淺析基于遺傳算法的智能天線波束形成

《淺析基于遺傳算法的智能天線波束形成》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-formingofSmartAntennaBasedonGeneti

2、cAlgorithm　　WULin-jing,LIJing-hua,WANGJing,NINing　　(DepartmentofElectronicEngineering,NorthwesternPolytechnicalUniversity,Xi’an10072,China)　　Abstract:Inordertoreducetheside-lobelevelanddeepthenullofsmartantennapatterns,animprovedreal-codedgeneticalgor

3、ithmisproposed.Thealgorithmimprovesthecrossoveroperatorofstandardgeneticalgorithmbasedonhumanreproductionphenomenon(HRGA).So,theslowconvergenceandlocaloptimumofstandardgeneticalgorithmareresolvedandtheconvergencespeedisenhanced.Takinganexampleofuniforml

4、ineararrayinsimulationexperiment,amplitudeoftheelementexcitedcurrentisoptimizedthroughimprovedGA,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

5、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)。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]。　　但是在智能天線應(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

6、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?！　?基于遺傳算法的波束形成　　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)

7、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: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)

8、體,設(shè)兩個(gè)父代個(gè)體分別為P1,P2:　　C1=(2P1+P2)/　　C2=(P1+2P2)/　　C3=(P1+P2)/　　(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)?！　?.改進(jìn)的遺傳算法　　在遺傳算法中,交叉操作是最重要的,是決