标天线元的M个权重系数，并将所述M个权重系数作为初始权重，其中，M为大于1的整数；
在本申请实施例中，首先，根据经验设定法获取目标天线阵列的M个目标天线元的M个权重系数，其中经验设定法是指现有的通过人工经验进行阵列权重设计的方法，可根据实际情况选择有经验的工人进行权重设计或根据现有的历史权重设计方法进行设计；所述目标天线阵列为待进行阵列权重优化调整的天线阵列，其中所述目标天线阵列包括M个目标天线元，所述目标天线元是指组成目标天线阵列的单个天线，例如：对称天线等；其中M为大于1的整数，M的具体取值本领域技术人员可根据目标天线阵列中的实际天线元数量进行设置；所述目标天线元与所述权重系数具有一一对应的关系，得到M个目标天线元的M个权重系数，并将所述M个权重系数设定为初始权重。通过根据经验设定法得到目标天线元的初始权重，为下一步进行权重设计效果评估和权重优化提供了原始数据支持。
步骤S20：基于预定性能评估方案对所述初始权重下的所述目标天线阵列进行权重设计效果评估，得到目标初始性能指数；
在本申请实施例中，获取预定性能评估方案，所述预定性能评估方案本领域技术人员可根据实际需求对本申请中的预定性能指标集进行删减或添加，然后根据所述预定性能评估方案对所述初始权重下的所述目标天线阵列进行权重设计效果评估，获得评估结果即目标初始性能指数。
如图2所示，在一个实施例中，所述方法还包括：
所述预定性能评估方案中内存有预定性能指标集，所述预定性能指标集包括方向图、增益、带宽、回波损耗、波束宽度；
基于所述预定性能指标集对所述初始权重下的所述目标天线阵列进行分析，得到目标初始分析数据；
标准化所述目标初始分析数据并加权计算得到所述目标初始性能指数。
在本申请实施例中，其中，所述预定性能评估方案中内存有预定性能指标集，所述预定性能指标集包括方向图、增益、带宽、回波损耗、波束宽度，本领域技术人员也可根据实际性能需求对所述预定性能指标集进行适应性修改。其中所述方向图为表征天线辐射特性空间角度关系的图形，用于描述天线在各个方向上的辐射能力；所述增益是指天线阵列辐射功率与同等条件下单元天线辐射功率的比值，是衡量天线阵列辐射效率的一个重要参数，相同条件下的天线增益越高，表征辐射方向性越好，能量越集中；所述带宽是指天线阵列能够满足特定性能指标（如指向性、增益等）的频带范围，其中带宽越大，表征信号接发性能越强；所述回波损耗是指天线阵列的辐射和接收信号之间的反射损耗，是其通信质量的一个重要指标，其中反射损耗越小，说明天线的匹配程度越好，能够更好地接收和发射信号，则信号接发性能越强；所述波束宽度是指天线阵列指向性图案中主瓣宽度的大小，也是衡量其指向性性能的一个重要参数，其中波束宽度越窄，说明天线在特定方向上的辐射能力越强，能够更好地实现信号传输和接收，则信号接发性能越强。
根据所述预定性能指标集对所述初始权重下的所述目标天线阵列进行信号接发性能分析，获得目标初始分析数据，其中所述目标初始分析数据包括方向图分析数据、增益分析数据、带宽分析数据、回波损耗分析数据、波束宽度分析数据。然后对所述目标初始分析数据进行标准化处理，常用的数据标准化处理方法包括极差标准化法、归一法、极大值法等，本领域技术人员可根据待处理数据的实际情况选择适配的处理方法，通过对目标初始分析数据进行标准化处理，可以消除数据由于计量单位和变异程度带来的影响，从而提高数据计算和对比的准确性。
分别对所述目标初始分析数据中的方向图分析数据、增益分析数据、带宽分析数据、回波损耗分析数据、波束宽度分析数据进行权重值设置，其中哪项指标对于目标天线阵列信号接发性能的影响程度越大，则该指标的权重值越大，可通过现有的变异系数法进行权重值设置，变异系数法为本领域技术人员常用的赋权方法，在此不进行展开说明，获得所述目标初始分析数据中多项指标的多个权重值。然后根据所述多个权重值对经过标准化处理的目标初始分析数据进行加权计算，并将加权计算结果作为目标初始性能指数，获得目标初始性能指数，其中所述目标初始性能指数越大，表征目标天线阵列的信号接发性能越强。通过计算获得目标初始性能指数，为进行寻优权重的寻优性能判断提供了依据，可以准确直观地判断出寻优性能的强弱。
步骤S30：调用预定寻优规则对所述初始权重中第一天线元的第一初始权重系数进行寻优，并根据寻优结果组建第一寻优权重；
在本申请实施例中，获取预定寻优规则，并调用所述预定寻优规则对所述初始权重中第一天线元的第一初始权重系数进行寻优，其中所述第一天线元为所述M个目标天线元中的任意一个天线元，所述第一初始权重系数为所述第一天线元对应的权重系数，并根据寻优结果获得第一寻优权重。
在一个实施例中，所述方法还包括：
所述预定寻优规则中内存有预定寻优逻辑，所述预定寻优逻辑包括觅食逻辑、聚群逻辑、追尾逻辑、随机逻辑；
基于所述预定寻优逻辑组建寻优行为路径集，所述寻优行为路径集包括N条寻优行为路径，其中，N=64，计算方法如下：
