当前位置：文档之家 › 基于遗传算法的天线波束方向主瓣位置控制的研究

基于遗传算法的天线波束方向主瓣位置控制的研究

  • 格式：pdf
  • 大小：418.70 KB
  • 文档页数：2

解情况下， 运算更加简单收敛速度快 。 实际应用表明， 基于遗传算法的天线波束方向形成技术是切实可行的， 且具有 很 好的推 广潜力。 关键 词： 智能天 线 主辩位置 遗传算法 中图分类号 ： Ｔ Ｐ １ ８ 文献标识码 ： Ａ 文章 编号： １ ６ ７ ４ — ０ ９ ８ ｘ （ ２ ０ ｌ ４ ） ０ ２ （ ａ ） － ０ ０ ０ ５ — ０ ２
ｅ ｘ ａ ｍｐ ｌ ｅ ｏ ｆ ｓ ｉ ｍｕ ｌ ａ ｔ ｉ ｏ ｎ． Ｔｈ ｅ ｓ ｉ ｍｕ ｌ ａ ｔ ｉ ｏ ｎ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｖ ｅ ｒ ｉ ｆ ｙ ｔ ｈ ａ ｔ ｗ ｈ ｅ ｎ ｗｅ ｇ ｅ ｔ ｓ ａ ｔ ｉ ｓ ｆ ａ ｃ ｔ ｏ ｒ ｙ ｓ ｏ ｌ ｕ ｔ ｉ ｏ ｎ， ｔ ｈ ｅ ｇ ｅ ｎ ｅ ｔ ｉ ｃ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｈ ａ ｓ ｍｏ ｒ ｅ ｓ ｉ ｍｐ ｌ ｅ ｏ ｐ ｅ ｒ ａ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｃ ｏ ｎ ｖ ｅ ｒ ｇ ｅ ｓ ｆ ａ ｓ ｔ ． Ｔ ｈｅ ｐ ｒ ａ ｃ ｔ ｉ ｃ ａ ｌ ａ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｓ ｈ ｏ ｗｓ ｔ ｈ ａ ｔ ｔ ｈ ｅ ａ ｎ ｔ ｅ ｎｎ ａ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｇ ｅ ｎ ｅ ｔ ｉ ｃ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｉ ｎ ｔ ｈ ｅ ｄｉ ｒ ｅ ｃ ｔ ｉ ｏ ｎ ｏ ｆ ｔ ｈ ｅ ｅ ａ ｍ ｆ ｏ ｒ ｍｉ ｎ ｇ ｔ ｅ ｃ ｈｎ ｏ ｌ ｏ ｇｙ ｉ ｓ ｆ ｅ ａ ｓ ｉ ｂ ｌ ｅ ， ａ ｎ ｄ ｈ ａ ｖ ｅ ｖ ｅ ｒ ｙ ｇ ｏ ｏ ｄ ｐ ｒ ｏ ｍｏ ｔ ｉ ｏ ｎ ｐ ｏ ｔ ｅ ｎ ｔ ｉ ａ １ ．
ｓ ｉ ｎ （ ／ ２ ）
处理 技 术 ， 动 态 地 在特 定 方 向形 成 波 束 。 为 按 照 “ 适应者生存， 不适应者淘汰” 的 选 择 了充 分 利 用有 用用 户 信号 ， 并且 抑 制 干 扰信 策略 ， 自 行组织、 学 习、 搜索。 号 和噪声。 天 线 辐 射 将 主 瓣 位 置 对 准 有用
在 实 际 应 用 中， 我 们 发 现 辐 射 场 的 相
在 遗 传 算 法 中 待 优化 问题 的 解 被 称 为 位 分 量对 场 强天 线 的 改变 不 如 幅值 来 的 明
所 以一 般是 取 辐 射 场 模 值 ， 因此 略去 上 信号 的 波 达 方 向 使 得 有 用信 号 可 以 获 得最 个 体 ， 它 表 示 为 一 个 变量 序 列 ， 将 其 称 之 为 显 ，
