CN121663191B - 基于改进非支配遗传算法的天线馈电幅相量化方法及系统 - Google Patents

Abstract

本发明公开了基于改进非支配遗传算法的天线馈电幅相量化方法及系统，属于相控阵天线技术领域。所述方法首先建立相控阵的远场方向图计算模型，随后利用改进非支配遗传算法，分两阶段对馈电的连续相位与连续幅度进行优化：第一阶段以最小化波束指向误差为目标，得到最优相位量化操作；第二阶段在相位优化结果基础上，以最小化波束最大副瓣电平为目标，得到最优幅度量化操作；最终生成用于直接驱动数字移相器与衰减器的控制信号。本发明通过引入随机量化区间阈值与误差协方差匹配技术，系统性地控制了幅相量化误差，结合精英保留与自适应遗传操作，有效协调了波束指向精度与副瓣抑制性能，显著提升了天线在量化误差影响下的综合电性能。

Description

基于改进非支配遗传算法的天线馈电幅相量化方法及系统

技术领域

本发明涉及相控阵天线技术领域，尤其涉及基于改进非支配遗传算法的天线馈电幅相量化方法及系统。

背景技术

在相控阵列系统中移相器和衰减器分别控制每个信号单元的相位和幅度，从而实现对波束方向的精确控制。数字移相器和衰减器由于结构简单、可靠性高而被广泛应用，然而数字器件的离散化特性导致幅度和相位调节存在误差，从而引起波束指向偏差、信号增益降低以及旁瓣干扰增强等问题。目前针对数字幅相量化误差的补偿方法主要包括：确定性舍入法，如四舍五入法、取整法，方法简单但会引入系统误差；传统随机幅相量化方法，通过预设的概率分布随机决定量化时“进位”或“舍尾”， 能够从统计意义上打破误差的周期性，但由于每次量化决策都是概率性的，无法确保针对某一次特定的波束指向需求都能获得最优的量化结果。

对于一个q位的数字衰减器，p位的数字移相器的组合而言，其输出的最小幅值衰减量(表示衰减器的最大衰减量)，最小相移量，这意味着当给定一个连续幅值和相位的理想天线激励后，需要对激励的幅相进行量化取整，然后以最小幅值衰减量和最小相移量整数倍的形式输出激励的幅值衰减和相移。对连续形式的理想幅相激励进行量化取整时，传统就近舍入方法会引入显著量化误差，导致较高的波束指向误差和副瓣电平抬升。

为降低馈电幅相量化误差对天线电性能的影响，需要对馈电幅相的量化操作进行更加合理的决策。如在论文“SLL Degradation due to Quantized Phase Control inModerate Phased Arrays”中，Kochar和Vinoy提出了一种基于有序二元决策图的算法，用于补偿模拟相控阵中相位量化导致的最高旁瓣电平恶化；如在论文“Sidelobe-reductiontechniques for phased arrays using digital phase shifters”中，Goto提出了一种基于最小均方方向图误差准则的系统化相位调整方法，通过单步优化特定阵元相位，在采用4位移相器的非互易相控阵中实现了特定波束指向下超9dB的峰值旁瓣抑制；如在论文“Two-Dimensional Quantization Method for Phased-Array Scanning”中，Chris基于二维阵列相位量化误差分布提出固定量化操作表法，在旁瓣抑制和指向精度方面表现出优越性能。

从上述方案能够看出，针对于天线幅相量化误差对天线电性能的影响，已经提出了一系列天线馈电幅相的量化方法来减小量化误差的负面影响。然而纵观现状，现有研究仍存在明显不足：

多数方法仅关注幅度或相位单一量化误差，未能综合考虑幅相量化误差的耦合效应对天线性能的综合影响；同时，现有方法多针对波束指向或副瓣电平等单一性能指标进行优化，缺乏对阵列天线综合电性能的协同优化策略。特别是在基于Pareto支配的多目标优化方法中，决策者仍需选择最终方案，且算法复杂度较高，不利于工程实时应用；而以往的随机量化或单目标优化方法往往无法同时有效控制天线指向精度与副瓣电平。