+/>+/>+/>=64；
获取基于64条寻优行为路径中目标寻优行为路径对所述第一天线元进行寻优的第一天线元寻优结果；
在本申请实施例中，其中，所述预定寻优规则中内存有预定寻优逻辑，所述预定寻优逻辑包括觅食逻辑、聚群逻辑、追尾逻辑、随机逻辑，所述觅食逻辑是指种群中的个体会在一定的范围内随机游动，当发现更好的食物源时，会向其靠近并逐渐适应新的环境；所述聚群逻辑是指种群中的个体在游动过程中会不断观察周围个体的状态，当发现周围有更好的食物源或者更安全的环境时，会向其靠近并逐渐形成一个聚群；所述追尾逻辑是指当种群中存在更为优秀的个体时，其他个体会产生追随其后的行为；所述随机逻辑是指种群中的个体在游动过程中也会存在一定的随机性。
然后根据所述预定寻优逻辑利用随机排列的方法组建寻优行为路径集，所述寻优行为路径集包括N条寻优行为路径，N表征四种预定寻优逻辑随机排列的总数，N等于64，其中N的计算方法为：+/>+/>+/>=64；表征总共有64条寻优行为路径。
根据所述64条寻优行为路径依次对所述第一天线元进行寻优，获得目标寻优行为路径，所述目标寻优行为路径为64条寻优行为路径中得到寻优状态最优的路径，并获得所述目标寻优行为路径下的第一天线元寻优结果，所述第一天线元寻优结果为第一天线元在经过目标寻优行为路径进行寻优后得到的最优权重。
在一个实施例中，所述方法还包括：
随机提取所述64条寻优行为路径中的第一寻优行为路径；
根据所述第一寻优行为路径中的第一寻优逻辑对所述第一天线元进行寻优，得到第一寻优结果；
在本申请实施例中，基于所述64条寻优行为路径对所述第一天线元进行寻优，首先，在所述64条寻优行为路径中随机提取一寻优行为路径作为第一寻优行为路径，然后根据所述第一寻优行为路径中的第一寻优逻辑对所述第一天线元进行寻优，其中所述第一寻优逻辑为所述第一寻优行为路径中位于第一个的寻优逻辑即首位寻优逻辑。例如：假设A寻优行为路径中寻优逻辑顺序为觅食逻辑、聚群逻辑、追尾逻辑、随机逻辑，则A寻优行为路径中的第一寻优逻辑为觅食逻辑，获得第一寻优结果。
在一个实施例中，所述方法还包括：
当所述第一寻优逻辑为所述觅食逻辑时，所述第一天线元的寻优结果表示为：
；
其中，表征所述第一天线元在所述第一寻优逻辑下的寻优结果，/>表征0-1之间的随机数，/>表征所述第一初始权重系数的最大寻优步长，/>表征所述第一天线元的当前的所述第一初始权重系数，/>表征所述第一天线元的视野范围内的任意一个位置的权重系数；
在本申请实施例中，所述觅食逻辑是指在寻优过程中，种群中的个体会根据自身状态和周围环境的变化，调整自己的位置和速度，以寻找更优解。例如：在寻优过程中，个体会在一定的范围内随机游动，当发现更好的食物源时，会向其靠近并逐渐适应新的环境。
当所述第一寻优逻辑为所述觅食逻辑时，根据所述觅食逻辑对所述第一天线元进行寻优，获得的寻优结果表示为：；其中，/>表征所述第一天线元在所述第一寻优逻辑下的寻优结果；/>表征0-1之间的随机数；/>表征所述第一初始权重系数的最大寻优步长，其中所述最大寻优步长为预设寻优步长阈值中的最大步长，所述预设寻优步长阈值本领域技术人员可根据自身经验或者参考历史寻优过程中寻优结果较好的寻优步长阈值进行设置，其中寻优步长越小，寻优收敛效率越低，寻优精度越高；寻优步长越长，寻优收敛效率越高，寻优精度越低；/>表征所述第一天线元的当前的所述第一初始权重系数，/>表征所述第一天线元的视野范围内的任意一个位置的权重系数。
当所述第一寻优逻辑为所述聚群逻辑时，所述第一天线元的寻优结果表示为：
；
其中，表征所述第一天线元的视野范围内权重系数集中区域的中心位置的权重系数；
在本申请实施例中，所述聚群逻辑是指在寻优过程中，个体在游动时会不断观察周围个体的状态，当发现周围有更好的食物源或者更安全的环境时，会向其靠近并逐渐形成一个聚群，其中聚群的形成可以有效地提高群体的生存概率和搜索效率。
当所述第一寻优逻辑为所述聚群逻辑时，所述第一天线元的寻优结果表示为：；其中，/>表征所述第一天线元在所述第一寻优逻辑下的寻优结果；/>表征0-1之间的随机数；/>表征所述第一初始权重系数的最大寻优步长；表征所述第一天线元的当前的所述第一初始权重系数；/>表征所述第一天线元的视野范围内权重系数集中区域的中心位置的权重系数。
当所述第一寻优逻辑为所述追尾逻辑时，所述第一天线元的寻优结果表示为：
；
其中，表征所述第一天线元的视野范围内权重系数集中区域中权重系数最大的位置对应的权重系数；
在本申请实施例中，所述追尾逻辑是指在寻优过程中，当种群中存在更为优秀的个体时，其他个体会产生追随其后的行为，这种行为可以帮助种群更好地适应环境变化和应对威胁。
