[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

摘要

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。

主权项

1.一种基于量子启发式引力搜索算法的阵列方向图综合方法，其特征在于，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)根据阵列信息，进行种群初始化：根据阵列信息，随机产生N个搜索空间内的粒子Xi＝(xi1,xi2,…xij…,xiD)，i＝1,2,...,N，每一维分量xij均满足xij∈[xmin,xmax]，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；xij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，则按基本公式计算方向图；所述小型阵列为单元数目小于100的阵列；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；4)计算适应度值fitness，根据方向图要求，设计合适的适应度函数，计算适应度函数值；5)更新候选解集Kbest：选取适应度较优的K个个体作为最优候选集；6)选择量子势阱、更新种群位置：将候选解集Kbest的位置设置Delta势阱中心，每个粒子按照轮盘赌规则，随机选择Kbest中的一个个体作为量子势阱进行位置更新，更新公式如下Xi(k+1)＝Pi+α·|Pi‑Xi(k)|·ln(1/u)ifS＞0.5Xi(k+1)＝Pi‑α·|Pi‑Xi(k)|·ln(1/u)ifS＜0.5其中，Pi为第i个粒子所选择的量子势阱；u、S为0到1之间的随机数；α称为压缩‑扩张系数，也是算法的唯一控制参数；k为当前的迭代次数，Xi(k)为第i个粒子当前的位置，Pi为第i个粒子所选择的量子势阱；u、S为0到1之间的随机数；α为压缩‑扩张系数，也是算法的唯一控制参数；Xi(k)为更新后的位置；7)终止条件判断：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；否则，重复步骤3)至步骤6)。