CN1725556A - 基于遗传算法的智能天线复合波束形成方法 - Google Patents
基于遗传算法的智能天线复合波束形成方法 Download PDFInfo
- Publication number
- CN1725556A CN1725556A CN 200510010159 CN200510010159A CN1725556A CN 1725556 A CN1725556 A CN 1725556A CN 200510010159 CN200510010159 CN 200510010159 CN 200510010159 A CN200510010159 A CN 200510010159A CN 1725556 A CN1725556 A CN 1725556A
- Authority
- CN
- China
- Prior art keywords
- gen
- theta
- des
- subarray
- array
- 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
Landscapes
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
基于遗传算法的智能天线复合波束形成方法,它涉及的是移动通信天线技术领域。它解决了现有基于遗传算法的阵列波束形成方法,存在适应度函数式过于复杂,及对适应度函数中优化参数权值的选择非常敏感的问题。它的算法步骤为:第一步:计算出每个信号源的波达角;第二步:根据自适应阵元分配原则,把阵元划分成增强期望子阵列和抵消干扰子阵列;第三步:将增强期望子阵列的阵元和抵消干扰子阵列的阵元分别由各自的优化遗传算法形成各自波束赋形;而得到优化权值;第四步:对增强期望子阵列和抵消干扰子阵列两部分权卷积复合得到最终复合权;第五步:计算得到优化的复合波束图。本发明能降低其参数权值选择的复杂度,能容易找出一组最优参数权值。
Description
技术领域:
本发明涉及的是移动通信天线技术领域。
背景技术:
当代及未来移动通信领域,智能天线是必选的先进技术。它可以在有用信号入射方向保持高增益,在干扰信号入射方向形成零陷。从而消除干扰,增加系统的容量。在宽带移动通信中,干扰的数目往往大于天线阵列的数目。在此情况下,天线方向图不可能在各个干扰来波方向都形成零陷来抑制干扰的影响,而只能选择在最强的若干个干扰方向上形成零陷,同时采用低旁瓣设计来抑制其它方向干扰。另外,还要求天线能够在有用信号方向上获得最大的增益值,因此,需要在期望信号的来波方向形成主瓣,并且主瓣宽度应尽可能窄以抑制对邻近角度用户的干扰。由此看来,方向图的综合和优化是一个多目标多参数的非线性优化问题,而遗传算法在解决这类多目标多参数的非线性优化问题上有很大的优势,它可以弥补传统算法容易收敛至局部最优点的缺陷,更容易获得全局最优。目前很多学者对基于遗传算法的阵列波束图优化进行了深入研究,但这些已有的方法都不同程度地存在两个问题:1.适应度函数式过于复杂,计算量大;在遗传算法中适应度函数的复杂程度将直接影响着遗传算法的收敛速度和计算量;适应度函数越复杂,函数收敛越慢;在同样的收敛速度下,适应度函数越复杂,整个遗传算法的计算复杂度就越高。由于目前已有的基于遗传算法的智能天线波束形成算法中将期望主波瓣的优化和干扰抑制同时进行,目标函数相当复杂,因此,严重的影响了算法的收敛速度,需要较高的计算量。2.对适应度函数中优化参数权值的选择非常敏感;遗传算法要达到最佳性能,所有参数权值必须同时取得最优值,即满足每个约束条件,要找到这样一组最优参数权值,将非常困难。
发明内容:
本发明的目的是为了克服现有基于遗传算法的阵列波束形成方法,存在适应度函数式过于复杂、计算量过大,及对适应度函数中优化参数权值的选择非常敏感,而使得最优权值的寻找非常困难的问题,进而提供了一种基于遗传算法的智能天线复合波束形成方法。它的复合算法步骤为:
第一步骤:计算出每个信号源的波达角;
第二步骤:根据自适应阵元分配原则,把现有阵元划分成增强期望子阵列和抵消干扰子阵列两部分;两部分的阵元个数分别为:m1,m2;且适应度函数分别为:
上述公式中θ0为计算波达角,θdes为期望信号的波达角;SLL0为计算最大相对旁瓣电平,SLLdes为设计最大相对旁瓣电平;NULLθi为干扰方向θi的计算零陷值,NULLdes_θi为干扰方向θi的期望零陷值;θBWFN,θBWFN_des分别为计算3dB波束宽度和设计3dB波束宽度;κ1κ2κ3κ4为权值系数,作用是调整每个参数变化对于目标函数的贡献;
第三步骤:将增强期望子阵列的阵元和抵消干扰子阵列的阵元分别由各自的优化遗传算法形成各自的波束赋形;从而得到两个子阵列的优化权值向量,且权值向量分别为w1,w2;
第四步骤:对增强期望子阵列和抵消干扰子阵列两部分权卷积复合得到最终复合权,即w=w1*w2;其中复合权向量的维数为:m1+m2-1;
第五步骤:根据公式:
得到阵列复合波束图;其中,wi为复合权向量中的第i个元素;β为相位传播因子,β=2π/λ,λ代表波长,Δx代表阵元距离差,θ为波达角。
本发明能降低其参数权值选择的复杂度,能容易的找出设计波束图所对应的一组最优权值(如图1),并具有计算量小、简单、实用的优点。
附图说明:
图1是本发明复合算法生成的波束与现有算法生成的波束之间的比较图。
具体实施方式:
具体实施方式一:它的复合算法步骤为:
第一步骤:计算出每个信号源的波达角;
第二步骤:根据自适应阵元分配原则,把现有阵元划分成增强期望子阵列和抵消干扰子阵列两部分;两部分的阵元个数分别为:m1,m2;且适应度函数分别为:
上述公式中θ0为计算波达角,θdes为期望信号的波达角;SLL0为计算最大相对旁瓣电平,SLLdes为设计最大相对旁瓣电平;NULLθi为干扰方向θi的计算零陷值,NULLdes_θi为干扰方向θi的期望零陷值;θBWFN,θBWFN_des分别为计算3dB波束宽度和设计3dB波束宽度;κ1κ2κ3κ4为权值系数,作用是调整每个参数变化对于目标函数的贡献;
第三步骤:将增强期望子阵列的阵元和抵消干扰子阵列的阵元分别由各自的优化遗传算法形成各自的波束赋形;从而得到两个子阵列的优化权值向量,且权值向量分别为w1,w2;
第四步骤:对增强期望子阵列和抵消干扰子阵列两部分权卷积复合得到最终复合权,即w=w1*w2;其中复合权向量的维数为:m1+m2-1;
第五步骤:根据公式:
得到阵列复合波束图;其中,wi为复合权向量中的第i个元素;β为相位传播因子,β=2π/λ,λ代表波长,Δx代表阵元距离差,θ为波达角。
具体实施方式二:在具体实施方式一的第二步骤中所述的自适应阵元分配原则为:
第一原则:分配增强期望子阵列(压低旁瓣)的原则为:主波瓣宽度和天线孔径长度的关系为:3dB波束宽度φ3dB≈λ/L,其中λ为波长,L为天线孔径长度;当阵元间隔为λ/2,阵元个数为N,则L=λ/2×N;
第二原则:分配抵消干扰子阵列的原则为:根据N+1个天线阵元数最大只能抑制N个干扰的原则,及遗传算法的收敛速度和鲁棒性的因素,选N+3个阵元长度来抑制N个干扰;
第三原则:考虑计算复杂度,在满足上述分配原则的前提下,使增强期望子阵列和抵消干扰子阵列两部分的阵元数相当,能更多的降低计算复杂度。
具体实施方式三:在具体实施方式一的第三步骤中所述的增强期望子阵列的优化遗传算法形成波束赋形的方法步骤为:
第一步骤:设阵元个数为m1,即变量个数为m1,初始化种群,实数编码,即随机产生N1个个体,这里N1为变量个数的2倍;
第二步骤:对种群根据适应度函数进行适应度检测;适应度函数为:
第三步骤:选择,这里采用基于排序的选择机制,先将种群中的个体按照优劣降序排列;序号为i的个体被选中的概率为:
在这里是代数gen的分段不连续函数;为了防止早熟,在代数较低的时候,a(gen)值较小,当代数增加的时候,a(gen)值变大;
第四步骤:交叉,这里的交叉概率是自适应改变的;关系表达式为:
每个个体按照交叉概率进行算术交叉操作;
第五步骤:变异,这里的变异概率是自适应改变的,关系表达式为:
每个个体按照变异概率进行变异操作,其中Vi″=Vi′+M·d,这里M为任一指定数,Vi″、Vi′、d为m1维向量;
第六步骤:重复第二步骤到第五步骤,直到满足条件,即是否满足最高设计旁瓣电平、主瓣宽度值。
具体实施方式四:在具体实施方式一的第三步骤中所述的抵消干扰子阵列的优化遗传算法形成波束赋形的方法步骤:
第一步骤:设阵元个数为m2,即变量个数为m2,初始化种群,实数编码,即随机产生N2个个体,这里N2为变量个数的2倍;
第二步骤:对种群根据适应度函数进行适应度检测;适应度函数为:
第三步骤:选择,这里采用基于排序的选择机制,先将种群中的个体按照优劣降序排列;序号为i的个体被选中的概率为:
在这里是代数gen的分段不连续函数;为了防止早熟,在代数较低的时候,a(gen)值较小,当代数增加的时候,a(gen)值变大;
第四步骤:交叉,这里的交叉概率是自适应改变的;关系表达式为:
每个个体按照交叉概率进行算术交叉操作;
第五步骤:变异,这里的变异概率是自适应改变的,关系表达式为:
每个个体按照变异概率进行变异操作,其中Vi″=Vi′+M·d,这里M为任一指定数,Vi″、Vi′、d为m2维向量;;
第六步骤:重复第二步骤到第五步骤,直到满足条件,即是否满足零陷设计深度。
Claims (4)
1、基于遗传算法的智能天线复合波束形成方法,其特征在于它的复合算法步骤为:
第一步骤:计算出每个信号源的波达角;
第二步骤:根据自适应阵元分配原则,把现有阵元划分成增强期望子阵列和抵消干扰子阵列两部分;两部分的阵元个数分别为:m1,m2;且适应度函数分别为:
上述公式中θ0为计算波达角,θdes为期望信号的波达角;SLL0为计算最大相对旁瓣电平,SLLdes为设计最大相对旁瓣电平;NULLθi为干扰方向θi的计算零陷值,NULLdes_θi为干扰方向θi的期望零陷值;BWFN,θBWFN_des分别为计算3dB波束宽度和设计3dB波束宽度;κ1κ2κ3κ4为权值系数,作用是调整每个参数变化对于目标函数的贡献;
