一種大型平面陣列天線方向圖綜合級聯(lián)優(yōu)化方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于雷達(dá)天線技術(shù)領(lǐng)域，涉及一種大型平面陣列天線方向圖綜合級聯(lián)優(yōu)化方法。
【背景技術(shù)】
[0002]本發(fā)明用于平面陣列天線的方向圖賦形，特別是對于大型平面陣列具有效率高的優(yōu)勢。平面陣列天線綜合方法是伴隨著雷達(dá)技術(shù)的發(fā)展而不斷發(fā)展的，目前國內(nèi)外針對基于全陣單元加權(quán)的陣列天線方向圖綜合可以分為以下幾種方法:解析法；傳統(tǒng)數(shù)學(xué)優(yōu)化法；人工智能型算法；迭代傅里葉算法(IFT)。
[0003]解析法是指直接利用解析公式對天線方向圖綜合計(jì)算，該方法能夠快速計(jì)算出所需方向圖的激勵(lì)分布。目前經(jīng)典的方法有泰勒(Taylor)綜合法、切比雪夫(Chebyshev)綜合法、貝里斯(Bayliss)綜合法等(薛正輝，李偉明，任武《陣列天線分析與綜合》北京:北京航空航天大學(xué)，2011)，這些算法的特點(diǎn)就是利用解析公式就可以快速得到激勵(lì)分布，具有實(shí)時(shí)性的特點(diǎn)，然而這些方法只能對筆形低副瓣方向圖等一些簡單方向圖進(jìn)行綜合設(shè)計(jì)，對于復(fù)雜的方向圖綜合該方法將無能為力。
[0004]傳統(tǒng)數(shù)學(xué)優(yōu)化方法與解析方法相比具有靈活性強(qiáng)、適用性廣等優(yōu)點(diǎn)。從數(shù)學(xué)上看，陣列天線優(yōu)化設(shè)計(jì)問題的本質(zhì)是求解陣列輻射方向圖各項(xiàng)性能指標(biāo)(如方向性系數(shù)、副瓣電平等)關(guān)于最佳激勵(lì)加權(quán)矢量、陣元空間分布的全局最小值或最大值問題。在傳統(tǒng)優(yōu)化方法中將這些最值問題的數(shù)學(xué)表達(dá)式稱為目標(biāo)函數(shù)。最陡下降法(Robert G Voges, Jerome K Butler.Phase optimizat1n of antenna array gain withconstrained amplitude excitat1n[J].1EEE Transact1ns on Antennas and Propagat1n, 1972, 20(4):432-436.)、線性規(guī)劃法(胡亮兵，劉宏偉，楊曉超等.集中式MMO雷達(dá)發(fā)射方向圖快速設(shè)計(jì)方法[J].電子與信息學(xué)報(bào)，2010，32 (2):481-484.)等傳統(tǒng)的數(shù)學(xué)優(yōu)化方法被陸續(xù)應(yīng)用到方向圖綜合問題中。陣列天線優(yōu)化設(shè)計(jì)中的目標(biāo)函數(shù)對設(shè)計(jì)參量往往具有非線性、不可微等數(shù)學(xué)特性，因此最陡下降法、線性規(guī)劃法等局部優(yōu)化算法在求解這類問題時(shí)對選取初值的好壞具有很強(qiáng)的依賴性，在迭代過程中容易陷入局部極值點(diǎn)。對于更加復(fù)雜的多目標(biāo)、大規(guī)模變量優(yōu)化問題，這些方法將會出現(xiàn)不收斂、計(jì)算效率降低等問題。
[0005]人工智能型優(yōu)化算法典型的如遺傳算法(GA) (Mandal D, Ghoshal S K, DasS，et al.1mprovement of radiat1n pattern for linear antenna array usinggenetic algorithm[C].Proc.0f the Internat1nal conference on Recent Trends inInformat1n, Telecommunicat1n and Computing, 2010:126-129.)、粒子群(PSO)算法(劉燕，郭陳江，丁君等，基于粒子群算法的陣列天線方向圖綜合[J].電子測量技術(shù)，2007，30(6):43-45.)、差分進(jìn)化算法(DE)(謝歡歡，楊伯朝.基于差分進(jìn)化算法的陣列天線方向圖綜合研宄[J].現(xiàn)代導(dǎo)航，2012年6月第3期:219-224.)