基于神经网络和粒子群算法二维螺旋天线阵快速综合.docVIP

基于神经网络和粒子群算法二维螺旋天线阵快速综合 　　摘 要：本文通过神经网络建模拟合螺旋天线远场电场场强，使用粒子群优化算法，完成螺旋天线二维阵列的快速综合。与传统的讨论理想全向天线相比，本文将天线的场分布考虑在了天线综合之中，更具有实际运用价值。本文在10×10螺旋天线阵，频率2GHz，间隔75mm的条件下，计算了螺旋天线阵幅值和相位。 　　关键词：神经网络；粒子群算法；天线综合 　　1 简介 　　阵列天线广泛应用于雷达无线通信和电子对抗等领域方向图综合作为阵列天线的关键技术在抗干扰参数估计等方面有着重要的作用.文献[1-4]通过粒子群优化算法对电流幅值和相位的连续值进行优化取得了不错的效果.但在实际应用中可以分别使用数字衰减器和数字相移器对电流幅值和相位进行量化比如文献[5]用粒子群优化算法对阵列天线电流相位进行量化优化文献[6]中用改进的遗传算法对连续的电流幅值和量化的电流相位进行优化文献[7]中对连续的电流幅值量化的电流和6位相位进行优化同时为了减少相邻阵元间耦合的影响在目标函数中加入了阵元电流幅值动态范围比文献[8]中用克隆选择算法对连续的电流幅值和量化的电流相位进行了优化得到了不错的阵列天线方向图文献[9]中用蜜蜂算法对量化的电流幅值和量化的电流相位进行优化该文献把幅值和电流都离散化取得了不错的效果。 　　粒子群算法（Particle Swarm Optimization）是由James kenny和Russell Eberhart在1995年提出的一种基于种群搜索的智能优化算法[10]，其一经提出就广受学者们重视，其广泛的应用于电磁优化计算问题。 　　2 二维螺旋阵的综合 　　本文的思想是将螺旋天线的远场处的三维电场场强用神经网络拟合，通过训练的神经网络以及阵列综合理论，求和阵列特定方向的电场作为粒子群算法的适应度值，迭代粒子群算法，寻求在特定方向上电场最大，所对应的每个天线阵元的幅值和相位。基本步骤为： 　　（1）使用仿真软件计算螺旋天线，导出远场处每个角度所对应的电场大小；将角度作为输入参量，电场大小作为输出参量，训练神经网络； 　　（2）对于特定的输入角度，通过神经网络得出其对应的电场大小，将每个天线阵元的幅值和相位分别作为优化变量，使用粒子群算法求解最优解； 　　（3）将粒子群算法最优粒子对应的每个天线阵元的幅值和相位输出。 　　其中为天线的远场场强，、分别为天线元的幅值和相位，k为电波传播常数，=（cos（θ）sin（φ），sin（θ）sin（φ），cos（φ）） ，。 　　这样在外界给出一个需要天线阵进行最大功率辐射的角度后，即可通过上述方法实现快速的复制和相位的调节。 　　3 仿真与计算 　　本文采用的螺旋天线如图1所示，其为等角螺旋天线与阿基米德螺旋天线结合型天线，并在其外圈辅以2个圆环以提高圆极化特性。使用HFSS仿真软件进行仿真计算，其远场电场场强分布如图2所示。将角度作为输入参量，电场场强作为输出参量，训练神经网络，这里神经网络使用了matlab工具箱，采用lm学习规则，5000次训练迭代，训练过程如图3所示。 　　采用10×10的二维天线阵列，分别在θ=0deg，φ=30deg ，φ=0deg，θ=30deg做了两组优化综合，粒子群适应度函数变化趋势如图4，图5所示。 　　4 结语 　　本文提出一种使用神经网络结合粒子群算法完成二维天线阵快速响应综合的方法，该方法中，使用神经网络拟合天线远场电场场强，通过粒子群算法优化得到特定角度的场强最大值。方法与传统的天线阵综合法相比，将天线的远场场强考虑在阵列综合之内，而不是范范讨论不存在的全向天线综合。 　　参考文献： 　　[1]KHODIER M， CHRISTODOULOU G. Linear array geometry synthesis with minimum side -lobe level and null control using particle swarm optimization[J]. IEEE Trans.AP 2005， 53（08）：2674-2679. 　　[2]金荣洪，袁智皓，耿军平等.基于改进粒子群算法的天线方向图综合技术[J].电波科学学报，2006，21（06）：873-878. 　　[3]焦永昌，杨科，陈胜兵.粒子群优化算法用于阵列天线方向图综合设计[J].电波科学学报2006，21（16）：16-20. 　　[4]李金金，田雨波.基于量子粒子群改进算法的直线阵综[J].电波科学学报，2012，27（02）：255-259. 　　[5]GIES D， RAHMAT-SAMII Y. Particle swarm optimization for recon