[发明专利]基于多目标量子蜘蛛群演化机制的环形天线阵列稀疏方法

说明书

本发明提供一种基于多目标量子蜘蛛群演化机制的环形天线阵列稀疏方法，建立环形天线阵列稀疏模型，设置恰当的系统参数，并初始化种群中每只蜘蛛在解空间中的量子位置和{0,1}编码位置。设计多目标适应度函数。计算种群中每只蜘蛛的重量，根据重量划分蜘蛛的性别。根据初始种群，生成初始精英解集。从精英解集中选取全局最优解和次优解。然后分别更新雌性蜘蛛和雄性蜘蛛的量子位置，并根据量子位置通过测量的方式转化为{0,1}编码位置。更新精英解集，并更新种群中所有蜘蛛的重量。最后判断是否达到最大迭代次数，如果达到最大迭代次数，则输出精英解集；否则返回迭代。本发明解决了多目标环形天线阵列稀疏构建这样的高维度离散多目标问题。

技术领域

本发明涉及一种基于多目标量子蜘蛛群演化机制的环形天线阵列稀疏方法，属于智能阵列天线技术领域。

背景技术

近年来随着科技的快速发展，各个领域对天线技术的要求也日益增高。为了使得天线满足快速发展的科技所带来的需求，天线技术有了快速的崛起与发展，许多新型天线应运而生，其中包括天线阵列。天线阵列是将许许多多天线单元按一定排列方式摆放，使它们的辐射场矢量叠加，以得到总辐射场来满足实际应用中的高增益和高方向性要求。庞大的天线阵列表现出的优秀效果，使得天线阵列成为一些工程中必不可少的部分。

在一些雷达及卫星天线系统中，天线阵列由成千甚至上万的天线单元组成，采用幅度相位加权法来改善天线阵列的方向性后，天线阵列的馈电网络将变得十分复杂以至于难以实现。复杂的系统设备，也会使得系统的故障率和检修难度加大，这样不光投入的成本会大大增加，同时对计算机系统处理数据的能力提出了更高的要求。

在许多实际工程应用中，对天线阵列只要求有窄的扫描波束，而对增益没有过高的要求，例如抗环境干扰的卫星接收天线、高频地面雷达天线和射电天文中的干涉阵列天线等等。而天线阵列主波束宽度与口径最大尺寸有关，增益与照射口径面积有关，所以在这些实际工程中可以采用阵列稀疏的方法来构造出高方向性的稀疏天线阵列。稀疏后的天线阵列减小了系统设备的复杂度，因而也降低了系统的故障率，降低了建造、维护成本，同时加快了系统的运行速度，提高了实用性。但是天线单元的周期性变稀会使得方向图出现非常高的旁瓣，稀疏之后天线阵列方向图效果比起满布时就会变差很多。由于稀疏天线阵列方向图的旁瓣与天线单元的摆放位置有很大的关系，因此需要对稀疏阵列中阵元位置进行优化以降低其旁瓣。所以如何用稀疏后较少的天线单元尽量逼近满布时的效果，达到所期望的目的并满足约束条件，就成为天线阵列技术领域要解决的关键问题，同时也是在现代通信领域发挥重要作用的智能天线领域中的一个关键问题。因此本发明基于量子编码和所提出的多目标蜘蛛群演化机制，提出基于多目标量子蜘蛛群演化机制的环形天线阵列稀疏方法。该方法可求出在不同布满率情况下，稀疏环形天线阵的最大相对旁瓣电平。很好的处理了{0,1}编码的多目标求解问题，可以获得很好的分布多样性。本发明所提出的多目标量子蜘蛛群环阵稀疏方法可以有效解决环形天线阵列稀疏收敛速度和收敛精度的难题，解决了多目标环阵稀疏这个高维多目标离散问题。所设计的多目标量子蜘蛛群演化方法是解决离散多目标问题的新方法，现有文献中没有见过相关的报道，更没有把离散多目标量子蜘蛛群演化机制应用到圆阵稀疏这种工程难题的报道。

发明内容

本发明的目的是为了提供一种基于多目标量子蜘蛛群演化机制的环形天线阵列稀疏方法，把目前只能用于解决连续优化问题的蜘蛛群演化机制进行了改进，提出了多目标蜘蛛群演化机制，并与量子编码方法有机结合，融合了两者的优点，设计出新的可以解决离散问题的多目标量子蜘蛛群演化机制(Multi-objective Quantum Spider SwarmOptimization,MQSSO)，成功解决了环形天线阵列多目标求解难题，最终获得的非劣解集有很好的分布多样性。

本发明的目的是这样实现的：步骤一：建立平面环形天线阵列稀疏模型；

步骤二：设置系统参数，并初始化蜘蛛种群中每只蜘蛛在解空间中的量子位置和{0,1}编码位置；