以及多種智能優(yōu)化算法結(jié)合的算法(周海進(jìn)，劉其中，李建峰等.陣列天線方向圖綜合的混合遺傳算法優(yōu)化[J].微波學(xué)報(bào)，2008年10月第24卷增干Ij:60-64.)、(劉瑞斌，鄢澤洪，孫從武等.PSO和GA在陣列天線方向圖綜合中的應(yīng)用[J].西安電子科技大學(xué)學(xué)報(bào)(自然科學(xué)版)，2006年10月第33卷第5期:797-813.)等在方向圖綜合領(lǐng)域得到了應(yīng)用。這些人工智能型算法解決非線性優(yōu)化問題具有簡單通用、適應(yīng)性強(qiáng)而且能夠避免陷入局部最優(yōu)等特點(diǎn)?；谶@些特點(diǎn)，將人工智能型算法應(yīng)用于電磁學(xué)領(lǐng)域解決了其他算法解決不了的問題，但是這些算法收斂速度緩慢，文獻(xiàn)中所述的綜合陣列規(guī)模一般為直線陣或者是單元數(shù)小于300的小型平面陣列天線。
[0006]Keizer利用周期陣列輻射單元激勵(lì)和遠(yuǎn)場方向圖因子之間的傅立葉變換關(guān)系，提出了迭代傅立葉算法(Iterative Fourier Technique，簡稱IFT)的算法(W.P.M.N.Keizer,Low Sidelobe Pattern Synthesis Using IterativeFourier Techniques Coded in MATLAB[J], IEEE Antennas and Propagat1nMagazine, Vol.51，N0.2，April 2009:137-150)。該算法可用于低副瓣方向圖綜合設(shè)計(jì)，亦可以實(shí)現(xiàn)復(fù)雜的副瓣結(jié)構(gòu)，并可在副瓣的指定區(qū)域置零。IFT算法由初始激勵(lì)出發(fā)，利用IFFT算法得到方向圖的采樣點(diǎn)，與目標(biāo)方向圖比較后，修改未滿足要求的采樣點(diǎn)，然后利用FFT算法逆求出新的單元激勵(lì)進(jìn)入下次循環(huán)，當(dāng)方向圖與激勵(lì)均滿足目標(biāo)或循環(huán)次數(shù)達(dá)到預(yù)設(shè)值后結(jié)束循環(huán)。由于FFT與IFFT計(jì)算效率非常高，所以IFT可以高效地完成大型周期陣列天線的方向圖綜合問題。但是該方法經(jīng)常會提前收斂，當(dāng)?shù)揭欢ù螖?shù)后不能繼續(xù)優(yōu)化導(dǎo)致達(dá)不到全局最優(yōu)。
[0007]本發(fā)明將迭代傅里葉算法與人工智能型算法結(jié)合起來，兼顧了迭代傅里葉算法效率高與人工智能型算法搜解能力強(qiáng)的特點(diǎn)，能夠更高效地解決大型平面陣列天線的綜合計(jì)算問題。

【發(fā)明內(nèi)容】

[0008]針對現(xiàn)有的技術(shù)缺陷，本發(fā)明的目的在于提供一種通用性好的平面陣列天線方向圖綜合方法，通過將IFT與多種優(yōu)化算法相結(jié)合，能夠有效地提高大型平面陣列天線方向圖的綜合效率與計(jì)算精度。
[0009]為實(shí)現(xiàn)上述目的，本發(fā)明是通過以下技術(shù)方法實(shí)現(xiàn)的:
[0010]第一步:獲得綜合陣列中陣中單元方向圖數(shù)據(jù)Ptl，獲得綜合陣列的工作頻率&，陣列規(guī)模行、N列，行間距dy、列間距dx，目標(biāo)方向圖Fg。取陣列方向圖計(jì)算點(diǎn)數(shù)K，且K =2n>max (M，N)，η 為正整數(shù)；
[0011]第二步:利用IFT產(chǎn)生m組，m為正整數(shù)，且m>l，陣列單元幅相激勵(lì)分WEi，其中i=1,2……m，以及對應(yīng)的陣列天線方向圖Fi，其中i = 1,2……m;
[0012]第三步:將m組陣列單元幅相激勵(lì)分布Ei，其中i = 1,2……m作為初始值利用差分進(jìn)化算法進(jìn)行優(yōu)化，獲得其中最優(yōu)的一組幅相激勵(lì)分布Ep以及對應(yīng)陣列天線方向圖Fp;
[0013]第四步:將該最優(yōu)的幅相激勵(lì)分布Ep利用模擬退火優(yōu)化算法進(jìn)一步迭代優(yōu)化，獲得最終的最優(yōu)幅相激勵(lì)分布Epl與對應(yīng)的陣列天線方向圖Fpl。
[001