[发明专利]基于量子启发式引力搜索算法的阵列方向图综合方法

说明书

本发明公开了一种基于量子启发式引力搜索算法的阵列方向图综合方法，包括以下步骤：采集待优化阵列的信息，明确阵列天线需形成方向图的要求；根据阵列信息，进行种群初始化；计算方向图；计算适应度值；更新候选解集；选择量子势阱、更新种群位置；若适应度值满足精度要求或者达到最大迭代次数，输出根据期望方向图确定的阵元激励的幅度和相位。本发明方法仅有一个控制参数：压缩‑扩张系数，相比传统的智能算法，具有控制参数少、易于调试的特点。

技术领域

本发明涉及阵列天线技术，尤其涉及一种基于量子启发式引力搜索算法的阵列方向图综合方法。

背景技术

阵列天线已广泛应用于雷达、通信、电子对抗等领域中，不同的应用需求要求阵列天线能够形成特殊的方向图。例如：警戒搜索雷达要求形成余割平方波束，使接收信号的强度只与目标的高度有关，而与目标的距离无关；跟踪雷达一般采用主瓣窄、增益高的笔状波束；电子对抗系统和卫星通信系统，为实现对敌多目标、全方位的有效干扰和提高通信容量、频谱利用率，常要求形成多波束方向图。

阵列综合是根据阵列辐射方向图来确定阵列参数(包括阵元激励、阵元数目、阵元排布等)的过程。但随着阵列天线应用需求的复杂化，传统的阵列综合技术，比如切比雪夫法等解析方法和共轭梯度法等数值方法，显得十分乏力；相比于前者，受自然规律、物种群居习性等现象启发，以寻找最优解为目的的智能算法，凭借不需要依赖相关的梯度信息、不需要精确数学模型、具有随机性和稳健性等优点，得到了快速发展，被普遍用于解决阵列综合等复杂的高维非线性优化问题。典型的智能算法有遗传算法、粒子群算法、引力搜索算法等。但其在优化过程中均存在着种群多样性衰减、早熟收敛的问题；此外，这些基本的智能优化算法在处理大型面阵的方向图综合问题时，存在计算速度慢的问题。

因此，建立一种多样性更强、全局搜索能力更强的智能算法，并应用阵列综合与设计，是十分有必要的。本发明针对这一挑战，提出一种基于量子启发式引力搜索算法的阵列方向图综合技术，能够根据期望方向图准确出综合出阵元激励的幅度和相位，指导阵列天线的设计。

发明内容

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于量子启发式引力搜索算法的阵列方向图综合方法。

本发明解决其技术问题所采用的技术方案是：一种基于量子启发式引力搜索算法的阵列方向图综合方法，包括以下步骤：

1)采集待优化阵列的信息，包括:单元数目、单元间距、阵列类型；明确阵列天线需形成方向图的要求，包括：形状、主瓣宽度、副瓣电平、扫描方向；

2)种群初始化：根据阵列信息，随机产生N个搜索空间内的粒子X_i＝(x_i1,x_i2,…x_ij…,x_iD)，i＝1,2,...,N，每一维分量x_ij均满足x_ij∈[x_min,x_max]，j＝1,2,3,…D；其中,N为种群大小，即候选解的个数；D为空间维数，与单元数目有关；x_ij为粒子的位置坐标，对应第j个单元的激励幅相；

3)计算方向图

若目标阵列为小型阵列(单元数目小于100)，则按基本公式计算方向图；

若目标阵列为大型面阵，采用基于IFFT的方向图快速计算方法计算方向图：

上式中，

其中，floor表示取整操作；M和N分别为x向和y向的采样点数，对K×L的面阵，要求M＞＞K、N＞＞L，数据不足部分补零；dx和dy分别为x向和y向的单元间距；λ为波长；θ和分别为俯仰角和方位角；I(m,n)为第(m,n)个单元的复激励；AF为阵列的阵因子；