本申请使用的幅相量化方法在算法层面引入改进的非支配排序遗传算法，能够在复杂的解空间中找到性能优异的幅相量化组合，从算法基础上保证了找到的解是逼近Pareto最优的；在策略层面采用分阶段协同优化框架，将高维耦合问题分解为两个相对独立的低维问题，大幅降低了优化复杂度和计算时间，在相位阶段，通过遗传算法确保找到的是指向误差最小的方案；在幅度阶段，是在这个“最优相位”的基础上寻找副瓣最小的方案。保证了最终输出结果是该优化框架下的全局最优解，而非一个随机结果；在机制层面引入随机量化区间阈值，缩小了搜索空间。

发明内容

为解决背景技术中存在的技术问题，本发明提出基于改进非支配遗传算法的天线馈电幅相量化方法及系统。

本发明提出的基于改进非支配遗传算法的天线馈电幅相量化方法，包括以下步骤：

S1、获取相控阵天线的阵元结构参数与全部阵元的理想幅相激励；

S2、利用电磁场理论模型处理阵元结构参数，得到相控阵的远场方向图计算模型；

S3、获取预设的改进非支配遗传算法参数与随机量化区间阈值；

S4、利用改进非支配遗传算法处理理想幅相激励中的连续相位、远场方向图计算模型和随机量化区间阈值，通过第一阶段优化得到使波束指向误差最小的最优相位量化操作；

S5、利用改进非支配遗传算法处理理想幅相激励中的连续幅度、最优相位量化操作、远场方向图计算模型和随机量化区间阈值，通过第二阶段优化得到使波束最大副瓣电平最小的最优幅度量化操作；

S6、根据所述最优相位量化操作与所述最优幅度量化操作，生成用于直接配置数字移相器与数字衰减器的驱动控制信号，并将所述驱动控制信号输出至相控阵天线馈电系统。

优选地，所述阵元结构参数包括阵元坐标向量、相控阵的工作频率以及阵元方向图函数；所述远场方向图计算模型具体为：

；

其中，表示远场方位角；表示远场俯仰角；表示相控阵阵元个数；表示号阵元的幅值激励；表示号阵元的相位激励；表示方向上的单位向量；为自由空间波数；为虚数单位；为远场观察点方向上的辐射电场；为天线阵元位置矢量；为方向上的阵元方向图。

优选地，步骤S4具体包括：

S41、根据所述理想连续相位与所述相位随机量化区间阈值，生成由多个相位量化操作个体组成的初始种群；

S42、将初始种群中的每个相位量化操作个体代入远场方向图计算模型，计算出对应的波束指向误差，并将所述波束指向误差作为第一个体适应度值；

S43、根据第一个体适应度值，采用基于排序的轮盘赌选择机制从当前相位种群中筛选出第一父代个体；

S44、对第一父代个体执行单点交叉与随机位点变异操作以生成第一子代个体；

S45、采用精英保留策略，将当前相位种群中适应度最优的第一子代个体直接保留至下一代相位种群；

S46、迭代执行步骤S42至步骤S45，直至达到预设的第一最大演化代数或第一个体适应度值满足预设的适应度第一阈值；

S47、从最终相位种群中选取第一个体适应度值最优的个体，将所述最优的个体所代表的相位量化操作作为最优相位量化操作。

优选地，步骤S5具体包括：

S51、根据所述理想连续幅度与所述幅度随机量化区间阈值，生成初始幅度种群，所述初始幅度种群包含多个幅度量化操作个体；

S52、将当前幅度量化操作个体与所述最优相位量化操作组合形成幅相量化方案，并代入远场方向图计算模型以计算对应的波束最大副瓣电平值；

S53、记录当前幅度量化操作个体及其对应的波束最大副瓣电平值至幅值优化结果集合；

S54、采用基于排序的轮盘赌选择机制，根据所述波束最大副瓣电平值从当前幅度种群中筛选出第二父代个体；

S55、对所述第二父代个体执行单点交叉与随机位点变异操作，生成第二子代个体；

S56、采用精英保留策略更新幅度种群，并重复执行步骤S52至S55，直至达到预设的第二最大演化代数；

S57、在所有记录的幅值优化结果集合中，判断是否存在波束最大副瓣电平值小于等于预设的理想副瓣电平阈值的幅度量化操作；若存在，则将其记录为最优幅度量化操作；若不存在，则筛选出波束最大副瓣电平最小值对应的幅度量化操作，作为所述最优幅度量化操作。