第三步骤:将增强期望子阵列的阵元和抵消干扰子阵列的阵元分别由各自的优化遗传算法形成各自的波束赋形;从而得到两个子阵列的优化权值向量,且权值向量分别为w1,w2;
第四步骤:对增强期望子阵列和抵消干扰子阵列两部分权卷积复合得到最终复合权,即w=w1*w2;其中复合权向量的维数为:m1+m2-1;
第五步骤:根据公式:
得阵列复合波束图;其中,wi为复合权向量中的第i个元素;β为相位传播因子,β=2π/λ,λ代表波长,Δx代表阵元距离差,θ为波达角。
2、根据权利要求1所述的基于遗传算法的智能天线复合波束形成方法,其特征在于它的第二步骤中所述的自适应阵元分配原则为:
第一原则:分配增强期望子阵列的原则为:主波瓣宽度和天线孔径长度的关系为:3dB波束宽度φ3dB≈λ/L,其中λ为波长,L为天线孔径长度;当阵元间隔为λ/2,阵元个数为N,则L=λ/2×N;
第二原则:分配抵消干扰子阵列的原则为:根据N+1个天线阵元数最大只能抑制N个干扰的原则,及遗传算法的收敛速度和鲁棒性的因素,选N+3个阵元长度来抑制N个干扰;
第三原则:考虑计算复杂度,在满足上述分配原则的前提下,使增强期望子阵列和抵消干扰子阵列两部分的阵元数相当,能更多的降低计算复杂度。
3、根据权利要求1所述的基于遗传算法的智能天线复合波束形成方法,其特征在于它的第三步骤中所述的增强期望子阵列的优化遗传算法形成波束赋形的方法步骤为:
第一步骤:设阵元个数为m1,即变量个数为m1,初始化种群,实数编码,即随机产生N1个个体,这里N1为变量个数的2倍;
第二步骤:对种群根据适应度函数进行适应度检测;适应度函数为:
第三步骤:选择,这里采用基于排序的选择机制,先将种群中的个体按照优劣降序排列;序号为i的个体被选中的概率为:
在这里是代数gen的分段不连续函数;为了防止早熟,在代数较低的时候,α(gen)值较小,当代数增加的时候,α(gen)值变大;
第四步骤:交叉,这里的交叉概率是自适应改变的;关系表达式为:
每个个体按照交叉概率进行算术交叉操作;
第五步骤:变异,这里的变异概率是自适应改变的,关系表达式为:
每个个体按照变异概率进行变异操作,其中Vi″=Vi′+M·d,这里M为任一指定数,Vi″、Vi′、d为m1维向量;
第六步骤:重复第二步骤到第五步骤,直到满足条件,即是否满足最高设计旁瓣电平、主瓣宽度值。
4、根据权利要求1所述的基于遗传算法的智能天线复合波束形成方法,其特征在于它的第三步骤中所述的抵消干扰子阵列的优化遗传算法形成波束赋形的方法步骤为:
第一步骤:设阵元个数为m2,即变量个数为m2,初始化种群,实数编码,即随机产生N2个个体,这里N2为变量个数的2倍;
第二步骤:对种群根据适应度函数进行适应度检测;适应度函数为:
第三步骤:选择,这里采用基于排序的选择机制,先将种群中的个体按照优劣降序排列;序号为i的个体被选中的概率为:
在这里是代数gen的分段不连续函数;为了防止早熟,在代数较低的时候,α(gen)值较小,当代数增加的时候,α(gen)值变大;
第四步骤:交叉,这里的交叉概率是自适应改变的;关系表达式为:
每个个体按照交叉概率进行算术交叉操作;
第五步骤:变异,这里的变异概率是自适应改变的,关系表达式为:
每个个体按照变异概率进行变异操作,其中Vi″=Vi′+M·d,这里M为任一指定数,Vi″、 Vi′、d为m2维向量;;
第六步骤:重复第二步骤到第五步骤,直到满足条件,即是否满足零陷设计深度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2005100101592A CN100342586C (zh) | 2005-07-07 | 2005-07-07 | 基于遗传算法的智能天线复合波束形成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2005100101592A CN100342586C (zh) | 2005-07-07 | 2005-07-07 | 基于遗传算法的智能天线复合波束形成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1725556A true CN1725556A (zh) | 2006-01-25 |
CN100342586C CN100342586C (zh) | 2007-10-10 |
Family
ID=35924849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2005100101592A Expired - Fee Related CN100342586C (zh) | 2005-07-07 | 2005-07-07 | 基于遗传算法的智能天线复合波束形成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100342586C (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010015108A1 (zh) * | 2008-08-07 | 2010-02-11 | 上海贝尔阿尔卡特股份有限公司 | 针对单小区mbms传输的合成波束赋形方法和系统 |