当所述第一寻优逻辑为所述追尾逻辑时，所述第一天线元的寻优结果表示为：；其中，/>表征所述第一天线元在所述第一寻优逻辑下的寻优结果；/>表征0-1之间的随机数；/>表征所述第一初始权重系数的最大寻优步长；/>表征所述第一天线元的当前的所述第一初始权重系数；/>表征所述第一天线元的视野范围内权重系数集中区域中权重系数最大的位置对应的权重系数。
当所述第一寻优逻辑为所述随机逻辑时，所述第一天线元的寻优结果表示为：
；
其中，表征所述第一天线元的视野范围。
在本申请实施例中，所述随机逻辑是指在寻优过程中，种群中的个体在游动过程中会存在一定的随机性，这种随机性可以帮助群体更好地探索搜索空间，避免陷入局部最优解。
当所述第一寻优逻辑为所述随机逻辑时，所述第一天线元的寻优结果表示为：；其中，/>表征所述第一天线元在所述第一寻优逻辑下的寻优结果；/>表征0-1之间的随机数；/>表征所述第一天线元的当前的所述第一初始权重系数；/>表征所述第一初始权重系数的随机寻优步长；/>表征所述第一天线元的视野范围。
获得第一寻优逻辑下的所述第一天线元的寻优结果，然后按照所述第一寻优行为路径中寻优逻辑的先后顺序依次对上一阶段获取的寻优结果再次进行寻优，直到所述第一寻优行为路径中的最后一位寻优逻辑完成寻优，输出最后一位寻优逻辑的寻优结果作为第一寻优结果。通过基于多条不同寻优行为路径依次对第一天线元进行寻优，由于不同寻优行为路径中的寻优逻辑顺序各不相同，因此可以提高寻优的全局搜索能力，使得寻优结果更加准确和合理。
基于所述第一寻优结果得到所述64条寻优行为路径对应的64个寻优结果；
将所述64个寻优结果中寻优结果最优的结果作为所述第一天线元寻优结果。
在本申请实施例中，基于获得所述第一寻优结果的相同的方法，根据所述64条寻优行为路径依次对所述第一天线元进行寻优，获得64个寻优结果，其中所述寻优结果和所述寻优行为路径具有一一对应的关系。然后根据所述预定性能指标集分别对所述64个寻优结果进行性能计算，获得所述64个寻优结果对应的64个性能指数，并将所述64个性能指数中最大的性能指数作为第一寻优性能指数，将所述第一寻优性能指数对应的寻优结果作为第一天线元寻优结果。
基于所述第一天线元寻优结果组建所述第一寻优权重。
在本申请实施例中，最后将所述第一天线元寻优结果作为所述第一寻优权重。
步骤S40：判断所述第一寻优权重对应的第一寻优性能指数是否大于所述目标初始性能指数；
在本申请实施例中，根据所述目标初始性能指数对所述第一寻优权重对应的第一寻优性能指数进行判断，当所述第一寻优性能指数大于所述目标初始性能指数时，表征所述第一寻优权重下目标天线阵列的信号接收性能大于初始权重下目标天线阵列的信号接收性能。
步骤S50：如果大于，则将所述第一寻优权重作为第一最优权重，并继续迭代至达到预定迭代阈值，将彼时得到的所述第一最优权重输出；
在本申请实施例中，当所述第一寻优权重对应的第一寻优性能指数大于所述目标初始性能指数时，则将所述第一寻优权重作为第一最优权重。不断进行迭代寻优，获取预设迭代阈值，所述预设迭代阈值本领域技术人员可根据实际需求进行设置，例如：设置预设迭代阈值为迭代次数寻优迭代次数1000次。直到当前寻优迭代次数等于所述预定迭代阈值中的预设寻优迭代次数时，则输出此时得到的第一最优权重。
步骤S60：根据所述第一最优权重对所述目标天线阵列进行阵列权重系数设计。
在本申请实施例中，然后将所述第一最优权重作为所述目标天线阵列的第一天线元的权重系数，基于获得所述第一最优权重相同的方法依次对所述初始权重中的M个目标天线元进行权重系数寻优，获得M个最优权重，并基于所述M个最优权重组件第一最优阵列权重，根据所述第一最优阵列权重进行目标天线阵列设计。
在一个实施例中，所述方法还包括：
重复步骤S10-步骤S60，得到第二最优权重；
将所述第一最优权重与所述第二最优权重作为元学习器的元输入数据；
所述元学习器对所述元输入数据进行分析得到元输出数据，其中，所述元输出数据包括目标最优权重；
在本申请实施例中，重复步骤S10-步骤S60，获得第二最优权重，所述第二最优权重为再次进行寻优获得的第二最优阵列权重。其中第二最优阵列权重寻优时选取的第一天线元与第一最优阵列权重寻优时选取的第一天线元不同。
然后将所述第一最优权重与所述第二最优权重作为元输入数据输入至元学习器中，并通过所述元学习器对所述元输入数据进行分析，获得元输出数据，其中所述元输出数据包括目标最优权重。
在一个实施例中，所述方法还包括：
所述元学习器包括第一元学习层和第二元学习层；
通过所述第一元学习层对所述第一最优权重下的第一最优性能指数与所述第二最优权重下的第二最优性能指数进行对比，得到元最优性能指数；
将所述元最优性能指数对应的元最优权重作为所述目标最优权重；
通过所述第二元学习层获取所述元最优权重的第一权重邻域，所述第一权重邻域包括多个邻域权重；