优选地，所述精英保留策略包括：

从当代种群中识别出适应度值最优的精英个体；

将所述精英个体直接保留至下一代种群；

将经遗传操作生成的新个体填充至下一代种群的剩余位置。

优选地，所述随机量化区间阈值通过误差协方差匹配技术确定，以确保量化误差的数学期望为零。

优选地，所述生成用于直接配置数字移相器与数字衰减器的驱动控制信号，具体包括：

将所述最优相位量化操作转换为对应的相位控制字，所述相位控制字为数字移相器最小相移量的整数倍；

将所述最优幅度量化操作转换为对应的幅度控制字，所述幅度控制字为数字衰减器最小衰减量的整数倍；

将所述相位控制字与幅度控制字组合形成驱动控制信号，并将所述驱动控制信号输出至相控阵天线馈电系统，用以配置各阵元的数字移相器与数字衰减器。

本发明提出的基于改进非支配遗传算法的天线馈电幅相量化系统，包括：

数据获取模块，用于获取相控阵天线的阵元结构参数与全部阵元的理想幅相激励；

模型构建模块，用于利用电磁场理论模型处理阵元结构参数，得到相控阵的远场方向图计算模型；

数据获取模块，还用于获取预设的改进非支配遗传算法参数与随机量化区间阈值；

第一优化模块，用于利用改进非支配遗传算法处理理想幅相激励中的连续相位、远场方向图计算模型和随机量化区间阈值，通过第一阶段优化得到使波束指向误差最小的最优相位量化操作；

第二优化模块，用于利用改进非支配遗传算法处理理想幅相激励中的连续幅度、最优相位量化操作、远场方向图计算模型和随机量化区间阈值，通过第二阶段优化得到使波束最大副瓣电平最小的最优幅度量化操作；

信号生成模块，用于根据所述最优相位量化操作与所述最优幅度量化操作，生成用于直接配置数字移相器与数字衰减器的驱动控制信号，并将所述驱动控制信号输出至相控阵天线馈电系统。

本发明中，所提出的基于改进非支配遗传算法的天线馈电幅相量化方法及系统，通过构建分阶段协同优化框架与引入随机量化区间阈值机制，实现了波束指向精度与副瓣抑制能力的协同提升，有效克服了传统量化方法中幅相误差耦合导致的性能劣化问题；其采用的改进遗传算法通过精英保留与自适应选择策略，显著增强了大规规模阵列优化中的收敛速度与稳定性，同时通过误差期望为零的系统性设计从根源上抑制了量化误差的传播；最终生成的幅相控制信号与多种硬件配置兼容，形成了从算法优化到硬件驱动的完整技术链条，在保障高精度波束控制的同时兼具优良的工程适用性。