CN101825715A (zh) * | 2010-04-30 | 2010-09-08 | 中国电子科技集团公司第五十四研究所 | 一种卫星导航接收设备波束形成的方法 |
CN101349742B (zh) * | 2008-08-29 | 2010-12-29 | 西安电子科技大学 | 用于宽带相控阵阵元间距优化和频域多目标测频测向方法 |
CN102316469A (zh) * | 2010-06-30 | 2012-01-11 | 华为技术有限公司 | 配置天线参数的方法及系统 |
CN101145819B (zh) * | 2007-10-23 | 2012-04-04 | 武汉虹信通信技术有限责任公司 | 一种实现智能天线的方法和装置 |
CN101262264B (zh) * | 2006-04-27 | 2012-08-08 | 索尼株式会社 | 无线通信系统、无线通信装置以及无线通信方法 |
CN104090260A (zh) * | 2014-07-15 | 2014-10-08 | 哈尔滨工程大学 | 一种用于搜索doa估计最优天线布放的方法 |
CN105187105A (zh) * | 2015-08-05 | 2015-12-23 | 上海交通大学 | 智能天线波束赋形中采用中心天线改善零陷的优化方法 |
CN105205253A (zh) * | 2015-09-18 | 2015-12-30 | 电子科技大学 | 一种稀布圆形天线阵列的优化方法 |
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 |
CN108965183A (zh) * | 2018-08-01 | 2018-12-07 | 南京邮电大学 | 基于优化目标函数的无线通信方向调制方法 |
CN113708894A (zh) * | 2021-08-30 | 2021-11-26 | 电子科技大学 | 一种空时分组码空间调制系统中的收发天线选择方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1179856A (zh) * | 1996-01-27 | 1998-04-22 | 摩托罗拉有限公司 | 天线阵中用于自适应波束成型的装置以及方法 |
CN1589054A (zh) * | 2004-09-03 | 2005-03-02 | 北京邮电大学 | 一种基于信号到达角检测的上行自适应波束成形方法 |
-
2005
- 2005-07-07 CN CNB2005100101592A patent/CN100342586C/zh not_active Expired - Fee Related
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101262264B (zh) * | 2006-04-27 | 2012-08-08 | 索尼株式会社 | 无线通信系统、无线通信装置以及无线通信方法 |
CN101145819B (zh) * | 2007-10-23 | 2012-04-04 | 武汉虹信通信技术有限责任公司 | 一种实现智能天线的方法和装置 |
WO2010015108A1 (zh) * | 2008-08-07 | 2010-02-11 | 上海贝尔阿尔卡特股份有限公司 | 针对单小区mbms传输的合成波束赋形方法和系统 |
CN101349742B (zh) * | 2008-08-29 | 2010-12-29 | 西安电子科技大学 | 用于宽带相控阵阵元间距优化和频域多目标测频测向方法 |
CN101825715A (zh) * | 2010-04-30 | 2010-09-08 | 中国电子科技集团公司第五十四研究所 | 一种卫星导航接收设备波束形成的方法 |
CN101825715B (zh) * | 2010-04-30 | 2013-04-24 | 中国电子科技集团公司第五十四研究所 | 一种卫星导航接收设备波束形成的方法 |
CN102316469A (zh) * | 2010-06-30 | 2012-01-11 | 华为技术有限公司 | 配置天线参数的方法及系统 |
CN102316469B (zh) * | 2010-06-30 | 2014-03-05 | 华为技术有限公司 | 配置天线参数的方法及系统 |
CN104090260A (zh) * | 2014-07-15 | 2014-10-08 | 哈尔滨工程大学 | 一种用于搜索doa估计最优天线布放的方法 |
