[发明专利]基于遗传算法频率分集共形阵列波束的解耦合方法及天线

权利要求书

1.一种基于遗传算法的频率分集共形阵列距离-角度波束的解耦合方法，其特征在于，所述基于遗传算法的频率分集共形阵列距离-角度波束的解耦合方法使用全波电磁仿真软件提取频率分集共形阵列天线单元的有源单元方向图；通过构建频率分集共形阵列远场功率方向图，利用遗传算法对阵列单元的激励幅值，激励相位以及阵元间频率增量进行优化，实现频率分集共形阵列方向图的主瓣集中于期望的距离-角度区域，完成频率分集共形阵列距离-角度波束的解耦合；

所述基于遗传算法的频率分集共形阵列距离-角度波束的解耦合方法包括以下步骤：

步骤一，设置系统指标参数，根据系统指标要求设置频率分集共形阵列的阵元数目N，阵元间距d，中心频率f₀，选取阵列的共形载体，确定阵列的单元形式；

步骤二，获取频率分集共形阵列单元的有源单元方向图，使用全波电磁仿真软件得到N元频率分集共形阵列中的每个阵列单元的有源单元方向图其中，n＝0,…,N-1，θ是空间俯仰角，是空间方位角；

步骤三，构建频率分集共形阵列的远场功率方向图；

步骤四，优化频率分集共形阵列远场功率方向图，完成距离-角度波束的解耦合；

1)确定频率分集共形阵列阵元激励幅值的动态范围为[a_min,a_max]，激励相位的动态范围为[φ_min,φ_max]，频率增量的动态范围为[Δf_min,Δf_max]，确定遗传算法最大循环次数Gen_max，种群规模2N_p，并对种群个体Y_ij进行初始化，其中，i表示第i个个体，i＝1,2,...,2N_p，j表示第j个优化分量，j＝1,2,...,D，D为待优化变量数,D＝3N，N为频率分集共形阵列的阵元数目，{Y_ij|j＝1,2,...,N}对应的是阵元激励幅值优化分量，{Y_ij|j＝N+1,N+2,...,2N}对应的是阵元激励相位优化分量，{Y_ij|j＝2N+1,2N+2,...,3N}对应的是阵元间频率增量优化分量，各优化分量在其定义区间内随机产生；

2)确定种群个体的适应度fit(Y_ij)：

fit(Y_ij)＝w₁·(|P(R₀,θ₀)-P_d(R₀,θ₀)|)+w₂·(|SLL-SLL_d|)；

其中，P(R₀,θ₀)和P_d(R₀,θ₀)分别表示第Y_ij个个体在期望距离-角度处优化得到的阵列功率方向图及目标功率方向图，SLL表示优化所得的第Y_ij个个体的最大副瓣电平，SLL_d表示目标副瓣电平，w₁，w₂分别为权重系数；

3)适应度评估并进行选择：

根据计算出的种群个体适应度值按从小到大的顺序对种群个体排序，并依据轮盘赌准则选择N_p个优秀个体，选择所得的个体表示为Y_ij^s，其中i＝1,…,N_p，j＝1,…,3N，适应度值越大的个体被选择的概率越大，其概率表示为：

4)对选择的个体Y_ij^s进行交叉操作，获得交叉个体Y_ij^c：

对Y_ij^s中的个体按照适应度函数值首尾两两配对，进行交叉，交叉采用实数编码的交叉算子，假设进行交叉的个体分别为Y_i1j^s和Y_i2j^s，则交叉后所产生的新个体为：

其中，α是[0,1]内的随机数，所获得变异个体Y_ij^c中，i＝1,…,2N_p，j＝1,…,3N；

5)对交叉个体Y_ij^c进行变异操作，获得变异个体Y_ij^m：

在交叉个体中随机选择一个个体进行变异操作，假设所选择的个体为Y_i1j^c，则变异操作如下：

将所获得的变异个体表示为Y_ij^m；

6)将未变异的交叉个体与所获得的变异个体组成新的种群，重复执行2)～5)，直至满足优化目标要求或完成最大循环次数时，跳出循环并输出优化后的激励幅值，激励相位以及频率增量，并将其作为频率分集共形阵列的最终激励幅值A_n，激励相位Φ_n，以及频率增量ΔF_n；

7)计算最终的频率分集共形阵列的远场功率方向图，完成距离-角度波束的解耦合。