附图说明

图1为本发明提出的基于改进非支配遗传算法的天线馈电幅相量化方法的工作流程图；

图2为本发明提出的基于改进非支配遗传算法的天线馈电幅相量化方法的实施方式的角度和向量关系示意图；

图3为本发明提出的基于改进非支配遗传算法的天线馈电幅相量化方法的一种实施方式的工作流程示意图；

图4为本发明提出的基于改进非支配遗传算法的天线馈电幅相量化方法的移相器、衰减器组合1配置下角度相扫结果对比图；

图5为本发明提出的基于改进非支配遗传算法的天线馈电幅相量化方法的移相器、衰减器组合2配置下角度相扫结果对比图；

图6为本发明提出的基于改进非支配遗传算法的天线馈电幅相量化方法的移相器、衰减器组合3配置下角度相扫结果对比图；

图7为本发明提出的基于改进非支配遗传算法的天线馈电幅相量化方法的移相器、衰减器组合4配置下角度相扫结果对比图；

图8为本发明提出的基于改进非支配遗传算法的天线馈电幅相量化方法的移相器、衰减器组合1配置下扫描单次结果对比图；

图9为本发明提出的基于改进非支配遗传算法的天线馈电幅相量化方法的移相器、衰减器组合2配置下扫描单次结果对比图；

图10为本发明提出的基于改进非支配遗传算法的天线馈电幅相量化方法及移相器、衰减器组合3配置下扫描单次结果对比图；

图11为本发明提出的基于改进非支配遗传算法的天线馈电幅相量化方法的移相器、衰减器组合4配置下扫描单次结果对比图；

图12为本发明提出的基于改进非支配遗传算法的天线馈电幅相量化系统的系统架构示意图。

具体实施方式

参照图1-11，本发明提出的基于改进非支配遗传算法的天线馈电幅相量化方法，包括以下步骤：

S1、获取相控阵天线的阵元结构参数与全部阵元的理想幅相激励。

S2、利用电磁场理论模型处理阵元结构参数，得到相控阵的远场方向图计算模型。

在本实施例中，阵元结构参数包括阵元坐标向量、相控阵的工作频率以及阵元方向图函数；远场方向图计算模型具体为：

；

其中，表示远场方位角；表示远场俯仰角；表示相控阵阵元个数；表示号阵元的幅值激励；表示号阵元的相位激励；

表示方向上的单位向量；为自由空间波数；为虚数单位；为远场观察点方向上的辐射电场；为天线阵元位置矢量；为方向上的阵元方向图。

具体地，通过相控阵天线的阵元排布形式确定相控阵的工作频率，确定阵元方向图。

在本实施例中，相控阵的远场方向图计算模型建立的同时还建立了相控阵的远场方向图计算模型的优化模型，优化模型的优化评估过程包括：将幅相量化问题建模为多目标优化问题，改进后的算法使用启发式随机搜索方法通过设定阈值和随机概率来决策量化操作，其评估过程依赖于方向图函数，将方向图函数当作“评估器”，对每一次随机生成的量化方案进行“打分”，最终选出得分最高的方案。具体地，在优化开始前，将理想连续幅相激励代入初始远场方向图函数，以获取无量化误差影响下的理想电性能基准。进入模型优化阶段后，算法依据量化误差与预设阈值，随机生成多个候选的幅相离散化方案。将这些候选方案逐一输入基础计算模型，即可计算出每个方案对应的方向图。随后，评估系统通过对比所有方案的方向图性能，主要是波束指向精度与副瓣电平，筛选出综合性能最优的一组幅相量化方案，该方案为最优幅相量化方案。

S3、获取预设的改进非支配遗传算法参数与随机量化区间阈值。

在本实施例中，随机量化区间阈值通过误差协方差匹配技术确定，以确保量化误差的数学期望为零。

在本实施例中，改进非支配遗传算法在传统的非支配遗传算法求解流程方面核心优化了分阶段协同优化策略，将两个互相耦合值幅度和相位进行解耦，在相位优先优化阶段，以最小化波束指向误差为唯一目标。在固定理想幅值激励的条件下，利用改进非支配遗传算法在大量随机相位量化方案中进行搜索，快速锁定能使波束指向最接近理想方向的最优相位量化操作组合，在幅度协同优化阶段方面，在已确定最优相位方案的基础上，以最小化波束最大副瓣电平为目标。算法在最优相位的基础上，继续搜索最优的幅度量化方案，最终筛选出能使副瓣电平最低的最优幅度量化操作组合。分阶段策略的目的是避免同时优化多个目标时容易陷入的局部帕累托前沿，使算法搜索路径更清晰，收敛性更好。

在本实施例中，引入了随机量化区间阈值, 阈值的设定是基于量化误差数学期望为0的统计理论误差控制方法，而非基于经验设定，理论分析阈值设定为0.5时，随机量化过程退化为就近舍入当阈值设定为0时，变为完全随机取舍，导致误差方差过大，收敛性变差。为了平衡，阈值范围为0-0.5间, 通过阈值约束，避免传统完全随机方法无法确保单次补偿效果最优的困难。

S4、利用改进非支配遗传算法（NSGA-Ⅲ）处理理想幅相激励中的连续相位、远场方向图计算模型和随机量化区间阈值，通过第一阶段优化得到使波束指向误差最小的最优相位量化操作。