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ａｎ ｔ ｅ ｎ ｎ ａ ｂ ｅ ａ ｍ ｄ ｉ ｒ ｅ ｃ ｔ ｉ ｏ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｉ ｓ ａ ｋ ｅ ｙ ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ｏ ｆ ｔ ｈ ｅ ｓ ｍａ ｒ ｔ ａ ｎ ｔ ｅ ｎｎ ａ． Ｃｌ ａ ｓ ｓ ｉ ｃ ｂ ｅ ａ ｍ ｆ ｏ ｒ ｍｉ ｎ ｇ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｉ ｎ ｖ ｏ ｌ ｖ ｅ ｓ
．
电通 信 的质量 和 容量 。 其利 用 现代 数 字 信号 数 和 适 应 度 函数 。 并 行搜 索 一个 种 群 的点 ，
ｒ 口 （ ） ＝ ∑Ｐ ＝ １ ＋ Ｐ 坤 ＋ ｅ ＋ ｌ ｌ ・ ＋ Ｐ Ⅳ ． ” 。 ！ （ ２ ） Ｐ Ｉ （ Ｎ － Ｉ ２ …
ｃ ｏ ｍｐ ｌ ｉ ｃ ａ ｔ ｅ ｄ ｍａ ｔ ｒ ｉ ｘ ｏ ｐ ｅ ｒ ａ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｃ ｏ ｎ ｖ ｅ ｒ ｇｅ ｓ ｓ ｌ ｏ ｗｌ ｙ ． Ｔｈ ｅ ｒ ｅ ｆ ｏ ｒ ｅ ｉ ｎ ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ， ｔ ｈｅ ｇ ｅ ｎ ｅ ｔ ｉ ｃ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈｍ ｉ ｓ ａ ｐ ｐ ｌ ｉ ｅ ｄ ｉ ｎ ｔ ｈ ｅ ａ ｒ ｒ ａ ｙ ａ ｎ ｔ ｅ ｎ ｎａ
研 究 报 告
Ｓ ． — ２ ０ １ ４— Ｎ Ｏ ． ０ ４ ｃｉ ｅｎ ｃｅ ａ ｎｄ Ｔｅ ｃｈ ｎｏｌ ｏ ｇｙ ｎ ｎｏ ｖａ ｔ ｉ ｏ ｎ Ｈｅｒ ａｌ ｄ
Ｉ
团圆盈圈 ■ ■ 一 己 ｉ ■ 崔 ■ ■ 一 一 ＿ 一
基 于 遗传 算 法 的 天线 波 束 方 向 主瓣 位 置 控 制 的研 究① ②
Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ： Ｓ ｍａ ｒ ｔ ａ ｎ ｔ ｅ ｎｎ ａ ， Ｍａ ｉ ｎ ｌ ｏ ｂ ｅ ｐ ｏ ｓ ｉ ｔ ｉ ｏ ｎ ， Ｇｅ ｎ ｅ ｔ ｉ ｃ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ
智 能 天 线 技 术 已 经广 泛 用于 改 善 无 线 他 辅 助 知 识 ， 只需 要 确 定 搜索 方 向的 目 标函
伍麟瑁 （ 湖南工学 院 电气 与信息工程学 院 湖 南衡 阳 ４ ２ １ ０ ０ １ ） 摘 要： 天线波束方向形成是智能天 线中的一 项重要技 术。 经典的波束形成算法多 涉及复杂的矩阵运 算且收敛速度慢。 因此本文提 出 将遗传算
法应用于阵列天 线波束 形成中， 并以一维均匀直 线等幅天 线阵波束方向主 瓣位置控制为例进行仿真研 究。 仿真结果验 证了遗传算法在得到满意
ｂ ｅ ａ ｍ ｆ ｏ ｒ ｍｉ ｎｇ ， ａ ｎ ｄ ｔ ａ ｋ ｅ ｓ ｏ ｎ ｅ ｄ ｉ ｍｅ ｎ ｓ ｉ ｏ ｎ ｈｏ ｍｏ ｇ ｅ ｎ ｅ ｏ ｕ ｓ ｌ ｉ ｎ ｅ ａ ｒ ｃ ｏ ｎ ｔ ｉ ｎ ｕｏ ｕ ｓ ａ ｎ ｔ ｅ ｎ ｎａ ｂ ｅ ａ ｍ ｄ ｉ ｒ ｅ ｃ ｔ ｉ ｏ ｎ ｍａ ｉ ｎ ｌ ｏ ｂ ｅ ｐ ｏ ｓ ｉ ｔ ｉ ｏ ｎ ｃ ｏ ｎ ｔ ｒ ｏ ｌ ｆ ｏ ｒ ａ ｎ

