矩形平面阵列天线旁瓣电平优化的遗传算法

矩形平面阵列天线旁瓣电平优化的遗传算法

ID:39502834

大小:74.00 KB

页数:3页

时间:2019-07-04

矩形平面阵列天线旁瓣电平优化的遗传算法_第1页
矩形平面阵列天线旁瓣电平优化的遗传算法_第2页
矩形平面阵列天线旁瓣电平优化的遗传算法_第3页
资源描述:

《矩形平面阵列天线旁瓣电平优化的遗传算法》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、矩形平面阵列天线旁瓣电平优化的遗传算法时间:2010-12-2618:16:24来源:电子学报作者:胡星航 林德云本文运用遗传算法对不等幅不等距矩型平面阵列的最大相对旁瓣电平进行了优化,通过提出新的自适应变异算子改进了算法的收敛性能,良好的计算结果表明遗传算法是目前求解此类问题的有效方法.  关键词:阵列天线;旁瓣电平;遗传算法;最优化SidelobeReductionofPlaneArrayUsingGeneticAlgorithmHUXing-hang(Dept.ofPhysics,YueyangTeachersCollege,Yueyang

2、414000,China)LINDe-yun(Dept.ofElectronicEngineering,TsinghuaUniv.,Beijing100084,China)  Abstract:Inthispaper,themaximumrelativesidelobelevelofalargeplanearrayisoptimizedbygeneticalgorithm.Anadaptivemutationoperaterispresented.Goodresultsshowthatthegeneticalgorithmisaneffectiv

3、emethodtosolveantennaarrayoptimizationproblems.  Keywords:antennaarray;sidelobelevel;geneticalgorithm;optimization一、引  言  天线的最大相对旁瓣电平是评价天线性能的一个重要参数,在给定天线形状与阵元个数的前提下,如何通过恰当地选择各阵元的间距、馈电流幅值及相位来最大限度地降低旁瓣电平是阵列天线综合中的一类重要课题.对于形状复杂的大阵列天线,传统的解析法(如道尔夫——切比雪夫综合法等)难以计算,采用数值分析方法较为适宜.由于天线最优

4、化问题中的目标函数或约束条件大多呈多参数、非线性、不可微甚至不连续,因此基于梯度寻优技术的传统数值优化方法无法有效地求得工程满意解;近年来一种模拟自然进化的遗传算法开始应用于计算电磁学领域[1,2],该算法只要求待解问题是可计算的,并无可微性等其它限制,同时,由于该算法采用了优化的随机搜索技术,能以较大的概率和较快的速率求得全局最优解.本文运用遗传算法对一个具有1024个阵元的矩形平面阵列的阵元间距及馈电流幅值进行了优化,使该方阵的最大相对旁瓣电平由均匀方阵的-13.27dB降至-34.56dB.结果表明,遗传算法对解决天线系统中大量复杂的最优化

5、问题具有广阔的应用前景.二、阵列天线旁瓣电平的优化问题  1.阵列天线的方向图函数  考虑由2Nx行2Ny列阵元构成的矩形平面阵列.各阵元的相位相同,间距dxi、dyj及归一化电流振幅Ixm、Iyn可以不同,但关于x轴和y轴对称,如图1.设阵元的方向图函数为cosθ,则此面阵的方向图函数为[4]:  (1)这里,k=2π/λ,λ为波长.第m行n列阵元的电流振幅由下式计算:Imn=IxmIynI0 (2)式中,I0为电流振幅基数. 图1 矩形平面阵列结构示意图  2.用遗传算法优化阵列天线旁瓣电平  (1)编码方案与计算流程  应用遗传算法时首先应

6、对解参数进行编码,阵元的归一化电流及间距的编码方案由下面两式给出: (3) (4)式中,t为调节参数,在本文的实例中取为t=12.5;b为二进制码向量,其元素取值为0或1;运用遗传算法的计算流程图如图2所示.图2 遗传算法计算流程图  (2)自适应变异算子  为避免迭代后期出现封闭竞争而导致的进化滞缓及未成熟收敛现象,本文提出了根据每代最佳个体进化的状况动态调整变异比例的自适应变异算子.设Pm为变异概率,其在每代中的取值由下式确定:Pm=Pm0(RS+1)  (5)式中Pm0为初定的变异比率;R为最佳个体连续未进化的代数;S为变异参数,本文的计算

7、实例中取为S=2.  对比研究表明,采用自适应变异算子能较好的提高进化速率及优化结果.三、计算实例  选择一个32行×32列的矩形平面阵列作为研究实例,对其最大相对旁瓣电平进行了优化.选取dxi=dyi、Ixm=Iym,根据方向图相乘原理和本题的对称性,只须计算一行中位于y轴一侧的16个阵元的优化分布.该阵列的尝试解的规模达到了(32×32)16=1.4615×1048,但遗传算法运用其特有的选择优化策略,仅通过对其中的28200个尝试解进行评估后,便给出了最大相对旁瓣电平的优化值:-34.56dB,此结果较之均匀面阵的-13.27dB[4]降低

8、了21.29dB,优化的效果是明显的.图3给出了经优化后的非均匀面阵在X-Z主面内的方向图.与之对应的阵元间距及归一化电流见表1.图3 

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。