在本实施例中，步骤S4具体包括：

S41、根据理想连续相位与相位随机量化区间阈值，生成由多个相位量化操作个体组成的初始种群；

S42、将初始种群中的每个相位量化操作个体代入远场方向图计算模型，计算出对应的波束指向误差，并将波束指向误差作为第一个体适应度值；

S43、根据第一个体适应度值，采用基于排序的轮盘赌选择机制从当前相位种群中筛选出第一父代个体；

S44、对第一父代个体执行单点交叉与随机位点变异操作以生成第一子代个体；

S45、采用精英保留策略，将当前相位种群中适应度最优的第一子代个体直接保留至下一代相位种群；

S46、迭代执行步骤S42至步骤S45，直至达到预设的第一最大演化代数或第一个体适应度值满足预设的适应度第一阈值；

S47、从最终相位种群中选取第一个体适应度值最优的个体，将最优的个体所代表的相位量化操作作为最优相位量化操作。

S5、利用改进非支配遗传算法处理理想幅相激励中的连续幅度、最优相位量化操作、远场方向图计算模型和随机量化区间阈值，通过第二阶段优化得到使波束最大副瓣电平最小的最优幅度量化操作。

在本实施例中，步骤S5具体包括：

S51、根据理想连续幅度与幅度随机量化区间阈值，生成初始幅度种群，初始幅度种群包含多个幅度量化操作个体；

S52、将当前幅度量化操作个体与最优相位量化操作组合形成幅相量化方案，并代入远场方向图计算模型以计算对应的波束最大副瓣电平值；

S53、记录当前幅度量化操作个体及其对应的波束最大副瓣电平值至幅值优化结果集合；

S54、采用基于排序的轮盘赌选择机制，根据波束最大副瓣电平值从当前幅度种群中筛选出第二父代个体；

S55、对第二父代个体执行单点交叉与随机位点变异操作，生成第二子代个体；

S56、采用精英保留策略更新幅度种群，并重复执行步骤S52至S55，直至达到预设的第二最大演化代数；

S57、在所有记录的幅值优化结果集合中，判断是否存在波束最大副瓣电平值小于等于预设的理想副瓣电平阈值的幅度量化操作；若存在，则将其记录为最优幅度量化操作；若不存在，则筛选出波束最大副瓣电平最小值对应的幅度量化操作，作为最优幅度量化操作。

在本实施例中，精英保留策略包括：

从当代种群中识别出适应度值最优的精英个体；

将精英个体直接保留至下一代种群；

将经遗传操作生成的新个体填充至下一代种群的剩余位置。

S6、根据最优相位量化操作与最优幅度量化操作，生成用于直接配置数字移相器与数字衰减器的驱动控制信号，并将驱动控制信号输出至相控阵天线馈电系统。

在本实施例中，生成用于直接配置数字移相器与数字衰减器的驱动控制信号，具体包括：

将最优相位量化操作转换为对应的相位控制字，相位控制字为数字移相器最小相移量的整数倍；

将最优幅度量化操作转换为对应的幅度控制字，幅度控制字为数字衰减器最小衰减量的整数倍；

将相位控制字与幅度控制字组合形成驱动控制信号，并将驱动控制信号输出至相控阵天线馈电系统，用以配置各阵元的数字移相器与数字衰减器。

实施例1

以一个规模的等间距线阵为对象，阵元间距为半波长，阵元为理想的全向天线，天线工作在30GHZ，激励的幅值由理想最大副瓣电平-30dB，等副瓣个数5的泰勒加权形式确定，在忽略阵元互耦的基础上，则对于该线阵，其在平面内的方向图函数如下所示：；

其中，为辐射电场；表示远场俯仰角；表示相控阵阵元个数，从0到23，共24个阵元；表示号阵元的幅值激励；表示号阵元的相位激励；为虚数单位；为自由空间波数；表示两个阵元间间距；表示第m个阵元。

在本实施例中，以全部阵元馈电幅度和相位的量化操作为优化变量，建立多目标优化模型，目标函数为最小化以下三项函数：

其中，分别为当前量化操作下波束的实际方位角和俯仰角，分别为理想波束指向的方位角和俯仰角，FSLL为当前量化操作下的最大副瓣电平；为理想副瓣电平。(H)为方位角实际值与理想值间的差值，(H)为俯仰角实际值与理想值间的差值，(H)和(H)控制波束指向精度，(H)控制副瓣电平抑制。

在相位优化阶段，主要优化和即波束指向误差，通过生成不同量化方案代入方向图模型计算实际波束指向，在已确定最优量化方案的基础上优化，即副瓣电平，以为适应度值筛选副瓣最小的幅度方案。