合集下载

基于遗传算法的任意布阵天线方向图优化

基于遗传算法的任意布阵天线方向图优化

i =0 N- 1
Ψi
( 2)
F (φ 1 ,0 ,j ) ×
二维 平 面 布 阵 只 是 三 维 布 阵 的 特 殊 情 况 , 令 ρi ( x i , y i , z i ) = ρ i ( x i , y i , 0 ) , 则在 xoy 面 ( 即 θ =
)、 )、 ) 内的方 90° xoz 面 ( 即 φ = 0° yoz 面 ( 即 φ = 90°
图5 不同 φ 0 ( 图中 kd) 时的平均适应度曲线
( 运行十次 ,求平均)
地逼近理想的二项式分布 。图 3 ( b) 是遗传算法 与切比雪夫分布比较 ,两种方式的参数为 : 切比雪 夫 ,主瓣半张角 21° ; 旁瓣电平 - 2612886dB ; 电流 幅值 I = [ 1 117 216 311 311 216 117
多个优化目标不是同类时权系数反映优化权重较弱权系数选择需要靠经验以及本文遗传算法的流程可用图2表示流程中在遗传操作内加入适应度排序以及移民策略目的为提高搜索最优个体的能力
36
胡梦中 ,宋 铮 ,丁 刚 基于遗传算法的任意布阵天线方向图优化
电子信息对抗技术・ 第 22 卷 2007 年 旁 — — — 旁瓣电平适应度 ( 优化得到尽可能低
向函数分别为 :
F (φ) = ∑ I nej
n=0 N- 1 n=0 N- 1
( kx cosφ + ky sinφ - α) i i i
( xoy 面)
( 3) ( 4) ( 5) ( 6)
的旁瓣电平 , eps 为微小量防止奇异 。由于 0 < ( Fmax ,s + eps ) / ( Fmax + eps ) Φ 1 , 故 0 < ( Fmax ,s + eps) / ( Fmax + eps ) ×360 Φ 360 , 这样可使得 A 旁 , ) A 主定 , A 主宽 , A 零 的分母都在同一个范围变化 。
微波天线设计中的遗传算法优化研究

