基于量子蝙蝠搜索的天线阵稀疏构建与方向图综合方法
【技术领域】
[0001] 本发明涉及一种基于量子骗幅搜索的天线阵稀疏构建与方向图综合方法。
【背景技术】
[0002] 智能天线技术可根据多个天线组合进行自动调整发射和接收的方向图，根据不同 的应用需要实现参数选择的最优化，在雷达、无线通信和电子对抗等系统中发挥着重要的 作用。在实际工程中，为改善天线方向性还需采用幅度加权的方法，该样一来天线的馈电网 络将非常复杂，使得系统投入成本加大，同时也影响了系统的处理速度。通过天线阵的稀疏 构建可W在一定程度上解决该个问题，它按照规定的方向图要求，用一种或多种优化方法 进行天线系统的设计，设计阵元的分布形式，不仅降低了成本，也降低了设备的复杂度和故 障率。通过稀疏构建的天线阵，在阵元分布形式和阵元数目都给定的情况下，控制激励的幅 度和相位就可W改变福射特性，例如，主瓣形状、副瓣电平、零陷生成等，可进一步提高系统 性能。
[0003] 现有技术中，刘燕等在《西安电子科技大学学报》（2014, Vol. 41，No. l，pp. 29-34) 上发表的"入侵杂草优化算法用于阵列天线方向图综合"中采用自适应标准差该算法采 用自适应标准差产生新的种子，根据每个父代个体适应度值的大小来确定其产生的新种 子分布在距离父代多远的距离范围，其在提高全局搜索速度和效率的同时，有效地平衡了 全局和局部搜索能力，但是容易陷入局部极值。王维博等在《电子科技大学学报》（2011， Vol. 40, No. 2, PP. 237-241)上发表的"粒子群优化算法在天线方向图综合中的应用"基于分 层次和多子群策略，采用von Neumann邻域结构，在保持种群多样性的同时，充分利用其邻 域个体的有效信息，提出了改进的粒子群算法，并采用适合其特点的适应度函数，较好的平 衡了算法的全局和局部搜索能力，但是此算法收敛速度慢且容易陷入局部极值。
[0004] 上述两篇文献表明，现有天线阵的方向图综合方法只进行了激励幅度优化，并没 有进行稀疏位置优化，该使得系统的投入成本加大，系统的故障率增大，并且现有的用于解 决天线的方向图综合问题的优化算法的全局收敛性能较差，有待进一步提高。
【发明内容】
[0005] 本发明目的在于提供一种基于量子骗幅搜索的天线阵稀疏构建与方向图综合方 法，收敛精度高，具有更佳的全局搜索性能。
[0006] 实现本发明目的技术方案：
[0007] -种基于量子骗幅搜索的天线阵稀疏构建与方向图综合方法，其特征在于：基于 量子骗幅搜索机制，获得离散量子骗幅群体的全局最优位置，将其映射为一种稀疏天线阵 列；在前述所构建的天线稀疏阵列的基础上，基于量子骗幅搜索机制，获得连续量子骗幅群 体的全局最优量子位置及其映射的最优位置，从而获得天线阵的最优激励幅度。
[0008] 具体包括如下步骤，
[0009] 步骤1 ;确定天线阵稀疏对应量子骗幅搜索机制的关键参数；
[0010] 步骤2 ;把离散量子骗幅位置带入适应度函数，得到离散量子骗幅所在位置的适 应度值，根据适应度值，确定局部最优位置和离散量子骗幅群体中的全局最优位置；
[0011] 步骤3 ;更新每只离散量子骗幅发出的声波的频率，更新离散量子骗幅的位置；
[0012] 步骤4 ;计算离散量子骗幅在新位置下的适应度值，根据适应度值，重新确定离散 量子骗幅的局部最优位置和离散量子骗幅群体的全局最优位置；
[0013] 步骤5 ;如果达到最大迭代次数，执行步骤6 ;否则，迭代次数加1，返回步骤3 ;
[0014] 步骤6 ;输出离散量子骗幅群体的全局最优位置，并将其映射为一种稀疏天线阵；