在本实施例中，适应度函数的构建与评估的过程具体包括：获取由候选解组成的优化种群矩阵，其中矩阵的每一行代表一个候选解，每一列对应一个待优化的幅相量化参数。在波束方向图的评估中，设定远场角度的采样点个数为18001，以覆盖-90°至+90°的扫描范围并保证计算精度。通过构建的适应度函数，对阵列天线的波束形成参数进行优化；该函数通过综合评估波束方向图的波束指向误差与最大副瓣电平两项关键性能指标，计算得到一个综合适应度值，用以引导算法高效寻找全局最优解。

在本实施例中，配置改进非支配遗传算法的核心参数如下：种群规模设置为80，最大演化代数为100。在每一代的演化中，首先根据个体的适应度值进行排序，并采用基于排序的轮盘赌选择机制，保留前40个优良个体作为父代。随后，对父代个体执行单点交叉操作，交叉点随机选择，并以0.05的变异率对随机选择的基因位进行翻转变异。为保障算法的收敛性并防止优良基因丢失，采用精英保留策略，将当代种群中适应度最优的个体不经过遗传操作而直接保留到下一代中。

在本实施例中，分阶段进行优化，先优化相位再优化幅度并通过设定随机区间阈值，控制量化误差的期望为零。

具体地，定义单个阵元的幅度和相位量化操作，当时，对幅度进行舍尾量化，当时，对幅度进行进位量化，相位量化规则同理；对连续相位信号进行随机量化得到馈相值并计算归一化相位量化误差，令为设定的相位随机量化区间阈值，当时，对当前相位进行向下取整；当时，依据概率、随机生成相位量化取舍；当时，对当前相位进行向上取整，这样进行相位取舍保证了在当前相位随机量化规则下，生成随机相位量化误差的数值期望为0。随机量化馈相值计算公式如下：

其中，表示随机量化馈相值，表示当前连续馈电相位值，为最小相移量，为归一化相位量化误差，为设定区间量化阈值，为随机取舍概率，，。

在本实施例中，如图3所示，进行相位优化的第一阶段优化执行过程具体包括：根据所需优化的相位量化操作数量，定义遗传算法个体基因的长度。对于这些操作位，依据其归一化量化误差值，按概率随机生成0（代表向下取整）或1（代表向上取整）来填充，从而生成初始种群。其中，优化过程由此开始：基于个体的适应度值（即波束指向误差），采用基于排序的轮盘赌选择机制筛选父代个体；随后执行单点交叉和随机位点变异操作生成子代；同时，采用精英保留策略将当代最优个体直接保留至下一代。此过程循环迭代，直至波束指向误差满足预设阈值或达到最大演化代数，最终输出最优相位量化操作。

在本实施例中，如图3所示，进行幅度优化的第二阶段优化执行过程具体包括：初始化幅度优化循环，并根据幅度量化操作数量定义个体基因长度。同样，依据幅度量化误差的概率分布，随机生成由0和1组成的序列来初始化种群。在每一代中，将当前幅度量化操作个体与第一阶段得到的最优相位量化操作组合，形成完整的幅相量化方案，并代入方向图函数计算模型。计算该方案在保证波束指向误差最小的前提下的波束最大副瓣电平值，并将其记录至结果集合。遗传算法的选择、交叉、变异及精英保留策略与相位优化阶段类似。此阶段循环进行，直到达到最大演化代数。最终，从所有记录的方案中，筛选出使波束最大副瓣电平值最小的幅度量化操作，作为最优幅度量化方案，并输出最优幅度量化方案。将前述得到的最优相位量化操作与最优幅度量化操作进行组合，生成可直接驱动数字移相器与数字衰减器的最终幅相量化控制信号，并输出至相控阵天线馈电系统。

具体地，如下表1所示，给出了不同位数的数字移相器与数字衰减器组合配置，包括组合1-组合4，为了验证不同幅相量化阈值设定下NSGA-Ⅲ幅相量化方法的优化效果，分别在设定量化阈值的条件下进行了四组量化仿真，为相位量化阈值，表示幅度量化阈值。幅值相位量化随机循环次数各设定为100次，最大迭代优化次数取值根据不同硬件组合调整，种群数量为80，交叉概率0.5，参与变异个体概率0.5，变异率0.05，采样点数依据角度范围[-90:90]在角分辨率为0.01情况下取值18001。如下表2所示，给出了表1中组合1-组合4在不同随机幅相量化方法下的指向性能数据对比。如下表3所示，给出了表1中组合1-组合4在不同随机幅相量化方法下的副瓣抑制性能数据对比。如下表4所示，给出了表1中组合1-组合4在不同随机幅相量化方法下的单次指向性能数据对比。如下表4所示，给出了表1中组合1-组合4在不同随机幅相量化方法下的单次副瓣抑制性能数据对比。