CN105187105A (zh) * | 2015-08-05 | 2015-12-23 | 上海交通大学 | 智能天线波束赋形中采用中心天线改善零陷的优化方法 |
CN105187105B (zh) * | 2015-08-05 | 2018-06-22 | 上海交通大学 | 智能天线波束赋形中采用中心天线改善零陷的优化方法 |
CN105205253A (zh) * | 2015-09-18 | 2015-12-30 | 电子科技大学 | 一种稀布圆形天线阵列的优化方法 |
CN105205253B (zh) * | 2015-09-18 | 2018-10-12 | 电子科技大学 | 一种稀布圆形天线阵列的优化方法 |
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 |
CN106407549B (zh) * | 2016-09-12 | 2019-09-10 | 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 |
CN108965183A (zh) * | 2018-08-01 | 2018-12-07 | 南京邮电大学 | 基于优化目标函数的无线通信方向调制方法 |
CN108965183B (zh) * | 2018-08-01 | 2020-12-01 | 南京邮电大学 | 基于优化目标函数的无线通信方向调制方法 |
CN113708894A (zh) * | 2021-08-30 | 2021-11-26 | 电子科技大学 | 一种空时分组码空间调制系统中的收发天线选择方法 |
CN113708894B (zh) * | 2021-08-30 | 2022-06-07 | 电子科技大学 | 一种空时分组码空间调制系统中的收发天线选择方法 |
Also Published As
Publication number | Publication date |
---|---|
CN100342586C (zh) | 2007-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100342586C (zh) | 基于遗传算法的智能天线复合波束形成方法 | |
Kuwahara | Multiobjective optimization design of Yagi-Uda antenna | |
CN111143983B (zh) | 基于改进水循环算法的稀布天线阵列低副瓣综合优化方法 | |
CN110427590B (zh) | 基于自适应概率学习的大型稀疏阵列天线高效综合方法 | |
CN106772256A (zh) | 一种有源相控阵雷达天线子阵划分方法 | |
CN113252998B (zh) | 相控阵天线和、差波束信号电平的平坦度优化方法 | |
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 | |
CN106602279A (zh) | 双波束天线系统 | |
CN104102775A (zh) | 一种基于旁瓣抑制的电调寄生天线波束优化方法 | |
CN110649943A (zh) | 一种通过多个子波束叠加设计波束宽度的波束扫描方法 | |
CN112926271B (zh) | 一种基于混合遗传算法的线性阵列子阵划分方法 | |
CN101651982A (zh) | 一种基于New-Memetic算法的波束成型方法 | |
CN105024166A (zh) | 基于子阵的平面阵列天线方向图综合方法 | |
CN1588699A (zh) | 阵列天线优化增益赋形方法 | |
CN114510879B (zh) | 一种任意间隔直线阵列端射增强的相位配置方法 | |
CN114784505A (zh) | 一种提高连续波雷达收发阵列的隔离度方法 | |
CN112307588B (zh) | 一种非均匀抛物线阵列天线设计方法 | |
CN115037352A (zh) | 一种面向卫星波束对准增强的降噪方法 | |
CN114865332A (zh) | 多波束天线提升波束交叠电平的超材料结构及其设计方法 | |
CN107436970A (zh) | 基于序列二次规划的三坐标雷达赋形方向图设计方法 | |
CN113517570A (zh) | 一种异形八木天线及其波束控制方法 | |
CN111211425A (zh) | 一种超大扫描角的不规则子阵排布优化方法 | |
CN116632561B (zh) | 一种稀布高增益天线阵列设计方法、存储介质 | |
Fan et al. | A low sidelobe sparse array antenna | |
CN112350757B (zh) | 一种基于单站阵型映射到mimo阵型的设计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20071010 |