微波天线设计中的遗传算法优化研究

微波天线设计中的遗传算法优化研究微波天线在通信、雷达、遥感、导航等领域中具有重要应用价值。

而微波天线的性能主要取决于其设计参数的选择。

传统的微波天线设计方法主要是基于经验公式、理论分析和试验等手段。

这些方法繁琐、耗时且容易陷入局部最优解的问题。

现在人们提出了许多新的优化算法来弥补传统算法的不足。

本文将探讨遗传算法在微波天线设计中的优化研究。

一、遗传算法概述遗传算法指的是一种模拟自然进化而来的优化算法，模拟了进化过程中的自然选择、交叉、变异等规律。

遗传算法具有全局寻优能力、并行性强等优点，在优化问题中得到了广泛应用。

遗传算法中的个体由一组参数所组成，并且对每个参数设定了上下界的约束条件。

个体的适应度函数则是问题的评估函数，用于衡量个体的优劣程度。

算法通过对适应度函数的优化，寻找到最优解。

遗传算法分为三个主要操作：选择、交叉、变异。

选择操作是根据适应度函数的值将群体中的一部分个体选择出来。

交叉操作是将选择出的个体进行随机交叉，产生新的后代个体。

变异操作是在随机的个体上进行单点变异操作。

遗传算法的主要特点是全局搜索能力强、有效性高、不易陷入局部最优解、并行性能好。

而且遗传算法也是一种易于编程和易于实现的优化算法。

二、微波天线设计中的遗传算法优化微波天线设计中的遗传算法优化旨在通过遗传算法寻找到天线的最优设计参数，从而获得最优的天线性能。

微波天线设计中的遗传算法优化通常由以下几个步骤组成。

1、设计参数确定微波天线需要根据应用环境和性能要求等因素确定设计参数，如天线类型、尺寸、形状、材料等。

2、建立模型根据设计参数建立微波天线的模型，可以采用理论计算、仿真计算等方法。

3、适应度函数构建适应度函数是对天线模型性能的评价函数，一般是关于微波天线的增益、带宽、辐射特性等方面的评价指标。

4、参数编码和变异根据设计参数制定变异方案和编码方式，并对编码后的参数进行变异操作，通过交叉处理得到遗传群体。

5、遗传进化通过对群体的选择、交叉、变异来迭代进化，并得到适应度更优的个体，最终获得最优的天线性能。

遗传算法多子阵平板天线旁瓣电平优化

遗传算法多子阵平板天线旁瓣电平优化

第２６卷　第２期２０１１年４月 电　波　科　学　学　报ＣＨＩＮＥＳＥ　ＪＯＵＲＮＡＬ　ＯＦ　ＲＡＤＩＯ　ＳＣＩＥＮＣＥＶｏｌ．２６，Ｎｏ．２ Ａｐｒｉｌ，２０１１ 文章编号　１００５－０３８８（２０１１）０２－０３６９－０７基于遗传算法多子阵平板天线旁瓣电平优化林志强姚敏立沈晓卫（第二炮兵工程学院，陕西西安７１００２５）摘要从理论上分析了多子阵平板天线的方向图特性，指出其旁瓣电平难以通过传统的不等幅馈电技术得以抑制。

以降低天线扫描范围内的最高旁瓣电平为目标，采用遗传算法对子阵间距进行优化，并在间距优化的基础上讨论了天线单元方向性与不等幅馈电技术对旁瓣电平的影响。

仿真结果证明了理论分析的正确性，表明子阵间距优化可以显著降低天线的旁瓣电平，且在天线口径相同的情况下，所划分的子阵数越多则优化效果越明显。

所用方法和分析结果可为多子阵平板天线的设计提供参考。

关键词　多子阵平板天线；动中通；遗传算法；旁瓣抑制中图分类号　ＴＮ８２０．１ 文献标志码　Ａ１．引　言动中通是指基于固定卫星通信频段的移动卫星通信技术，它涉及卫星通信、微波与天线理论、信号与信息处理、自动控制理论与工程、计算机工程、机械电子等多个学科，是目前卫星通信领域研究的前沿课题。

随着人们对生活品质要求的提高，在火车、飞机、汽车、轮船等高速运动的载体上安装轻便、灵活的动中通系统，实时收看卫星电视节目、实现卫星高速上网等，已成为人们生活的新需求。

然而，由于传统动中通系统的天线高度较高，受到空气阻力、涵洞高度等因素的限制，有些用于火车的动中通系统在进行实验时还要在火车顶上挖洞或开槽，改动火车结构，这使动中通系统的使用范围受到了很大的限制，天线的高度问题已成为制约动中通系统推广的重要因素［１］。

