本发明专利技术公开了一种基于改进模拟退火算法的极限稀疏阵列优化方法，包括步骤：(1)对十字型阵列的发射波束形成进行优化，并利用十字型阵列的波束方向图重新定义模拟退火算法中的能量函数E(W,A)；(2)设置预期的旁瓣峰值SLPd和阵元权重系数比Rd，对十字型阵列进行稀疏优化，使能量函数达到最低值，获得阵元数量最小化的极限稀疏阵列。采用上述算法所得的极限稀疏阵列与当前其他稀疏阵列相比，能够以最少的阵元数量，获得相同的波束性能，最大程度降低三维声学成像系统的硬件复杂度和成本。
【技术实现步骤摘要】
本专利技术涉及声纳换能器阵列设计领域，尤其涉及一种基于改进模拟退火算法的极 限稀疏阵列优化方法。
技术介绍
全布阵换能器阵列是一种采用均匀、周期分布的换能器阵列。随着海洋资源探测、 开发等领域的迅速发展，其对水下三维声学成像系统在分辨率、系统复杂度、功耗以及成本 等方面的要求也越来越高，传统的全布阵换能器阵列已经难以满足其日益增长的性能需 求。为解决上述问题，众多学者采用一种非等间距阵列（Unequally spaced arrays)，即稀 疏阵列（Sparse arrays)，代替全布阵换能器阵列进行三维声学成像，从而降低系统的复杂 度、功耗以及成本。稀疏阵列通过去除换能器阵列中某些阵元，并对保留阵元的位置和权重 系数进行优化，从而大幅减小了换能器阵列阵元数量，同时也将其波束方向图的主瓣宽度 和旁瓣峰值控制在预期范围内。 根据优化方法的不同，稀疏阵列的优化算法主要可以分为：确定优化算法和随机 优化算法。确定优化算法相比于随机优化算法，具有效率高、迭代少、收敛快等优势，但其在 稀疏优化过程中，对阵列的形状有较高的要求，因此通常未必能够寻得全局最优解。随机 优化算法首先基于阵列的主瓣宽度、旁瓣峰值以及波束方向图形状等指标构建目标函数， 然后按照一定的随机准则对目标函数进行多次迭代优化，使其能够逐步收敛到全局最优状 态，因此与确定优化算法相比得到了更为广泛的应用。随机优化算法主要包含遗传算法、粒 子群优化算法和模拟退火算法三大类。其中，遗传算法和粒子群优化算法对于小规模的阵 列稀疏问题，能够有效地进行优化，但对于当前应用中越来越大的阵列规模，这两种算法已 难以满足其需求。模拟退火算法能够同时对稀疏阵列的阵元位置和权重系数进行优化，并 且换能器阵列的规模尺寸对其全局寻优性能影响不大，因此在阵列稀疏优化问题中，其应 用更加广泛。 模拟退火算法可以用于解决各种优化问题，寻求全局最优解。该算法是根据固体 的退火原理衍生而来的，当固体从充分高的温度缓慢冷却时，其内部粒子会从无序状态慢 慢达到有序排列的"结晶"状态，其内能也随之逐渐减小，并最终达到最低。模拟退火算法 具备全局寻优能力，其利用玻尔兹曼概率分布（Boltzmann Probability Distribution)跳 出局部极值区域，增大了寻求全局最优解的概率。 模拟退火算法作为一种启发式的方法，适用于各种优化问题。其在优化过程中，能 够寻得全局最优解，且收敛速度快，因此被广泛应用。采用模拟退火算法进行稀疏阵列优化 时，需要定义一个目标能量函数（Energy Function)，通过多次的随机迭代过程，寻求使能 量函数达到最小值的状态，该过程属于一种马尔可夫链（Markov Chain)方法。
技术实现思路
本专利技术针对当前稀疏阵列阵元数依旧偏大，难以满足水下实时三维声学成像系统 低功耗、小型化需求的问题，提供了。 该方法基于多频率发射算法对模拟退火算法进行了改进，重新定义了其能量函数，以十字 型阵列为目标，对其进一步稀疏优化，获得了阵元数量最小化的极限稀疏阵列。该稀疏阵列 能够以更少的阵元数量，获得与其他稀疏阵列相同的波束方向图指标（主瓣宽度、旁瓣峰 值等），最大程度降低了实时三维声学成像系统的硬件复杂度。 -种基于改进模拟退火算法的极限稀疏阵列优化方法，包括步骤： (1)对十字型阵列的发射波束形成进行优化，并利用十字型阵列的波束方向图重 新定义模拟退火算法中的能量函数E(W，A); 式中，W为十字型阵列阵元的权重系数矩阵，Β(Ι，ιι'，ν'，Α)为波束方向图的表 达式，max (B (W，u'，ν'，f ρ)为B (W，u'，ν'，f J的最大值，h，k2,匕表示三项优化目标参数 的权重，SLPd为预期的旁瓣峰值，A为十字型阵列阵元数量（发射和接收阵元数量总和）， 私为当前状态的阵元权重系数比，Rd为预期的阵元权重系数比，u'，v'分别定义为u' = sin a p-sin a Q，ν' = sin β q-sin β。，其中（α ρ, β q)为水平和垂直波束方向角，（α。