[发明专利]动态支配和平均分布择优的方向图优化方法

说明书

本发明提供了一种动态支配和平均分布择优的方向图优化方法，采用具有动态支配因子的非支配策略进行分类，选择粒子时通过当前面上粒子的平均分配程度选择最优粒子，同时约束部分目标函数的取值范围，进行多目标方向图优化，并且给出了一个具体方向图设计的实施方式。本发明通过动态支配和平均分布择优的方向图优化方法，能够提高优化的收敛速度，使得优化得到的最优粒子平均分布于最优面，而且能够有效降低多目标优化算法的计算量。

技术领域

本发明涉及一种低旁瓣与控制零陷的方向图综合方法，属于阵列信号处理领域。

背景技术

在通信系统中，天线阵列的合成方向图在很多应用环境中要求实现低副瓣，实现信号的准确接收或者最大功率的定向发射，并且在干扰方向实现零陷来抑制干扰，低副瓣和具有零陷的阵列方向图优化作为一个多目标优化问题，在阵列信号处理领域是一个非常重要的研究问题。

目前最主要的多目标阵列方向图优化方法主要有非支配分类遗传算法(NSGA-II)、分解的多目标进化算法(MOEA/D)等优化方法。

非支配分类遗传算法由于其高复杂度与收敛速度慢，并且最优粒子分布不均匀的特性，在多目标方向图优化的过程中很难得到最优粒子面，分解的多目标进化算法采用多组权值系数将多目标进行整合，将多目标优化问题分解为多个子问题进行优化，在阵列方向图优化时，由于阵列方向图零陷函数值进化范围跳变较大，采用此方法得到的最优粒子很容易聚集在一起，并无法收敛到最优。

发明内容

为了克服现有技术的不足，本发明提供一种动态支配和平均分布择优的方向图优化方法，采用具有动态支配因子的非支配策略进行分类，选择粒子时通过当前面上粒子的平均分配程度选择最优粒子，同时约束部分目标函数的取值范围，进行多目标方向图优化，并且给出了一个具体方向图设计的实施方式。本发明通过动态支配和平均分布择优的方向图优化方法，能够提高优化的收敛速度，使得优化得到的最优粒子平均分布于最优面，而且能够有效降低多目标优化算法的计算量。

本发明解决其技术问题所采用的技术方案包括以下步骤：

1)对于一个由2n个等幅等相阵元构成的线阵，关于原点对称，其阵列方向图表示为其中n≥1，θ为入射信号方位角，λ为入射信号波长，x_r为第r个阵元的位置，取值范围是[0.25λ,λ]；原点右侧n个阵元的位置在取值范围内随机取值，生成一个粒子f；依次生成N个粒子，构成初始种群P，N≥2；设置M个目标函数f₁,f₂,...,f_M，分别表示在粒子f取值下的目标函数值；

2)将当前种群P中全部的粒子按照动态非支配策略进行分类，定义动态非支配策略为：如果p、q是种群中的两个不同粒子，p₁,p₂,...,p_M为粒子p取值下的目标函数值，q₁,q₂,...,q_M为粒子q取值下的目标函数值，那么当且仅当p_i≤α_M(q_j-p_j)+q_i，i,j∈{1,...,M}且i≠j，并且存在一组i,j使得p_i＜α_M(q_j-p_j)+q_i时p支配q；其中动态支配因子和为正数支配因子和负数支配因子，T为总的迭代次数，t为当前迭代次数；

3)采用锦标赛选择策略，选用交叉概率p_c和进化概率p_m得到子种群，子种群数量与初始种群数量相同，将子种群与原来的种群进行合并，得到合并种群；