本发明专利技术公开了一种基于小波变异风驱动优化算法直线天线阵方向图综合方法，包括如下步骤：建立直线天线阵模型，确定天线阵综合辐射特性要求、目标函数；确定风驱动优化算法及小波变异算子参数，设置种群规模、适应度函数权重值及空气粒子速度、位置边界；随机产生初始空气粒子速度和位置，将空气粒子位置带入适应度函数，把适应度值按升序排序，更新种群顺序，确定全局最优位置和局部最优位置；更新空气粒子速度位置；依据变异概率选择性地将空气粒子位置进行小波变异；计算空气粒子新位置下的适应度值，重新将适应度值按升序排列，更新种群顺序，更新全局最优位置和局部最优位置直至达到最大迭代次数。本发明专利技术求解精度高，收敛速度快。
【技术实现步骤摘要】
本专利技术涉及天线阵方向图综合方法，尤其涉及基于小波变异风驱动优化算法直线 天线阵方向图综合方法，属于阵列天线领域。
技术介绍
天线阵方向图综合目的是确定阵元的激励幅值、相位或者阵元位置，使阵列的远 场方向图满足一定的技术要求，如低旁瓣电平，给定方向上形成零陷等。但阵列天线方向图 综合问题大多呈现多参数、不可微、甚至不连续的特性，其方向图参数的最优化是一种非线 性优化问题。传统的最优化技术大多是基于梯度寻优技术或随机搜索的方法。其中，共扼 梯度法收敛速度较快，但要求目标函数可微、连续，而且优化参数数目有限；随机搜索无需 计算梯度，但是效率太低，而且容易陷入局部极值。但是，智能优化算法可以克服传统优化 技术的缺点，因而近年来通常选择智能优化方法对天线阵进行综合设计。 风驱动优化（WindDrivenOptimization，WD0)算法，是Bayraktar等人为解 决电磁优化问题在 2010 于IEEEAntennasandPropagationSocietyInternational Symposium上发表了 一 篇名为"WindDrivenOptimization(TOO):Anovel nature-inspiredoptimizationalgorithmanditsapplicationtoelectromagnetic" 的论文中首次提出的。WD0算法自提出以来，以其卓越的性能逐步引起了智能优化算法领 域学者们的广泛关注与运用。其中，Bayraktar等人在IEEEtransactionsonantennas andpropagation(2012,61 (5) :2745_2757)上发表的"TheWindDrivenOptimization TechniqueanditsApplicationinElectromagnetics"中首次将WD0算法应用到直线天 线阵综合问题上，该文献应用WD0算法优化了 10个阵元直线天线阵阵元位置，达到了较好 优化效果。 与粒子群优化算法等群智能算法相似，WD0算法也存在全局探索能力与局部开发 能力之间的矛盾。解决算法易陷入局部最优值的问题十分必要，本专利技术将引入小波变异算 子来改善WD0算法性能，专利技术一种小波变异风驱动优化（WindDrivenOptimizationwith WaveletMutation，WD0WM)算法，本专利技术提供一种基于WD0WM算法在直线天线阵列分布形 式和阵元数目，激励相位都给定的情况下，优化激励电流幅度值的方向图综合方法。
技术实现思路
本专利技术的目的是提供一种基于小波变异风驱动优化算法直线天线阵方向图综合 方法，即将WD0算法加入小波变异算子形成WD0WM算法，该种算法可防止陷入局部最优值， 加快算法收敛速度，应用此算法在直线天线阵列分布形式和阵元数目，激励相位都给定的 情况下，优化激励电流幅度值以达到要求的辐射特性。 本专利技术的目的通过以下技术方案予以实现： -种，包括如下步骤： 步骤1 :建立直线天线阵模型，确定直线天线阵综合辐射特性要求；根据需要的辐 射特性确定目标函数； 步骤2 :设置种群规模，将每个空气粒子位置的不同维度值映射为归一化后的连 续激励电流幅度值；设置风驱动优化算法、小波变异算子参数，设置目标函数权重值以及空 气粒子速度、位置边界； 步骤3 :随机产生初始空气粒子速度和位置； 步骤4 :将空气粒子位置值代入目标函数，计算每个空气粒子对应的适应度值，将 适应度值按从小到大排序，对应重新排序种群顺序，确定全局最优位置和局部最优位置； 步骤5 :更新每个空气粒子的速度，将速度越界空气粒子的速度值设置为速度边 界值； 步骤6 :更新每个空气粒子的位置，将位置越界空气粒子的位置值设置为位置边 界值； 步骤7 :根据变异概率选择性地将空气粒子位置进行小波变异； 步骤8 :将更新后的空气粒子位置代入目标函数计算适应度值，并将适应度值按 升序排列，重新排序种群，更新全局最优位置和局部最优值； 步骤9 :如果达到最大迭代次数，执行步骤10,否则返回步骤5 ; 步骤10 :输出全局最优位置值，映射为归一化后的直线天线阵激励电流幅度值。 