表1. 数字移相器和数字衰减器组合

表2 改进随机幅相量化方法指向性能对比

表3 改进随机幅相量化方法副瓣抑制性能对比改

表4 改进随机幅相量化方法单次指向性能对比

表5 改进随机幅相量化方法单次副瓣抑制性能对比改

在本实施例中，如图8-图11所示，反映了表2-表5的对应波形曲线，由此可得出，在扫描角度上分别进行单次模拟实验，以验证改进幅相量化方法的单次求解优化。相较于就近舍入量化方法，随机幅相量化方法实现了20.16%–63.01%的指向精度提升，同时抑制了副瓣抬升幅度0.05dB–1.92dB。而改进幅相随机量化方法则实现了27.58%-71.23%的指向精度提升，同时抑制副瓣抬升0.43dB-2.52dB。

参照图1-12，本发明提出的基于改进非支配遗传算法的天线馈电幅相量化系统，包括：

数据获取模块，用于获取相控阵天线的阵元结构参数与全部阵元的理想幅相激励；

模型构建模块，用于利用电磁场理论模型处理阵元结构参数，得到相控阵的远场方向图计算模型；

数据获取模块，还用于获取预设的改进非支配遗传算法参数与随机量化区间阈值；

第一优化模块，用于利用改进非支配遗传算法处理理想幅相激励中的连续相位、远场方向图计算模型和随机量化区间阈值，通过第一阶段优化得到使波束指向误差最小的最优相位量化操作；

第二优化模块，用于利用改进非支配遗传算法处理理想幅相激励中的连续幅度、最优相位量化操作、远场方向图计算模型和随机量化区间阈值，通过第二阶段优化得到使波束最大副瓣电平最小的最优幅度量化操作；

信号生成模块，用于根据最优相位量化操作与最优幅度量化操作，生成用于直接配置数字移相器与数字衰减器的驱动控制信号，并将驱动控制信号输出至相控阵天线馈电系统。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (8)

1.基于改进非支配遗传算法的天线馈电幅相量化方法，其特征在于，包括以下步骤：

S1、获取相控阵天线的阵元结构参数与全部阵元的理想幅相激励；

S2、利用电磁场理论模型处理阵元结构参数，得到相控阵的远场方向图计算模型；

S3、获取预设的改进非支配遗传算法参数与随机量化区间阈值；

S4、利用改进非支配遗传算法处理理想幅相激励中的连续相位、远场方向图计算模型和随机量化区间阈值，通过第一阶段优化得到使波束指向误差最小的最优相位量化操作；

S5、利用改进非支配遗传算法处理理想幅相激励中的连续幅度、最优相位量化操作、远场方向图计算模型和随机量化区间阈值，通过第二阶段优化得到使波束最大副瓣电平最小的最优幅度量化操作；

S6、根据所述最优相位量化操作与所述最优幅度量化操作，生成用于直接配置数字移相器与数字衰减器的驱动控制信号，并将所述驱动控制信号输出至相控阵天线馈电系统。

2.根据权利要求1所述的基于改进非支配遗传算法的天线馈电幅相量化方法，其特征在于，所述阵元结构参数包括阵元坐标向量、相控阵的工作频率以及阵元方向图函数；所述远场方向图计算模型具体为：

；

其中，表示远场方位角；表示远场俯仰角；表示相控阵阵元个数；表示号阵元的幅值激励；表示号阵元的相位激励；表示方向上的单位向量；为自由空间波数；为虚数单位；为远场观察点方向上的辐射电场；为天线阵元位置矢量；为方向上的阵元方向图。