，β Q)分 别为指向声源的单位矢量的水平和垂直方向角，Ω代表（u'，v'）的取值情况集合； 优选地，Ω的取值满足如下表达式： (2)设置预期的旁瓣峰值SLPd(通常设置为-22dB)和阵元权重系数比R d(通常设 置为3)，对十字型阵列进行稀疏优化，使能量函数达到最低值，获得阵元数量最小化的极限 稀疏阵列。 优选的，对十字型阵列的发射波束形成进行优化的步骤包括： (1. 1)将十字型阵列中发射阵列的波束方向分割为多个扇面，在每个扇面内依次 发射一系列不同频率的扇形声纳波束信号，每个频率的扇形声纳波束信号指向对应扇面内 的一个波束方向； (1. 2)每个扇面内所有频率的扇形声纳波束信号发射结束后，利用十字型阵列中 的接收阵列接收声纳回波信号，通过离散傅里叶变换抽取各扇面内所有扇形声纳波束信号 对应的频率信息，并在频率信息对应的频域内进行波束形成计算。 本专利技术采用多频率发射波束形成算法，将十字型阵列的Q个预设的垂直波束方向 分割为K个扇面，在每个扇面内，发射换能器阵列通过各阵元间的相移补偿，依次向预设的 J个垂直波束方向（Q = KXJ)发射不同频率的扇形声纳波束信号，每个频率的信号对应一 个垂直波束方向；然后，当该扇面内所有频率的声纳波束信号发射结束后，接收阵列收到声 纳回波信号，通过DFT运算，同时抽取回波中J个发射声纳波束信号对应的频率信息，并行 地在J个频域上进行波束形成计算，生成P (水平波束方向数）XJ个波束强度结果；之后， 对其余扇面进行类似的处理。当所有扇面完成上述操作后，则可得到完整的PXQ个方向的 波束强度结果。 基于上述多频率发射波束形成算法，缩短了十字型阵列的发射时间，提高了其实 时性；综合考虑稀疏阵列波束方向图的旁瓣峰值以及阵元的权重系数比，来重新定义模拟 退火算法中的能量函数E (W, A)。 优选的，所述十字型阵列的波束方向图的表达式为： 式中，BTrMFT(v'，fj)和BReMFT(u'，fj)分别为十字型阵列的发射波束方向图表达式和 接收波束方向图表达式，U'，V'分别定义为u' =sinap-sinaQ，v' =sin0q-sin0。。 优选的，对十字型阵列进行稀疏优化的具体过程包括： (2. 1)初始化所述的阵元权重系数矩阵W，并设置一个初始系统"温度";作为优选， 系统初始"温度"通常设置在1〇〇〇以上； (2. 2)开始迭代过程，每次对迭代变量引入一个随机的微扰，若该微扰状态使得能 量函数值降低，则接受该状态，并更新参数配置；若该微扰状态使得能量函数值增大，则根 据波尔兹曼概率分布决定该状态是否被接受，概率分布由系统"温度"决定，系统"温度"越 尚，接受该微扰状态的概率也越大； (2.3)在当前系统"温度"下，所有迭代变量均被访问过一次后，降低"温度"，并重 复上述迭代过程； (2. 4)随着系统"温度"不断降低，能量函数值不再随迭代次数的增加而下降，当达 到结束条件后，停止迭代过程，此时能量函数达到最低值，当前的阵列参数配置即为最终的 稀疏阵列优化结果。 优选的，在第1次迭代中，随机选取一个十字型阵列的阵元，本文档来自技高网...
【技术保护点】
一种基于改进模拟退火算法的极限稀疏阵列优化方法，其特征在于，包括以下步骤：(1)对十字型阵列的发射波束形成进行优化，并利用十字型阵列的波束方向图重新定义模拟退火算法中的能量函数E(W,A)；E(W,A)=k1(Σ(u′,v′)∈Ω(B(W,u′,v′,fj)max(B(W,u′,v′,fj))-SLPd))2+k2A2+k3(Ro-Rd)2]]>式中，W为十字型阵列阵元的权重系数矩阵，B(W,u',v',fj)为波束方向图的表达式，max(B(W,u',v',fj))为B(W,u',v',fj)的最大值，k1,k2,k3表示三项优化目标参数的权重，SLPd为预期的旁瓣峰值，A为十字型阵列阵元数量，R0为当前状态的阵元权重系数比，Rd为预期的阵元权重系数比，u’,v’分别定义为u'＝sinαp‑sinα0，v'＝sinβq‑sinβ0，其中(αp,βq)为水平和垂直波束方向角，(α0,β0)分别为指向声源的单位矢量的水平和垂直方向角，Ω代表(u’,v’)的取值情况集合；(2)设置预期的旁瓣峰值SLPd和阵元权重系数比Rd，对十字型阵列进行稀疏优化，使能量函数达到最低值，获得阵元数量最小化的极限稀疏阵列。...
【技术特征摘要】
【专利技术属性】
技术研发人员：刘雪松，周凡，沈斌坚，田翔，陈耀武，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33
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。