[发明专利]一种基于图像的群改进天牛角算法的光束指向优化方法

摘要

本发明公开了一种基于图像的群改进天牛角算法的光束指向优化方法，采用启发式寻优算法对光束指向问题进行校正，在实际的操作过程中，可有效针对系统振动、大气湍流、装配误差等难以预知的指向影响因素进行校正；可应用于复杂的光束发射系统中，选用图像信息作为反馈量并对其进行校正，并采用群体方式改进天牛角算法，可以有效抑制校正过程中的局部极值状态，保证指向校正过程中不会陷入局部极值，保证校正精度；本发明操作简单、易于实现，可有效移植到嵌入式平台进行实现，并且算法收敛速度较快，实时性好，可提高光束指向系统的校正带宽。

主权项

1.一种光束指向优化方法，其特征在于，包括如下步骤：步骤1：在校正器件求解的控制空间随机产生光束指向的K组解，每个解的维度为N：其中，K至少取2；N为校正器件的控制向量的个数；步骤2：对每一组解各生成左右两个方向的状态量：其中，rand(N,1)表示随机生成一个N×1维的数组，norm[rand(N,1)]表示对随机生成的N×1维的数组取模；α表示控制变量改变的步长值，取0到1之间的数值；步骤3：将步骤2中获得的两个方向上状态量分别作为校正器件的控制向量，使校正器件将激光光束反射或者投射到靶面，分别提取两个方向上状态量对应的靶面上光斑形态，然后分别求解对应的评价函数：步骤4：按照步骤3获得的两个方向上评价函数对该组解进行更新：其中，β表示控制变量更新的迭代步长；步骤5：将步骤4更新后的各组解分别作为校正器件的控制向量，使校正器件将激光光束反射或者投射到靶面，然后求解每组解对应的评价函数：选择评价函数最好的一组解作为最优解X^best，判断最优解的评价函数是否满足要求或者迭代次数达到设定次数：如果否，使其他各组解均向最优解靠近，更新各组解：Xⁱ＝Xⁱ+γ(X^best‑Xⁱ)其中，γ表示权值，取小于1的正数；Xⁱ表示除最优解以外的各组解；将迭代次数累计一次，然后基于更新后的各组解，返回步骤2继续执行迭代；如果是，则停止迭代，向校正器件输出该组解，完成光束执行校正。