[发明专利]宽频带天线阵列实时综合方法

权利要求书

1.一种宽频带天线阵列实时综合方法，其特征在于，包括以下步骤：

1)将天线模型在工作频段上进行离散，使用电磁数值方法离线仿真出各个频点上的方向图，使用BP神经网络，附加动量学习规则，将频率、方向角作为神经网络输入变量，仿真出天线在此方向上的场强作为输出变量，离线训练神经网络至收敛，将训练好的神经网络及粒子群优化算法写入可编程逻辑器件；

2)对于实时需求的最大幅射方向，将神经网络作为替代电磁仿真的替代模型进行综合优化，使用粒子群优化算法，优化计算得出每个天线阵元所需的馈电源的振幅和相位；

3)将优化得出的振幅、相位输出至信号源部分的放大器和移相器，完成天线综合控制，返回步骤2)等待下一条综合需求。

2.如权利要求1所述的宽频带天线阵列实时综合方法，其特征在于，所述粒子群优化算法具体步骤为：

A.初始化粒子群：确定粒子群大小NP，粒子群算法迭代次数NG，初始化随机分布粒子位置，计算每个粒子的适应度并将初始化粒子中最优解作为全局最优，初始化粒子作为个体最优；

B.更新粒子群，粒子群的运动方程如下：

v(t)＝ω·v(t-1)+c₁·(lbest-x(t))+c₂·(gbest-x(t))

x(t+1)＝x(t)+c₃·v(t)

其中ω取为1-0.6·(i/NP)，v(t)为第t次迭代粒子的速度，x(t)为第t次迭代粒子的位置，i为粒子群算法的本次迭代次数，c₁、c₂、c₃为常数，lbest为每个粒子搜索过的个体最优解，gbest为所有粒子搜索过的全局最优解；

C.计算粒子适应度，更新个体最优解与全局最优解；粒子适应度的计算使用神经网络替代模型进行计算，如下：

其中，j为虚数，分别为球坐标下的方向角，表示天线阵的幅射方向，为天线元的远场场强，为天线阵的远场场强，x,y为天线元的相对位置，由将输入神经网络得到，Amplitude(x,y)、Phase(x,y)分别为天线元的幅值和相位，k为电波传播常数，这样对每个粒子，此次迭代产生的适应度，与个体最优相比，取较优的为个体最优解，与全局最优相比，取较优的为全局最优解；

D.判断是否达到迭代NG次，若是，则输出全局最优解，若否，则返回步骤B。

3.如权利要求2所述的宽频带天线阵列实时综合方法，其特征在于，所述c₁、c₂取2，c₃取0.5。

4.如权利要求1所述的宽频带天线阵列实时综合方法，其特征在于，所述附加动量学习法即在传统BP学习方法基础上，在加权调节时赋予更新动量，以调出训练的局部最优解，具体更新规则如下式：

ω(t+1)=ω(t)-(1-a)η∂ET∂ω(t)+aΔω(t)]]>

其中Δω(t)＝ω(t)-ω(t-1)，ω(t)表示第t次学习后神经网络各节点的权重向量，η表示神经网络的训练学习权重，E_T为神经网络的训练误差，a为动量因子。

5.如权利要求4所述的宽频带天线阵列实时综合方法，其特征在于，所述动量因子a取0.95。