資源描述：
《淺析基于遺傳算法的智能天線波束形成的論文》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、淺析基于遺傳算法的智能天線波束形成的論文 摘要:為降低智能天線方向圖旁瓣電平,加深干擾方向零點(diǎn)深度,提出一種改進(jìn)的實(shí)數(shù)編碼遺傳算法。該算法基于人類的繁殖現(xiàn)象,改進(jìn)了標(biāo)準(zhǔn)遺傳算法的交叉算子,從而克服了標(biāo)準(zhǔn)遺傳算法收斂速度慢,易陷入局部最優(yōu)等問(wèn)題,提高了優(yōu)化效率。在仿真實(shí)驗(yàn)中,以均勻直線陣為例,用改進(jìn)的遺傳算法對(duì)陣元激勵(lì)的幅度進(jìn)行優(yōu)化,形成的方向圖獲得了更好的結(jié)果。 關(guān)鍵詞:智能天線;波束形成;方向圖;遺傳算法;人類繁殖現(xiàn)象 beam-formingofsmartantennabasedongeneticalgorithm wulin-
2、jing,lijing-hua,wangjing,nining (departmentofelectronicengineering,northwesternpolytechnicaluniversity,xi’an710072,china) abstract:inordertoreducetheside-lobelevelanddeepthenullofsmartantennapatterns,animprovedreal-codedgeneticalgorithmisproposed.thealgorithmimprovesthecr
3、ossoveroperatorofstandardgeneticalgorithmbasedonhumanreproductionphenomenon(hrga).so,theslowconvergenceandlocaloptimumofstandardgeneticalgorithmareresolvedandtheconvergencespeedisenhanced.takinganexampleofuniformlineararrayinsimulationexperiment,amplitudeoftheelementexcitedcu
4、rrentisoptimizedthroughimprovedga,thepatternisbetter. keywords:smartantenna;beam-forming;pattern;geneticalgorithm;humanreproductionphenomenon 0引言 智能天線波束形成是通過(guò)優(yōu)化陣元的電流幅度或相位或陣元間距,使天線主波束對(duì)準(zhǔn)期望信號(hào),旁瓣和零陷對(duì)準(zhǔn)干擾信號(hào),從而接收有用信號(hào),抑制干擾信號(hào)。WwW.11665.com由于天線優(yōu)化問(wèn)題中的目標(biāo)函數(shù)或約束條件呈多參數(shù)、非線性、不可微甚至不連續(xù),因而基于梯
5、度尋優(yōu)技術(shù)的傳統(tǒng)數(shù)值優(yōu)化方法無(wú)法有效求得工程上滿意的結(jié)果。而遺傳算法是模仿自然界生物進(jìn)化機(jī)制發(fā)展起來(lái)的隨機(jī)全局搜索和優(yōu)化方法,是一種高效、并行、全局搜索的方法,能自適應(yīng)地控制搜索過(guò)程以求得最優(yōu)解[1]?！ 〉窃谥悄芴炀€應(yīng)用領(lǐng)域中,標(biāo)準(zhǔn)遺傳算法存在早熟,后期收斂速度慢、計(jì)算復(fù)雜等問(wèn)題,于是提出了一些改進(jìn)的遺傳算法。文獻(xiàn)[2]提出了一種基于排序的實(shí)數(shù)編碼遺傳算法,并應(yīng)用于唯幅度控制等間距天線陣方向圖綜合。文獻(xiàn)[3]提出交替使用兩種遺傳繁殖操作產(chǎn)生后代群體,以擺脫收斂對(duì)初始群體選擇的依賴,應(yīng)用于超低副瓣線陣天線的方向圖綜合;文獻(xiàn)[4]采用復(fù)數(shù)編碼,并
6、用三個(gè)父代染色體線性交叉產(chǎn)生子代個(gè)體,將適應(yīng)度高的個(gè)體選擇到下一代。針對(duì)在標(biāo)準(zhǔn)遺傳算法中,由于近親繁殖,導(dǎo)致很多交叉操作無(wú)效的問(wèn)題,對(duì)遺傳算法的交叉算子進(jìn)行了改進(jìn),并對(duì)陣元激勵(lì)的幅度進(jìn)行了優(yōu)化。實(shí)驗(yàn)結(jié)果表明,提出的改進(jìn)方法是有效的。 1基于遺傳算法的波束形成 1.1遺傳算法基本步驟 遺傳算法的設(shè)計(jì)過(guò)程中包含了參數(shù)編碼方式的選用、初始群體的建立、適應(yīng)度函數(shù)的構(gòu)造、遺傳操作的設(shè)計(jì)、控制參數(shù)的設(shè)定。算法的收斂性取決于這五個(gè)方面的設(shè)計(jì)及數(shù)值精度和收斂速度的一些折衷?！ ?1)編碼 采用實(shí)數(shù)編碼,直接將陣元的激勵(lì)電流幅值依次排列構(gòu)成一個(gè)染色體,如:
7、i=[i1,i2,…,in],n為陣元數(shù)目。 (2)選擇 采用最佳保留選擇,即首先通過(guò)輪盤(pán)賭方式選擇染色體,然后選擇當(dāng)前種群中最高適應(yīng)度值的染色體,作為父代染色體,直接保留到下一代,保證算法終止時(shí)最后結(jié)果為出現(xiàn)適應(yīng)度最高的個(gè)體?！ ?3)交叉 采用線性交叉產(chǎn)生新個(gè)體,設(shè)兩個(gè)父代個(gè)體分別為p1,p2: c1=(2p1+p2)/3 c2=(p1+2p2)/3 c3=(p1+p2)/2 (1) 從c1,c2,c3中選出適應(yīng)度較高的兩個(gè)作為后代個(gè)體?！ ?4)變異 采用非均勻變異,對(duì)原有的個(gè)體做一隨機(jī)擾動(dòng),以擾動(dòng)后的結(jié)果
8、作為變異后的新值。設(shè)要變異的個(gè)體為p,變異后為p′。 p′=αp (2) 式中:α為[0,1]之間的隨機(jī)數(shù)?！ ?.2改進(jìn)