3.根据权利要求1所述的基于改进非支配遗传算法的天线馈电幅相量化方法，其特征在于，步骤S4具体包括：

S41、根据所述理想幅相激励中的连续相位与所述步骤S4的随机量化区间阈值，生成由多个相位量化操作个体组成的初始种群；

S42、将初始种群中的每个相位量化操作个体代入远场方向图计算模型，计算出对应的波束指向误差，并将所述波束指向误差作为第一个体适应度值；

S43、根据第一个体适应度值，采用基于排序的轮盘赌选择机制从当前相位种群中筛选出第一父代个体；

S44、对第一父代个体执行单点交叉与随机位点变异操作以生成第一子代个体；

S45、采用精英保留策略，将当前相位种群中适应度最优的第一子代个体直接保留至下一代相位种群；

S46、迭代执行步骤S42至步骤S45，直至达到预设的第一最大演化代数或第一个体适应度值满足预设的适应度第一阈值；

S47、从最终相位种群中选取第一个体适应度值最优的个体，将所述最优的个体所代表的相位量化操作作为最优相位量化操作。

4.根据权利要求1所述的基于改进非支配遗传算法的天线馈电幅相量化方法，其特征在于，步骤S5具体包括：

S51、根据所述理想幅相激励中的连续幅度与所述步骤S5的随机量化区间阈值，生成初始幅度种群，所述初始幅度种群包含多个幅度量化操作个体；

S52、将当前幅度量化操作个体与所述最优相位量化操作组合形成幅相量化方案，并代入远场方向图计算模型以计算对应的波束最大副瓣电平值；

S53、记录当前幅度量化操作个体及其对应的波束最大副瓣电平值至幅值优化结果集合；

S54、采用基于排序的轮盘赌选择机制，根据所述波束最大副瓣电平值从当前幅度种群中筛选出第二父代个体；

S55、对所述第二父代个体执行单点交叉与随机位点变异操作，生成第二子代个体；

S56、采用精英保留策略更新幅度种群，并重复执行步骤S52至S55，直至达到预设的第二最大演化代数；

S57、在所有记录的幅值优化结果集合中，判断是否存在波束最大副瓣电平值小于等于预设的理想副瓣电平阈值的幅度量化操作；若存在，则将其记录为最优幅度量化操作；若不存在，则筛选出波束最大副瓣电平最小值对应的幅度量化操作，作为所述最优幅度量化操作。

5.根据权利要求3或4所述的基于改进非支配遗传算法的天线馈电幅相量化方法，其特征在于，所述精英保留策略包括：

从当代种群中识别出适应度值最优的精英个体；

将所述精英个体直接保留至下一代种群；

将经遗传操作生成的新个体填充至下一代种群的剩余位置。

6.根据权利要求1所述的基于改进非支配遗传算法的天线馈电幅相量化方法，其特征在于，所述随机量化区间阈值通过误差协方差匹配技术确定，以确保量化误差的数学期望为零。

7.根据权利要求1所述的基于改进非支配遗传算法的天线馈电幅相量化方法，其特征在于，所述生成用于直接配置数字移相器与数字衰减器的驱动控制信号，具体包括：

将所述最优相位量化操作转换为对应的相位控制字，所述相位控制字为数字移相器最小相移量的整数倍；

将所述最优幅度量化操作转换为对应的幅度控制字，所述幅度控制字为数字衰减器最小衰减量的整数倍；

将所述相位控制字与幅度控制字组合形成驱动控制信号，并将所述驱动控制信号输出至相控阵天线馈电系统，用以配置各阵元的数字移相器与数字衰减器。

8.基于改进非支配遗传算法的天线馈电幅相量化系统，其特征在于，包括：

数据获取模块，用于获取相控阵天线的阵元结构参数与全部阵元的理想幅相激励；

模型构建模块，用于利用电磁场理论模型处理阵元结构参数，得到相控阵的远场方向图计算模型；

数据获取模块，还用于获取预设的改进非支配遗传算法参数与随机量化区间阈值；

第一优化模块，用于利用改进非支配遗传算法处理理想幅相激励中的连续相位、远场方向图计算模型和随机量化区间阈值，通过第一阶段优化得到使波束指向误差最小的最优相位量化操作；

第二优化模块，用于利用改进非支配遗传算法处理理想幅相激励中的连续幅度、最优相位量化操作、远场方向图计算模型和随机量化区间阈值，通过第二阶段优化得到使波束最大副瓣电平最小的最优幅度量化操作；

信号生成模块，用于根据所述最优相位量化操作与所述最优幅度量化操作，生成用于直接配置数字移相器与数字衰减器的驱动控制信号，并将所述驱动控制信号输出至相控阵天线馈电系统。