【精品】运用遗传算法综合稀疏阵列

《【精品】运用遗传算法综合稀疏阵列》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、运用遗传算法综合稀疏阵列RandyL.HauptIEEE高级会员摘要：大的天线阵列很难被稀疏用来获得较低的旁瓣。对于非周期阵列的综合问题，传统的统计学方法远远达不到最优配置的要求。传统的优化方法不适合用来优化多参数或离散参数的问题。本文将介绍如何利用遗传算法来优化一个稀疏阵列，并在一个周期阵列上利用遗传算法來决定哪一个阵元被稀疏从而抑制阵列的最大相对旁瓣电平。本文将呈现200个阵元的线阵和200个阵元的面阵的仿真结果，要求稀疏阵列的旁瓣电平低于-20dB,对于线阵，同时在打描角和带宽上进行了优化。I简介周期性阵列通过有目的的放置相同权值的阵元來产生幅度锥削的低旁瓣

2、，在给定旁瓣要求的前提下利用简单的分析方法推岀阵元的位置是不可能的［1］。事实上，大部分周期阵列的分析方法都是试图将阵列区域内的阵元密度与幅度锥削的低旁瓣的振幅密度相联系起来，同时保持阵列孔径不变［2］。阵元密度在阵列中心达到最大并逐渐向边缘稀疏，通常情况卜：旁瓣电平在主瓣附近减小，而在远离主瓣的位置上增大⑶（这个通常是可接受的）。非周期阵列的综合方法是在给定条件下达到均方旁瓣电平或是最大相对旁瓣电平的要求。稀疏一个阵列意味着从均匀间隔阵列或者是周期阵列小抽去部分阵元从而在给定孔径的范围内产生所期望的幅值密度。连接在馈电网络上的阵元的状态是“开”，而连接在匹配负载

3、或虚负载上的阵元的状态就是“关”。用稀疏阵来产生低旁瓣比稀布阵要简单的多，稀布阵的阵元位置不确定的，有无限多的取值可能。稀疏阵有2。种组合，其小Q是阵兀数口，如果阵列是对称结构，那么阵兀位置的组合数将显著减少。稀疏也可以看作是振幅锥度的量化，其中每一个阵元的振幅用一个比特来表示。稀疏一个大的阵列从而产生低旁瓣涉及到检杳相当多的阵元位置组合，目的是找到最好的稀疏方式。只有当阵列较小时无遗漏的检查所有的组合才是可行的［5］o大部分的优化方法（例如单纯形法、Powell方法、共轨梯度法等）不适合于稀疏阵列优化，他们只能优化一些连续变量而且会陷入局部最小值⑹，此外,这些方

4、法是专们用來处理连续参数问题的，而稀疏阵列所处理的是离散参数问题。动态编程法可以优化大型参数组（有很多阵元），但是极易陷入局部最小值。模拟退火算法和遗传算法是非常适合于稀疏阵列的优化方法，它们不受所耍运用遗传算法综合稀疏阵列RandyL.HauptIEEE高级会员摘要：大的天线阵列很难被稀疏用来获得较低的旁瓣。对于非周期阵列的综合问题，传统的统计学方法远远达不到最优配置的要求。传统的优化方法不适合用来优化多参数或离散参数的问题。本文将介绍如何利用遗传算法来优化一个稀疏阵列，并在一个周期阵列上利用遗传算法來决定哪一个阵元被稀疏从而抑制阵列的最大相对旁瓣电平。本文将呈

5、现200个阵元的线阵和200个阵元的面阵的仿真结果，要求稀疏阵列的旁瓣电平低于-20dB,对于线阵，同时在打描角和带宽上进行了优化。I简介周期性阵列通过有目的的放置相同权值的阵元來产生幅度锥削的低旁瓣，在给定旁瓣要求的前提下利用简单的分析方法推岀阵元的位置是不可能的［1］。事实上，大部分周期阵列的分析方法都是试图将阵列区域内的阵元密度与幅度锥削的低旁瓣的振幅密度相联系起来，同时保持阵列孔径不变［2］。阵元密度在阵列中心达到最大并逐渐向边缘稀疏，通常情况卜：旁瓣电平在主瓣附近减小，而在远离主瓣的位置上增大⑶（这个通常是可接受的）。非周期阵列的综合方法是在给定条件下达

6、到均方旁瓣电平或是最大相对旁瓣电平的要求。稀疏一个阵列意味着从均匀间隔阵列或者是周期阵列小抽去部分阵元从而在给定孔径的范围内产生所期望的幅值密度。连接在馈电网络上的阵元的状态是“开”，而连接在匹配负载或虚负载上的阵元的状态就是“关”。用稀疏阵来产生低旁瓣比稀布阵要简单的多，稀布阵的阵元位置不确定的，有无限多的取值可能。稀疏阵有2。种组合，其小Q是阵兀数口，如果阵列是对称结构，那么阵兀位置的组合数将显著减少。稀疏也可以看作是振幅锥度的量化，其中每一个阵元的振幅用一个比特来表示。稀疏一个大的阵列从而产生低旁瓣涉及到检杳相当多的阵元位置组合，目的是找到最好的稀疏方式。只

7、有当阵列较小时无遗漏的检查所有的组合才是可行的［5］o大部分的优化方法（例如单纯形法、Powell方法、共轨梯度法等）不适合于稀疏阵列优化，他们只能优化一些连续变量而且会陷入局部最小值⑹，此外,这些方法是专们用來处理连续参数问题的，而稀疏阵列所处理的是离散参数问题。动态编程法可以优化大型参数组（有很多阵元），但是极易陷入局部最小值。模拟退火算法和遗传算法是非常适合于稀疏阵列的优化方法，它们不受所耍优化的变量个数的限制，尽管处理速度比较慢,但是这些算法可以处理大型阵列。它们是全局性的优化方法，拥有能够探测到当而最小值Z外的解决方案的随机因子，同时该算法是收敛的。由于

8、模拟退火算