对比得到所述多个邻域权重中对应阵列性能最优的邻域权重，记作第一最优邻域权重；
如果所述第一最优邻域权重下的第一最优邻域性能指数大于所述元最优权重下的所述元最优性能指数；
以所述第一最优邻域权重替代所述元最优权重作为所述目标最优权重。
在本申请实施例中，其中所述元学习器包括第一元学习层和第二元学习层，首先，根据所述预定性能指标集对所述第一最优权重和所述第二最优权重进行性能分析，并计算获得所述第一最优权重的第一最优性能指数和所述第二最优权重的第二最优性能指数。然后通过所述第一元学习层对所述第一最优性能指数和所述第二最优性能指数进行比对，将所述第一最优性能指数和所述第二最优性能指数中指数较大的最优性能指数作为元最优性能指数，获得元最优性能指数，并将所述元最优性能指数对应的元最优权重作为所述目标最优权重。
获取预设邻域规则，所述预设邻域规则用于表征权重的扩充范围，本领域技术人员可根据实际情况进行设置，然后基于所述预设邻域规则，通过所述第二元学习层获取所述元最优权重的第一权重邻域，其中所述第一权重邻域包括多个邻域权重。并对所述多个邻域权重进行性能分析，获得多个邻域权重的多个邻域性能指数。将所述多个邻域性能指数中最大性能指数作为第一最优邻域性能指数，并将所述第一最优邻域性能指数对应的邻域权重作为第一最优邻域权重。
根据所述元最优性能指数对所述第一最优邻域性能指数进行判断，当所述第一最优邻域性能指数大于所述元最优性能指数时，则以所述第一最优邻域权重替代所述元最优权重作为所述目标最优权重。通过对元最优权重进行邻域设置，并在权重邻域内再次进行权重寻优，可以进一步提高目标最优权重获得的准确性，从而进一步提高天线阵列的信号接发性能。
根据所述目标最优权重对所述目标天线阵列进行阵列权重系数设计。
在本申请实施例中，最后根据所述目标最优权重作为所述目标天线阵列的阵列权重系数，进行目标天线阵列设计。通过上述方法可以解决现有的天线阵列存在阵列权重设计不准确导致信号接发性能较差的技术问题，可以提高天线阵列中阵列权重设计的准确性和合理性，从而提高天线的信号接发性能。
在一个实施例中，如图3所示提供了一种基于多算法融合的天线阵列调整系统，包括：初始权重设定模块01、权重设计效果评估模块02、初始权重系数寻优模块03、寻优性能指数判断模块04、最优权重输出模块05、阵列权重系数设计模块06、其中：
初始权重设定模块01，所述初始权重设定模块01用于根据经验设定法获取目标天线阵列的M个目标天线元的M个权重系数，并将所述M个权重系数作为初始权重，其中，M为大于1的整数；
权重设计效果评估模块02，所述权重设计效果评估模块02用于基于预定性能评估方案对所述初始权重下的所述目标天线阵列进行权重设计效果评估，得到目标初始性能指数；
初始权重系数寻优模块03，所述初始权重系数寻优模块03用于调用预定寻优规则对所述初始权重中第一天线元的第一初始权重系数进行寻优，并根据寻优结果组建第一寻优权重；
寻优性能指数判断模块04，所述寻优性能指数判断模块04用于判断所述第一寻优权重对应的第一寻优性能指数是否大于所述目标初始性能指数；
最优权重输出模块05，所述最优权重输出模块05用于如果大于，则将所述第一寻优权重作为第一最优权重，并继续迭代至达到预定迭代阈值，将彼时得到的所述第一最优权重输出；
阵列权重系数设计模块06，所述阵列权重系数设计模块06用于根据所述第一最优权重对所述目标天线阵列进行阵列权重系数设计。
在一个实施例中，所述系统还包括：
第二最优权重得到模块，所述第二最优权重得到模块用于重复步骤S10-步骤S60，得到第二最优权重；
元输入数据设定模块，所述元输入数据设定模块用于将所述第一最优权重与所述第二最优权重作为元学习器的元输入数据；
元输出数据得到模块，所述元输出数据得到模块用于所述元学习器对所述元输入数据进行分析得到元输出数据，其中，所述元输出数据包括目标最优权重；
阵列权重系数设计模块，所述阵列权重系数设计模块用于根据所述目标最优权重对所述目标天线阵列进行阵列权重系数设计。
在一个实施例中，所述系统还包括：
元学习器模块，所述元学习器模块是指所述元学习器包括第一元学习层和第二元学习层；
元最优性能指数得到模块，所述元最优性能指数得到模块用于通过所述第一元学习层对所述第一最优权重下的第一最优性能指数与所述第二最优权重下的第二最优性能指数进行对比，得到元最优性能指数；
目标最优权重设定模块，所述目标最优权重设定模块用于将所述元最优性能指数对应的元最优权重作为所述目标最优权重；
第一权重邻域获取模块，所述第一权重邻域获取模块用于通过所述第二元学习层获取所述元最优权重的第一权重邻域，所述第一权重邻域包括多个邻域权重；
第一最优邻域权重获得模块，所述第一最优邻域权重获得模块用于对比得到所述多个邻域权重中对应阵列性能最优的邻域权重，记作第一最优邻域权重；
