浅析基于遗传算法的智能天线波束形成

1、浅析基于遗传算法的智能天线波束形成摘要:为降低智能天线方向图旁瓣电平,加深干扰方向零点深度,提出一种改良的实数编码遗传算法。该算法基于人类的繁殖现象,改良了标准遗传算法的穿插算子,从而克制了标准遗传算法收敛速度慢,易陷入部分最优等问题,进步了优化效率。在仿真实验中,以均匀直线阵为例,用改良的遗传算法对阵元鼓励的幅度进展优化,形成的方向图获得了更好的结果。关键词:智能天线;波束形成;方向图;遗传算法;人类繁殖现象bea-fringfsartantennabasedngenetialgrithulin-jing,lijing-hua,angjing,nining(departentfeletrni

2、engineering,nrthesternplytehnialuniversity,xian710072,hina)keyrds:sartantenna;bea-fring;pattern;genetialgrith;huanreprdutinphenenn0引言智能天线波束形成是通过优化阵元的电流幅度或相位或阵元间距,使天线主波束对准期望信号,旁瓣和零陷对准干扰信号,从而接收有用信号,抑制干扰信号。由于天线优化问题中的目的函数或约束条件呈多参数、非线性、不可微甚至不连续,因此基于梯度寻优技术的传统数值优化方法无法有效求得工程上满意的结果。而遗传算法是模拟自然界生物进化机制开展起来的随机全局

3、搜索和优化方法,是一种高效、并行、全局搜索的方法,能自适应地控制搜索过程以求得最优解1。但是在智能天线应用领域中,标准遗传算法存在早熟,后期收敛速度慢、计算复杂等问题,于是提出了一些改良的遗传算法。文献2提出了一种基于排序的实数编码遗传算法,并应用于唯幅度控制等间距天线阵方向图综合。文献3提出交替使用两种遗传繁殖操作产生后代群体,以摆脱收敛对初始群体选择的依赖,应用于超低副瓣线阵天线的方向图综合;文献4采用复数编码,并用三个父代染色体线性穿插产生子代个体,将适应度高的个体选择到下一代。针对在标准遗传算法中,由于近亲繁殖,导致很多穿插操作无效的问题,对遗传算法的穿插算子进展了改良,并对阵元鼓励的

4、幅度进展了优化。实验结果说明,提出的改良方法是有效的。1基于遗传算法的波束形成1.1遗传算法根本步骤遗传算法的设计过程中包含了参数编码方式的选用、初始群体的建立、适应度函数的构造、遗传操作的设计、控制参数的设定。算法的收敛性取决于这五个方面的设计及数值精度和收敛速度的一些折衷。(1)编码(2)选择采用最正确保存选择,即首先通过轮盘赌方式选择染色体,然后选择当前种群中最高适应度值的染色体,作为父代染色体,直接保存到下一代,保证算法终止时最后结果为出现适应度最高的个体。(3)穿插1=(2p1+p2)/32=(p1+2p2)/33=(p1+p2)/2(1)(4)变异p=p(2)1.2改良的遗传算法在

5、遗传算法中,穿插操作是最重要的,是决定算法收敛性能的关键。但是标准遗传算法中,由于近亲繁殖,导致很多穿插操作无效,大大影响算法的收敛速度,甚至不能收敛到全局最优解。出现这一现象的根本原因是:当种群进化到一定阶段时,种群中会出现许多一样或相近的个体,很难产生出新的优良个体,而且两个父代个体中一样的基因越多,穿插操作产生出新个体的概率就越小,操作无效的概率就越大。针对以上问题,根据人类的繁殖方式,个体必须进展严格的远缘繁殖,对父代个体在穿插之前进展亲缘关系的检测,检测为近亲的父代个体不能直接穿插,要对其进展修正。文献5中对相关性进展了定义,并去掉所有与该个体不相关指数为0或1的个体,从而防止出现无

6、效的穿插操作;文献6中把适应度小的个体表现型编码的高位修改为与适应度大的个体表现型编码的高位不同的值。1.3线阵模型考虑由2n个各向同性辐射单元组成的均匀直线阵天线,那么天线波束(方向图)为:(3)利用方向图的对称性,可以减少待优化变量的数目,加快收敛7。假设阵元鼓励幅度关于阵中心对称,相位相等且均为0,那么线阵天线的归一化方向图为:f()=20lgni=1iiski-12ds/ni=1ii(4)2实验结果与分析天线方向图由阵元数目、分布形式、阵元间距、阵元的鼓励决定,控制这几个因素可以改变波束特征,如主瓣形状、副瓣电平、形成零陷等。其中,最大相对旁瓣电平和零点深度是评价天线性能的重要参数,在

7、阵元数目、阵元间距一定的情况下,用改良的遗传算法对阵元鼓励的幅度进展优化,以降低最大相对旁瓣电平,以及加深干扰方向零点的深度。2.1目的函数目的函数可定义为:f=sll(5)s=|090-0或90+0180(6)2.2遗传参数的设定(1)群体规模群体规模的大小直接影响到遗传算法的收敛性或计算效率。规模过小,容易收敛到部分最优解;规模过大,会造成计算速度降低。群体规模一般取20200。(2)穿插概率p遗传算法的参数中,穿插概率的选择是影响遗传算法行为和性能的关键,直接影响算法的收敛性。穿插概率越大,新个体产生的速度就越快,然而,穿插概率过大,遗传形式被破坏的可能性也越大,这将使具有高适应度的个体

8、构造很快就会被破坏;但是假如穿插概率过小,会使搜索过程缓慢,以致停滞不前。通常穿插概率p取0.60.9。(3)变异概率p(4)遗传算法的终止进化代数t遗传运算的终止进化代数作为一种模拟终止条件,一般视详细问题而定,t取值在100500之间。2.3实验结果图1降低最大相对旁瓣电平的方向图图2在67方向形成一个零点的方向图图3在40,50和60三个方向形成零点的方向图3结论将改良的遗传算法用于智能天线波束形成,仿真结果说明,形成的方向图与标准遗传算法相比,得到了较好的结果。说明对遗传算法所作的改良,在智能天线中降低旁瓣电平以及一定深度零点的形成方面,有很好的应用前景。但是,本文仅对阵元鼓励的幅度进

9、展了优化,还可以通过同时优化幅度和相位或阵元间距来满足天线的设计要求。参考文献1雷英杰,张善.atlab遗传算法工具箱及应用.西安:西安电子科技大学出版社,2002.2马云辉.阵列天线的遗传算法综合j.电波科学学报,2001,16(2):172-175.3李东风,龚中麟.遗传算法应用于超低副瓣线阵天线阵方向图综合j.电子学报,2022,31(1):82-83.4fanyu,jinrng-hng.synthesisfantennausingadifiedplexnuberdedgenetialgrithj.ieee,2022,8(4):2667-2669.5蔡良伟,李霞.遗传算法穿插操作的改良j.系统工程与电子