浅析基于遗传算法的智能天线波束形成的论文.docVIP

　　浅析基于遗传算法的智能天线波束形成的论文 　摘 要:为降低智能天线方向图旁瓣电平,加深干扰方向零点深度,提出一种改进的实数编码遗传算法。该算法基于人类的繁殖现象,改进了标准遗传算法的交叉算子,从而克服了标准遗传算法收敛速度慢,易陷入局部最优等问题,提高了优化效率。在仿真实验中,以均匀直线阵为例,用改进的遗传算法对阵元激励的幅度进行优化,形成的方向图获得了更好的结果。 　　关键词:智能天线; 波束形成; 方向图; 遗传算法; 人类繁殖现象 　　　　 　　beam-forming of smart antenna based on geic algorithm 　　ent of electronic engineering, northart antenna patterns, an improved real-coded geic algorithm is proposed. the algorithm improves the crossover operator of standard geic algorithm based on human reproduction phenomenon (hrga). so, the sloum of standard geic algorithm are resolved and the convergence speed is enhanced. taking an example of uniform linear array in simulation experiment, amplitude of the element excited current is optimized through improved ga, the pattern is better. 　　keyart antenna; beam-forming; pattern; geic algorithm; human reproduction phenomenon 　　 　　0 引 言 　　智能天线波束形成是通过优化阵元的电流幅度或相位或阵元间距,使天线主波束对准期望信号,旁瓣和零陷对准干扰信号,从而接收有用信号,抑制干扰信号。.由于天线优化问题中的目标函数或约束条件呈多参数、非线性、不可微甚至不连续,因而基于梯度寻优技术的传统数值优化方法无法有效求得工程上满意的结果。而遗传算法是模仿自然界生物进化机制发展起来的随机全局搜索和优化方法,是一种高效、并行、全局搜索的方法,能自适应地控制搜索过程以求得最优解[1]。 　　但是在智能天线应用领域中,标准遗传算法存在早熟,后期收敛速度慢、计算复杂等问题,于是提出了一些改进的遗传算法。文献[2]提出了一种基于排序的实数编码遗传算法,并应用于唯幅度控制等间距天线阵方向图综合。文献[3]提出交替使用两种遗传繁殖操作产生后代群体,以摆脱收敛对初始群体选择的依赖,应用于超低副瓣线阵天线的方向图综合;文献[4]采用复数编码,并用三个父代染色体线性交叉产生子代个体,将适应度高的个体选择到下一代。针对在标准遗传算法中,由于近亲繁殖,导致很多交叉操作无效的问题,对遗传算法的交叉算子进行了改进,并对阵元激励的幅度进行了优化。实验结果表明,提出的改进方法是有效的。 　　1 基于遗传算法的波束形成 　　1.1 遗传算法基本步骤 　　遗传算法的设计过程中包含了参数编码方式的选用、初始群体的建立、适应度函数的构造、遗传操作的设计、控制参数的设定。算法的收敛性取决于这五个方面的设计及数值精度和收敛速度的一些折衷。 　　(1) 编码 　　采用实数编码,直接将阵元的激励电流幅值依次排列构成一个染色体,如:i=[i1,i2,…,in],n为阵元数目。 　　(2) 选择 　　采用最佳保留选择,即首先通过轮盘赌方式选择染色体,然后选择当前种群中最高适应度值的染色体,作为父代染色体,直接保留到下一代,保证算法终止时最后结果为出现适应度最高的个体。 　　(3) 交叉 　　采用线性交叉产生新个体,设两个父代个体分别为p1,p2: 　　c1=(2p1+p2)/3 　　c2=(p1+2p2)/3 　　c3=(p1+p2)/2 　　(1) 　　 　　从c1,c2,c3中选出适应度较高的两个作为后代个体。 　　(4) 变异 　　采用非均匀变异,对原有的个体做一随机扰动,以扰动后的结果作为变异后的新值。设要变异的个体为p,变异后为p′。 　　p′=αp 　　(2) 　　式中:α为[0,1]之间的随机数。 　　1.2 改进的遗传算法 　　在遗传算法中,交叉操作是最重要的,是决定算法收敛性能的关键。但是标准遗传算法