第一最优邻域性能指数判断模块，所述第一最优邻域性能指数判断模块是指如果所述第一最优邻域权重下的第一最优邻域性能指数大于所述元最优权重下的所述元最优性能指数；
目标最优权重设定模块，所述目标最优权重设定模块用于以所述第一最优邻域权重替代所述元最优权重作为所述目标最优权重。
在一个实施例中，所述系统还包括：
预定性能指标集模块，所述预定性能指标集模块是指所述预定性能评估方案中内存有预定性能指标集，所述预定性能指标集包括方向图、增益、带宽、回波损耗、波束宽度；
目标初始分析数据得到模块，所述目标初始分析数据得到模块用于基于所述预定性能指标集对所述初始权重下的所述目标天线阵列进行分析，得到目标初始分析数据；
目标初始性能指数得到模块，所述目标初始性能指数得到模块用于标准化所述目标初始分析数据并加权计算得到所述目标初始性能指数。
在一个实施例中，所述系统还包括：
预定寻优逻辑模块，所述预定寻优逻辑模块是指所述预定寻优规则中内存有预定寻优逻辑，所述预定寻优逻辑包括觅食逻辑、聚群逻辑、追尾逻辑、随机逻辑；
寻优行为路径集组建模块，所述寻优行为路径集组建模块用于基于所述预定寻优逻辑组建寻优行为路径集，所述寻优行为路径集包括N条寻优行为路径，其中，N=64，计算方法如下：
+/>+/>+/>=64；
第一天线元寻优结果获取模块，所述第一天线元寻优结果获取模块用于获取基于64条寻优行为路径中目标寻优行为路径对所述第一天线元进行寻优的第一天线元寻优结果；
第一寻优权重组建模块，所述第一寻优权重组建模块用于基于所述第一天线元寻优结果组建所述第一寻优权重。
在一个实施例中，所述系统还包括：
第一寻优行为路径提取模块，所述第一寻优行为路径提取模块用于随机提取所述64条寻优行为路径中的第一寻优行为路径；
第一天线元寻优模块，所述第一天线元寻优模块用于根据所述第一寻优行为路径中的第一寻优逻辑对所述第一天线元进行寻优，得到第一寻优结果；
寻优结果获得模块，所述寻优结果获得模块用于基于所述第一寻优结果得到所述64条寻优行为路径对应的64个寻优结果；
第一天线元寻优结果设定模块，所述第一天线元寻优结果设定模块用于将所述64个寻优结果中寻优结果最优的结果作为所述第一天线元寻优结果。
在一个实施例中，所述系统还包括：
觅食逻辑寻优结果表示模块，所述觅食逻辑寻优结果表示模块用于当所述第一寻优逻辑为所述觅食逻辑时，所述第一天线元的寻优结果表示为：
；
表达式参数模块，所述表达式参数模块是指其中，表征所述第一天线元在所述第一寻优逻辑下的寻优结果，/>表征0-1之间的随机数，/>表征所述第一初始权重系数的最大寻优步长，/>表征所述第一天线元的当前的所述第一初始权重系数，/>表征所述第一天线元的视野范围内的任意一个位置的权重系数；
聚群逻辑寻优结果表示模块，所述聚群逻辑寻优结果表示模块用于当所述第一寻优逻辑为所述聚群逻辑时，所述第一天线元的寻优结果表示为：
；
表达式参数模块，所述表达式参数模块是指其中，表征所述第一天线元的视野范围内权重系数集中区域的中心位置的权重系数；
追尾逻辑寻优结果表示模块，所述追尾逻辑寻优结果表示模块用于当所述第一寻优逻辑为所述追尾逻辑时，所述第一天线元的寻优结果表示为：
；
表达式参数模块，所述表达式参数模块是指其中，表征所述第一天线元的视野范围内权重系数集中区域中权重系数最大的位置对应的权重系数；
随机逻辑寻优结果表示模块，所述随机逻辑寻优结果表示模块用于当所述第一寻优逻辑为所述随机逻辑时，所述第一天线元的寻优结果表示为：
；
表达式参数模块，所述表达式参数模块是指其中，表征所述第一天线元的视野范围。
综上所述，与现有技术相比，本公开的实施例具有以下技术效果：
（1）通过对目标天线阵列中的多个目标天线元进行权重系数寻优获得最优阵列权重，并根据最优阵列权重进行目标天线阵列的阵列权重系数设计，可以提高天线阵列中阵列权重设计的准确性和合理性，从而提高天线的信号接发性能。
（2）通过基于多条不同寻优行为路径依次对第一天线元进行寻优，由于不同寻优行为路径中的寻优逻辑顺序各不相同，因此可以提高寻优的全局搜索能力，使得寻优结果更加准确和合理。
（3）通过对元最优权重进行邻域设置，并在权重邻域内再次进行权重寻优，可以进一步提高目标最优权重获得的准确性，从而进一步提高天线阵列的信号接发性能。
以上所述实施例仅表达了本公开的几种实施方式，但并不能因此而理解为对发明专利范围的限制。因此，在不脱离如由所附权利要求限定的本公开构思的范围的情况下，本领域普通技术人员可做出各种类型的替换、修改和变更，并且这些替换、修改和变更都属于本公开的保护范围。
Claims (5)
1.基于多算法融合的天线阵列调整方法，其特征在于，包括：
步骤S10：根据经验设定法获取目标天线阵列的M个目标天线元的M个权重系数，并将所述M个权重系数作为初始权重，其中，M为大于1的整数；