动中通按其所采用的天线类型大体可分为两类：抛物面天线动中通和平板天线动中通。

抛物面天线动中通一般采用空间馈电方式，其体积较大，高度难以降低；而平板天线动中通一般采用强制馈电方式，这使得其在降低天线高度上有更多的灵活性。

基于改进遗传算法的天线方向图

基于改进遗传算法的天线方向图

湖南省高等学校科学研究项目 （11C 0369 ） 资助 【基金项目】
１
引言
早在上世纪 60 年代智能天线技术就已经应用于军事通信。
随着技术的发展和成熟，现已将其广泛应用手机通信等民用无 线通信方面。智能天线中的自适应波束形成技术能自动将高增 益的窄波束对准期望信号来波方向，并对其他干扰信号进行抑 制， 以达到提高通信系统容量和改善通信质量的目的。 为了估计 天线阵列的性能和误差， 需要一系列的性能指标： 主瓣位置和宽 度、 最大旁瓣电平、 干扰零陷深度、 干扰信号干扰信噪比等。 工程 科研中常采用天线方向图来直观表达天线阵列的性能。 自适应波束形成算法即针对天线方向图所对应的函数， 动 态调整函数参数，使得参数取值在特定的环境下较为合理， 满 足通信需求。传统的自适应波束形成算法有最小均方差算法、 递归最小二乘算法和采样矩阵求逆算法。近几年， 不少学者将 多种智能优化算法应用于波束形成研究中， 并取得了不错的效 果。遗传算法也在阵列天线方向综合上应用频繁， 成功的实现 了阵列天线稀疏， 降低最大旁瓣和控制零陷位置的生成。
2012 年 1 月 第DUSTRY SCIENCE AND TECHNOLOGY
计算机与信息技术
基于改进遗传算法的天线方向图研究
伍麟珺
（湖南工学院电气与信息工程系， 湖南 衡阳 ４２１ ００１） 【摘
提出了整数编码、 取补变异、 要】 天线方向图是衡量天线阵列各项性能的直观表达。针对传统遗传算法存在的不足， 邻近搜索、 跨代局部竞争几点改进。通过改进兼顾了参数精度和计算量， 不易早熟陷入局部最优解， 且收敛速度更快。仿真结果表 明， 采取的对遗传算法的改进措施是切实可行的。 遗传算法； 局部跨代竞争 【关键词】 天线方向图； 【中图分类号】 T N 820 【文献标识码】 A （2012） 01 － 59 － 02 【文章编号】 1003- 2673 制编码存在着连续函数离散化的问题。 在解空间取值连续的条 件下， 精度和编码长度难以两全， 编码长度精简可能导致精度 不够， 满足精度要求有可能使编码长度过大。浮点数编码是指 个体的每个基因值用一定范围内的一个浮点数表示。 浮点数编 码适合精度要求较高的场合， 不需要译码， 提高了运算效率。 但 经典的遗传算法交叉、 变异模式不再适合， 而且目前也没有一 套通用的基于浮点数编码的遗传算法模式理论。 本设计采用整数编码方式， 整数编码方式也是采用一个基 因一个参数来编码，将原问题的解空间映射到整数串空间上， 每一位基因的取值在 0- 9 十个整数范围内， 然后针对整数进行 遗传操作，最终将结果解码还原成表现型进行适应度函数运 算， 检测结果优劣。整数编码方式的编码、 解码操作及选择、 复 制和变异的操作与二进制编码方式类似， 但其在精度和编码长 对应 度方面要大大优于二进制编码。而基因座取值变化 1 时， 的参数值不会发生差异度很大的变化， 可以通过控制基因座变 化取值的范围改变参数值的变化程度。 （2 ） 邻近搜索 基本遗传算法从理论上来说是不具备收敛性的。 一方面在 进化初期， 我们希望种群中染色体之间存在明显的差异， 染色 体对应的表现型在解空间上分布分散。避免在遗传运算早期， 运算结果过早收敛于局部最优解。而在遗传算法后期， 群体中 的染色体适应度相差不大， 接近最优解却在常在最优解附近摆 动， 有时甚至偏离最优解方向， 收敛速度慢。 在常规交叉、 变异操作后， 对当代最优解进行邻近搜索， 即 对所有基因座取值分别进行加 1、 减 1 操作， 然后比较所得染 色体和原染色体的适应度， 如果提高了就取代原染色体， 否则 保留原染色体。这对于遗传运算后期接近最优解， 局部搜索能 力较差的时候尤为有用。 （3 ） 跨代局部竞争 基本遗传算法中最常用的是轮盘赌法。 该策略中个体的适 应度值的大小与个体被选择到下一代的概率成比例， 也就意味 着适应度高的个体被遗传到下一代的概率也大， 但并不能保证 适应度最高的个体一定会被保存到下一代。 为了确保当代最优 个体得以遗传而将当代适应度最高的个体不经交叉、 变异直接 【作者简介】 伍麟珺 （1982- ） ， 女， 硕士， 讲师， 研究方向： 数字信号处理， 电子线路设计。