[0015] 步骤7 ;在所构建的天线稀疏阵列的基础上，初始化连续量子骗幅量子位置和速 度，初始化脉冲响度和发射速率；
[0016] 步骤8 ;把连续量子骗幅位置带入适应度函数，得到连续量子骗幅所在位置的适 应度值，根据适应度值，确定连续量子骗幅的局部最优位置和连续量子骗幅群体的全局最 优位置；
[0017] 步骤9 ;更新每只连续量子骗幅发出的声波的频率，更新连续量子骗幅的量子位 置；
[0018] 步骤10 ;计算连续量子骗幅在新位置下的适应度值，根据适应度值，重新确定连 续量子骗幅的局部最优位置和连续量子骗幅群体的全局最优位置；
[0019] 步骤11 ;如果达到最大迭代次数，输出连续量子骗幅群体的全局最优量子位置及 其映射的最优位置，获得天线阵的最优激励幅度，进而控制天线阵列；否则，迭代次数加1， 执行步骤9。
[0020] 步骤1中，根据约束条件，确定天线稀疏所对应的离散量子骗幅搜索机制的 关键参数，离散量子骗幅的种群规模为h和向量维数为以生成h只离散量子骗幅组 成的离散量子骗幅群，对应h个相应位置和h个速度，每只离散量子骗幅的位置用L 维取值{〇, 1}的数字串表示，L表示解空间维数，第i只离散量子骗幅的量子速度为
【主权项】
1. 一种基于量子蝙蝠搜索的天线阵稀疏构建与方向图综合方法，其特征在于：基于量 子蝙蝠搜索机制，获得离散量子蝙蝠群体的全局最优位置，将其映射为一种稀疏天线阵列； 在前述所构建的天线稀疏阵列的基础上，基于量子蝙蝠搜索机制，获得连续量子蝙蝠群体 的全局最优量子位置及其映射的最优位置，从而获得天线阵的最优激励幅度。
2. 根据权利要求1所述的基于量子蝙蝠搜索的天线阵稀疏构建与方向图综合方法，其 特征在于：具体包括如下步骤， 步骤1 :确定天线阵稀疏对应量子蝙蝠搜索机制的关键参数； 步骤2 :把离散量子蝙蝠位置带入适应度函数，得到离散量子蝙蝠所在位置的适应度 值，根据适应度值，确定局部最优位置和离散量子蝙蝠群体中的全局最优位置； 步骤3 :更新每只离散量子蝙蝠发出的声波的频率，更新离散量子蝙蝠的位置； 步骤4 :计算离散量子蝙蝠在新位置下的适应度值，根据适应度值，重新确定离散量子 蝙蝠的局部最优位置和离散量子蝙蝠群体的全局最优位置； 步骤5 :如果达到最大迭代次数，执行步骤6 ;否则，迭代次数加1，返回步骤3 ; 步骤6 :输出离散量子蝙蝠群体的全局最优位置，并将其映射为一种稀疏天线阵； 步骤7 :在所构建的天线稀疏阵列的基础上，初始化连续量子蝙蝠量子位置和速度，初 始化脉冲响度和发射速率； 步骤8 :把连续量子蝙蝠位置带入适应度函数，得到连续量子蝙蝠所在位置的适应度 值，根据适应度值，确定连续量子蝙蝠的局部最优位置和连续量子蝙蝠群体的全局最优位 置； 步骤9 :更新每只连续量子蝙蝠发出的声波的频率，更新连续量子蝙蝠的量子位置； 步骤10 :计算连续量子蝙蝠在新位置下的适应度值，根据适应度值，重新确定连续量 子蝙蝠的局部最优位置和连续量子蝙蝠群体的全局最优位置； 步骤11 :如果达到最大迭代次数，输出连续量子蝙蝠群体的全局最优量子位置及其映 射的最优位置，获得天线阵的最优激励幅度，进而控制天线阵列；否则，迭代次数加1，执行 步骤9。
3. 根据权利要求2所述的基于量子蝙蝠搜索的天线阵稀疏构建与方向图综合方 法，其特征在于：步骤1中，根据约束条件，确定天线稀疏所对应的离散量子蝙蝠搜索 机制的关键参数，离散量子蝙蝠的种群规模为h和向量维数为L，生成h只离散量子蝙 蝠组成的离散量子蝙蝠群，对应h个相应位置和h个速度，每只离散量子蝙蝠的位置用 L维取值{0，1}的数字串表示，L表示解空间维数，第i只离散量子蝙蝠的量子速度