步骤S20：基于预定性能评估方案对所述初始权重下的所述目标天线阵列进行权重设计效果评估，得到目标初始性能指数；
步骤S30：调用预定寻优规则对所述初始权重中第一天线元的第一初始权重系数进行寻优，并根据寻优结果组建第一寻优权重；
步骤S40：判断所述第一寻优权重对应的第一寻优性能指数是否大于所述目标初始性能指数；
步骤S50：如果大于，则将所述第一寻优权重作为第一最优权重，并继续迭代至达到预定迭代阈值，将彼时得到的所述第一最优权重输出；
步骤S60：根据所述第一最优权重对所述目标天线阵列进行阵列权重系数设计，其中包括：将所述第一最优权重作为所述目标天线阵列的第一天线元的权重系数，基于获得所述第一最优权重相同的方法依次对所述初始权重中的M个目标天线元进行权重系数寻优，获得M个最优权重，并基于所述M个最优权重组成第一最优阵列权重，根据所述第一最优阵列权重进行目标天线阵列设计；
其中，所述调用预定寻优规则对所述初始权重中第一天线元的第一初始权重系数进行寻优，包括：
所述预定寻优规则中内存有预定寻优逻辑，所述预定寻优逻辑包括觅食逻辑、聚群逻辑、追尾逻辑、随机逻辑；
基于所述预定寻优逻辑组建寻优行为路径集，所述寻优行为路径集包括N条寻优行为路径，其中，N=64，表征四种预定寻优逻辑随机排列的总数，所述预定寻优逻辑包括觅食逻辑、聚群逻辑、追尾逻辑、随机逻辑，计算方法如下：
+/>+/>+/>=64；
获取基于64条寻优行为路径中目标寻优行为路径对所述第一天线元进行寻优的第一天线元寻优结果；
基于所述第一天线元寻优结果组建所述第一寻优权重；
所述获取基于64条寻优行为路径中目标寻优行为路径对所述第一天线元进行寻优的第一天线元寻优结果，包括：
随机提取所述64条寻优行为路径中的第一寻优行为路径；
根据所述第一寻优行为路径中的第一寻优逻辑对所述第一天线元进行寻优，得到第一寻优结果；
基于所述第一寻优结果得到所述64条寻优行为路径对应的64个寻优结果；
将所述64个寻优结果中寻优结果最优的结果作为所述第一天线元寻优结果；
所述根据所述第一寻优行为路径中的第一寻优逻辑对所述第一天线元进行寻优，得到第一寻优结果，包括：
当所述第一寻优逻辑为所述觅食逻辑时，所述第一天线元的寻优结果表示为：
；
其中，表征所述第一天线元在所述第一寻优逻辑下的寻优结果，/>表征0-1之间的随机数，/>表征所述第一初始权重系数的最大寻优步长，/>表征所述第一天线元的当前的所述第一初始权重系数，/>表征所述第一天线元的视野范围内的任意一个位置的权重系数；
当所述第一寻优逻辑为所述聚群逻辑时，所述第一天线元的寻优结果表示为：
；
其中，表征所述第一天线元的视野范围内权重系数集中区域的中心位置的权重系数；
当所述第一寻优逻辑为所述追尾逻辑时，所述第一天线元的寻优结果表示为：
；
其中，表征所述第一天线元的视野范围内权重系数集中区域中权重系数最大的位置对应的权重系数；
当所述第一寻优逻辑为所述随机逻辑时，所述第一天线元的寻优结果表示为：
；
其中，表征所述第一初始权重系数的随机寻优步长，/>表征所述第一天线元的视野范围。
2.根据权利要求1所述方法，其特征在于，所述方法还包括：
重复步骤S10-步骤S60，得到第二最优权重，其中，所述第二最优权重为再次进行寻优获得的第二最优阵列权重，且第二最优阵列权重寻优时选取的第一天线元与第一最优阵列权重寻优时选取的第一天线元不同；
将所述第一最优权重与所述第二最优权重作为元学习器的元输入数据；
所述元学习器对所述元输入数据进行分析得到元输出数据，其中，所述元输出数据包括目标最优权重；
根据所述目标最优权重对所述目标天线阵列进行阵列权重系数设计。
3.根据权利要求2所述方法，其特征在于，所述元学习器包括第一元学习层和第二元学习层，所述元学习器对所述元输入数据进行分析得到元输出数据，其中，所述元输出数据包括目标最优权重，包括：
通过所述第一元学习层对所述第一最优权重下的第一最优性能指数与所述第二最优权重下的第二最优性能指数进行对比，得到元最优性能指数；
将所述元最优性能指数对应的元最优权重作为所述目标最优权重；
通过所述第二元学习层获取所述元最优权重的第一权重邻域，所述第一权重邻域包括多个邻域权重；
对比得到所述多个邻域权重中对应阵列性能最优的邻域权重，记作第一最优邻域权重；
如果所述第一最优邻域权重下的第一最优邻域性能指数大于所述元最优权重下的所述元最优性能指数；
以所述第一最优邻域权重替代所述元最优权重作为所述目标最优权重。
4.根据权利要求1所述方法，其特征在于，所述基于预定性能评估方案对所述初始权重下的所述目标天线阵列进行权重设计效果评估，得到目标初始性能指数，包括：
所述预定性能评估方案中内存有预定性能指标集，所述预定性能指标集包括方向图、增益、带宽、回波损耗、波束宽度；
基于所述预定性能指标集对所述初始权重下的所述目标天线阵列进行分析，得到目标初始分析数据；
