[发明专利]一种分块并行的大型阵列快速自适应波束形成方法有效
申请号: | 202010239032.2 | 申请日: | 2020-03-30 |
公开(公告)号: | CN111562549B | 公开(公告)日: | 2023-05-30 |
发明(设计)人: | 陶海红;鲍俊竹;郭晶晶;任月;陈维佳;朱晨睿;瞿建;曾操;何学辉;廖桂生 | 申请(专利权)人: | 西安电子科技大学 |
主分类号: | G01S7/36 | 分类号: | G01S7/36 |
代理公司: | 西安嘉思特知识产权代理事务所(普通合伙) 61230 | 代理人: | 李园园 |
地址: | 710000 陕*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 分块 并行 大型 阵列 快速 自适应 波束 形成 方法 | ||
1.一种分块并行的大型阵列快速自适应波束形成方法,其特征在于,包括:
步骤1:对相控阵雷达接收的数据重新构造,得到接收数据块,包括:
将阵列接收的数据的所有阵元按列展开成一个列向量,每一个阵元对应一个接收数据行向量的形式,重新构造为接收数据块;
步骤2:根据粒子群算法搜索最优分块方式;
步骤3:根据搜索得到的最优分块方式或均匀分块方式对所述接收数据块进行分块,得到相应子数据块;
步骤4:对所有子数据块同时并行计算,得到各自对应的协方差矩阵;
步骤5:将阵列导向矢量按照所采用的最优分块方式或均匀分块方式相应地分成若干子导向矢量;其中,所述子导向矢量为:
a(θ0)=[a1(θ0),a2(θ0),…,ap(θ0),…,aP(θ0)];
其中,ap(θ0)表示第p个子数据块对应的子导向矢量;
步骤6:根据所述协方差矩阵的逆矩阵和对应的子导向矢量,得到每个子数据块对应的自适应抗干扰权值;
步骤7:将所述自适应抗干扰权值按照分块方式的顺序组合,得到全阵的自适应抗干扰权值。
2.根据权利要求1所述的大型阵列快速自适应波束形成方法,其特征在于,步骤2包括:
(2a)根据所述粒子群算法编码方式初始化种群,以生成初始状态;
(2b)根据适应度函数初始化种群最优位置;
(2c)根据所述种群最优位置更新粒子速度;
(2d)根据所述粒子速度更新粒子位置;
(2e)根据所述适应度函数计算粒子的适应度函数值以更新所述种群最优位置;
(2f)重复步骤(2b)~(2e)直至迭代次数达到预设最大迭代次数或者得到最优解;
(2g)根据所述种群最优位置确定最优分块方式。
3.根据权利要求2所述的大型阵列快速自适应波束形成方法,其特征在于,所述适应度函数的计算公式为:
Fitness=MSRL;
其中,Fitness表示适应度函数,MSRL表示自适应抗干扰权值的方向图的主副比,Pmax_sll(θ)表示方向图最大旁瓣值,Pmax(θ)表示方向图主瓣峰值;θ表示不同方向。
4.根据权利要求2所述的大型阵列快速自适应波束形成方法,其特征在于,在步骤(2c)中,所述粒子速度的计算公式为:
其中,vin表示第i个个体的第n维速度,vi=(vi1,vi2,…,viD)表示第i个个体的速度,n=1,2,…,D,D表示粒子群算法搜索空间的维数,k表示当前进化的代数,pbesti=(pi1,pi2,…,piD)表示第i个粒子当前搜索到的个体最优位置,pin第i个粒子当前搜索到的个体最优位置第n维坐标,gbesti=(g1,g2,…,gD)表示整个种群当前搜索到的全局最优位置,gn表示全局最优位置的第n维坐标,r1和r2是大小在0~1范围内的随机数,ω表示惯性因子,c1和c2表示加速常数,c1表示个体学习因子,c2表示全局学习因子。
5.根据权利要求4所述的大型阵列快速自适应波束形成方法,其特征在于,所述粒子位置的计算公式为其中,xin表示第i个粒子的第n维坐标,上标k表示代数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安电子科技大学,未经西安电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010239032.2/1.html,转载请声明来源钻瓜专利网。