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。
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-formingofsmartantennabased
2、ongeicalgorithm entofelectronicengineering,northartantennapatterns,animprovedreal-codedgeicalgorithmisproposed.thealgorithmimprovesthecrossoveroperatorofstandardgeicalgorithmbasedonhumanreproductionphenomenon(hrga).so,thesloumofstandardgeicalgorit
3、hmareresolvedandtheconvergencespeedisenhanced.takinganexampleofuniformlineararrayinsimulationexperiment,amplitudeoftheelementexcitedcurrentisoptimizedthroughimprovedga,thepatternisbetter. keyartantenna;beam-forming;pattern;geicalgorithm;humanreprodu
4、ctionphenomenon 0引言 智能天線波束形成是通過優(yōu)化陣元的電流幅度或相位或陣元間距,使天線主波束對準(zhǔn)期望信號,旁瓣和零陷對準(zhǔn)干擾信號,從而接收有用信號,抑制干擾信號。.由于天線優(yōu)化問題中的目標(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)地控制搜索過程以求得最優(yōu)解[1]?！ 〉窃谥悄芴炀€應(yīng)用領(lǐng)
5、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)致很多交叉操作無效的問題,對遺傳算法的交叉算子進(jìn)行了改進(jìn),并對陣元激
6、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 1.1遺傳算法基本步驟 遺傳算法的設(shè)計(jì)過程中包含了參數(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:i=[i1,i2,…,in],n為陣元數(shù)目。 (2)選擇 采用最佳保留選擇,即首先通過輪盤賭方式選擇染色體,然后選
7、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,對原有的個(gè)體做一隨機(jī)擾動,以擾動后的結(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
8、 (2) 式中:α為[0,1]之間的隨機(jī)數(shù)?！ ?.2改進(jìn)的遺傳算法 在遺傳算法中,交叉操作是最重要的,是決定算法收斂性能的關(guān)鍵。但是標(biāo)準(zhǔn)遺傳算法中,由于近親繁殖,導(dǎo)致很多交叉操作無效,大大影響算法的收斂速度,甚至不能收斂到全局最優(yōu)解。出現(xiàn)這一現(xiàn)象的根本原因是:當(dāng)種群進(jìn)化到一定階段時(shí),種群中會出現(xiàn)許多相同或相近的個(gè)體,很難產(chǎn)生出新的優(yōu)良個(gè)體,而且兩個(gè)父代個(gè)體中相同的基因越多,交叉操作產(chǎn)生出新個(gè)體的概率就越小,操作無效的概率就越大?！ ♂槍σ陨蠁栴},根據(jù)人類的繁殖方式,個(gè)體必須進(jìn)行嚴(yán)格的