标准化所述目标初始分析数据并加权计算得到所述目标初始性能指数。
5.基于多算法融合的天线阵列调整系统，其特征在于，用于执行权利要求1-4中所述的基于多算法融合的天线阵列调整方法中任意一项方法的步骤，包括：
初始权重设定模块，所述初始权重设定模块用于根据经验设定法获取目标天线阵列的M个目标天线元的M个权重系数，并将所述M个权重系数作为初始权重，其中，M为大于1的整数；
权重设计效果评估模块，所述权重设计效果评估模块用于基于预定性能评估方案对所述初始权重下的所述目标天线阵列进行权重设计效果评估，得到目标初始性能指数；
初始权重系数寻优模块，所述初始权重系数寻优模块用于调用预定寻优规则对所述初始权重中第一天线元的第一初始权重系数进行寻优，并根据寻优结果组建第一寻优权重；
寻优性能指数判断模块，所述寻优性能指数判断模块用于判断所述第一寻优权重对应的第一寻优性能指数是否大于所述目标初始性能指数；
最优权重输出模块，所述最优权重输出模块用于如果大于，则将所述第一寻优权重作为第一最优权重，并继续迭代至达到预定迭代阈值，将彼时得到的所述第一最优权重输出；
阵列权重系数设计模块，所述阵列权重系数设计模块用于根据所述第一最优权重对所述目标天线阵列进行阵列权重系数设计，其中包括：将所述第一最优权重作为所述目标天线阵列的第一天线元的权重系数，基于获得所述第一最优权重相同的方法依次对所述初始权重中的M个目标天线元进行权重系数寻优，获得M个最优权重，并基于所述M个最优权重组成第一最优阵列权重，根据所述第一最优阵列权重进行目标天线阵列设计。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311826913.4A CN117473882B (zh) | 2023-12-28 | 2023-12-28 | 基于多算法融合的天线阵列调整方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311826913.4A CN117473882B (zh) | 2023-12-28 | 2023-12-28 | 基于多算法融合的天线阵列调整方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117473882A CN117473882A (zh) | 2024-01-30 |
| CN117473882B true CN117473882B (zh) | 2024-03-29 |
Family
ID=89635188
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311826913.4A Active CN117473882B (zh) | 2023-12-28 | 2023-12-28 | 基于多算法融合的天线阵列调整方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117473882B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102387511A (zh) * | 2011-11-03 | 2012-03-21 | 富春通信股份有限公司 | 多阵元天线基站的无线网络覆盖的优化系统和装置 |
| WO2022083275A1 (zh) * | 2020-10-21 | 2022-04-28 | 浪潮天元通信信息系统有限公司 | 一种基于蚁群算法的天线权值优化方法及装置 |
| CN114519295A (zh) * | 2021-12-30 | 2022-05-20 | 清华大学 | 天线权值参数的优化方法及装置 |
| CN116882149A (zh) * | 2023-07-03 | 2023-10-13 | 中国电子科技集团公司第五十四研究所 | 一种基于混合差分果蝇优化算法的天线阵列综合方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7324042B2 (en) * | 2005-11-15 | 2008-01-29 | The Boeing Company | Monostatic radar beam optimization |
-
2023
- 2023-12-28 CN CN202311826913.4A patent/CN117473882B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102387511A (zh) * | 2011-11-03 | 2012-03-21 | 富春通信股份有限公司 | 多阵元天线基站的无线网络覆盖的优化系统和装置 |