本专利技术的目的还可以通过以下技术措施来进一步实现： 前述， 其中步骤1，通过如下方法建立直线天线阵模型： 建立一个由2N个天线阵元组成的等间距直线阵，WpW2，…，W2N偶数个阵元关 于原点对称均匀分布在Z轴上，原点处没有阵元放置，阵元间距为d;阵因子表达式为：，其中N为原点右侧阵元个数，总阵元为2N个，1"为 第11个阵元激励电流幅度值，1^为波数，1^ = 231/^，(1是阵元间距，(1=人/2，0为空间辐 射角，0° < 0 < 31，％为第11个阵元激励电流相位，〇°<氕<2；2：;应用欧拉公式阵因子表达 式可改写为：，则归一化后的相对方向图函数P(9)为：，其中Vmax=max|F( 9 ) |，max( ?)为求最大值函数，单位为dB; 步骤1中，通过如下方法确定目标函数： 直线天线阵列方向图综合目标包括低旁瓣电平，第一零点波束宽度，特定方向上 形成零陷；根据不同综合辐射特性要求，选定不同目标函数。若方向图综合只考虑低旁瓣电 平和第一零点波束宽度两项指标，则选用目标函数为： f\=n|MSLVL-SLVL| +X(MBW-BW) 2,其中，n和y为两项的权重，MSLVL和MBW分 别是算法优化得到的最高旁瓣电平和第一零点波束宽度，SLVL为设计旁瓣电平，BW为设计 要求的第一零点波束宽度； 若方向图综合辐射指标有低旁瓣电平、指定方向上形成零陷和第一零点波束宽度 三项指标，则选用目标函数为： f2=a|MSLVL-SLVL| + 0 |NULL_NLVL| +y(MBW-BW) 2,其中，a、0 和y为三项的 权重，MSLVL、NULL和MBW分别是算法优化得到的最高旁瓣电平、最大零陷深度和第一零点 波束宽度，SLVL为设计旁瓣电平，NLVL为设计零陷深度，BW为设计的第一零点波束宽度； 步骤2中，设置种群规模为m个粒子，即粒子种群可以表示为{\，…，XJ，设置每 个粒子为D维，则第i个粒子可以表示为Xi=(xn，xi2，xi3, …xiD)，其中1彡i彡m， 1 <k<D将每个空气粒子位置的不同维度值映射为归一化后的连续激励电流幅度值， 位置范围设为，第i个粒子第k维的速度表示为uik，其边界设置为u_e，即 Uik^ ; 风驱动优化算法中aG，gG，cG，RTG，为需要设置 的算法参数（具体详见步骤5中公式），小波变异算子中变异概率pme及、gwme为需要设置的参数（具体详见步骤7中公式）；目标函数"中需要设 置的权重值为n，X，均为正常数；目标函数&中需要设置的权重值为a，0，y，均为正 常数； 步骤3,随机产生初始空气粒子速度和位置：在速度范围内产生均匀 分布的随机数，在位置范围中产生均匀分布的随机数； 步骤4中将第i个空气粒子位置值Xi=(xn，xi2,xi3，…xik，…叉^)) (1彡i彡m， 1 <k<D)代入目标函数，计算对应的适应度值，将适当前第1页1 2 3&本文档来自技高网...
【技术保护点】
一种基于小波变异风驱动优化算法直线天线阵方向图综合方法，其特征在于，包括如下步骤：步骤1：建立直线天线阵模型，确定直线天线阵综合辐射特性要求；根据需要的辐射特性确定目标函数；步骤2：设置种群规模，将每个空气粒子位置的不同维度值映射为归一化后的连续激励电流幅度值；设置风驱动优化算法、小波变异算子参数，设置目标函数权重值以及空气粒子速度、位置边界；步骤3：随机产生初始空气粒子速度和位置；步骤4：将空气粒子位置值代入目标函数，计算每个空气粒子对应的适应度值，将适应度值按从小到大排序，对应重新排序种群顺序，确定全局最优位置和局部最优位置；步骤5：更新每个空气粒子的速度，将速度越界空气粒子的速度值设置为速度边界值；步骤6：更新每个空气粒子的位置，将位置越界空气粒子的位置值设置为位置边界值；步骤7：根据变异概率选择性地将空气粒子位置进行小波变异；步骤8：将更新后的空气粒子位置代入目标函数计算适应度值，并将适应度值按升序排列，重新排序种群，更新全局最优位置和局部最优值；步骤9：如果达到最大迭代次数，执行步骤10，否则返回步骤5；步骤10：输出全局最优位置值，映射为归一化后的直线天线阵激励电流幅度值。
【技术特征摘要】
【专利技术属性】
技术研发人员：田雨波，任作琳，孙菲艳，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。