| WO2022083275A1 (zh) * | 2020-10-21 | 2022-04-28 | 浪潮天元通信信息系统有限公司 | 一种基于蚁群算法的天线权值优化方法及装置 |
| CN114519295A (zh) * | 2021-12-30 | 2022-05-20 | 清华大学 | 天线权值参数的优化方法及装置 |
| CN116882149A (zh) * | 2023-07-03 | 2023-10-13 | 中国电子科技集团公司第五十四研究所 | 一种基于混合差分果蝇优化算法的天线阵列综合方法 |
Non-Patent Citations (2)
| Title |
|---|
| MPLS网络加速梯度粒子群算法建立最佳LSP研究;李艳超;葛文萍;徐洋;;光通信技术;20130901(09);全文 * |
| 差分进化算法在阵列天线问题中的应用;王方华;张鹰;;江苏科技信息;20160310(07);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117473882A (zh) | 2024-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3406059B1 (en) | Method for decoding symbol and receiver for receiving and decoding symbol | |
| CN106054123B (zh) | 一种稀疏l阵及其二维doa估计方法 | |
| CN110824415B (zh) | 一种基于多发多收阵列的稀疏波达方向角度估计方法 | |
| CN110162847B (zh) | 基于添加特征策略的机器学习辅助天线设计方法 | |
| CN113128119B (zh) | 基于深度学习的滤波器逆向设计和优化方法 | |
| CN101420068B (zh) | 一种传感器天线阵列的布阵方法 | |
| WO2018032052A1 (en) | Optimisation of designs of electromagnetic devices | |
| CN110504555B (zh) | 一种网络幅相可分解的赋形阵列天线设计方法 | |
| CN102868432A (zh) | 一种双阶段神经网络下的盲波束形成装置及其形成方法 | |
| CN115081325B (zh) | 基于粒子群与遗传混合算法的透镜天线多目标优化方法 | |
| Jovanović et al. | Adaptive array beamforming using a chaotic beamforming algorithm | |
| CN117473882B (zh) | 基于多算法融合的天线阵列调整方法及系统 | |
| CN112149360A (zh) | 一种基于alo-lmbp神经网络的双陷波特性超宽带天线逆向建模研究方法 | |
| CN113030849B (zh) | 一种基于自编码器与并行网络的近场源定位方法 | |
| CN114423025B (zh) | 一种场景识别方法、装置、设备以及存储介质 | |
| CN115329655A (zh) | 基于先验知识神经网络的透镜天线多目标优化方法 | |
| CN113534146B (zh) | 一种雷达视频图像目标自动检测方法与系统 | |
| CN115372925A (zh) | 一种基于深度学习的阵列稳健自适应波束形成方法 | |
| CN115146544A (zh) | 一种采用知识和数据混合驱动的阵列天线设计方法 | |
| Park et al. | Angle tracking automatic beamforming for microwave power transfer systems | |
| CN112350757B (zh) | 一种基于单站阵型映射到mimo阵型的设计方法 | |
| Casula et al. | Structure-based evolutionary programming design of broadband wire antennas | |
| CN112019223B (zh) | 基于非凸线性回归的ads-b连续波干扰抑制方法 | |
| CN113740797B (zh) | 一种透镜阵列下的高精度单快拍目标到达角度估计方法 | |
| CN115242581B (zh) | 卷积神经网络的sub-6GHz辅助mmWave信道估计方法、装置及电子设备 |
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 |