基于改进入侵杂草算法的稀疏线性阵列方向图综合方法及系统

本发明属于天线阵列方向图综合，特别是指一种基于改进入侵杂草算法的稀疏线性阵列方向图综合方法及系统。

背景技术：

1、近年来，随着计算机算力的不断进步，促使各种算法在计算机上得以实现，人们可以对非均匀阵列天线综合这一非线性优化问题的研究朝着严格约束条件且大规模的方向发展。现有的具有复杂约束的非均匀阵列天线设计方法主要采用全局优化算法，此类算法具有较好的寻优结果，在稀疏阵列、稀布阵列设计中被广泛使用。《一种非均匀抛物线阵列天线设计方法》(申请(专利)号：cn202011246386.6)公开了一种非均匀抛物线阵列天线设计方法，此发明能够有效降低方向图最大副瓣电平，对相邻阵列单元的最小间距进行约束，避免互耦效应对于系统的影响，并有效减少阵列天线的尺寸和单元的数目，专利转化过程中可有效降低馈电网络工程化的实现难度。

2、与其他进化算法类似，在处理高维度的阵列天线综合这类非线性优化问题时，标准入侵杂草算法也存在着早熟收敛，搜索范围不大，易于陷入局部最优，进化后期算法收敛速度明显下降等固有缺点。

技术实现思路

1、本发明的目的在于克服现有技术中的不足，提供一种基于改进入侵杂草算法的稀疏线性阵列方向图综合方法及系统，首先，在入侵杂草优化算法基础上引入混沌映射的概念，提高初始解的质量，可有效地避免算法早熟的缺点；其次，提出动态调整父代杂草规模策略及基于马氏距离的聚类策略、融入自适应正态分布变异算子，从而使算法跳出局部最优值，使得寻优精度进一步提高。

2、为达到上述目的，本发明是采用下述技术方案实现的：

3、第一方面，本发明提供了一种基于改进入侵杂草算法的稀疏线性阵列方向图综合方法，包括以下步骤：

4、以限定主瓣宽度、使峰值副瓣电平最小为目标构建稀疏线性阵列方向图适应度函数；

5、利用改进入侵杂草算法对所述稀疏线性阵列方向图适应度函数进行优化求解，得到稀疏线性阵列方向图的优化结果；其中利用改进入侵杂草算法对所述稀疏线性阵列方向图适应度函数进行优化求解，包括：

6、步骤1：基于改进chebyshev混沌映射确定初始杂草种群；

7、步骤2：判断是否达到最大迭代次数，若是，输出最优杂草，并根据所述最优杂草确定稀疏线性阵列方向图的优化结果，否则，执行循环迭代步骤直至达到最大迭代次数；

8、其中所述循环迭代步骤包括：

9、步骤3：计算所有杂草的适应度函数值、排序并择优；

10、步骤4：基于自适应控制惯性权重策略确立父代杂草种群规模；

11、步骤5：基于马氏距离的聚类策略寻找父代杂草、引入置零处理；

12、步骤6：基于正态分布变异策略进行空间扩散；

13、步骤7：更新杂草种群。

14、进一步的，构建稀疏线性阵列方向图适应度函数，包括：

15、阵列模型的远场方向图表示为：

16、

17、(1)式中，设置阵列单元为理想点源，单元间距均为δl，k＝2π/λ，λ为自由空间波长，u＝sinθ(∈[-1,1])，zd是第d个天线单元的幅度，d＝1，2，…，d。

18、所述设立的适应度函数为：

19、fitness＝φ|lmsl-ltps|+β|max|f(u0)|-ltps|+γ|bw-bd|        (2)

20、(2)式中，ltps为预设副瓣电平门限，lmsl为综合结果中最大副瓣电平，bw为预设主瓣宽度、bd为综合结果中主瓣宽度、u0为方位角，即主瓣指向位置，φ、β和γ定义为适应度函数权重系数，fitness代表适应度函数值。

21、进一步的，步骤1所述设立最大迭代次数为gmax、设置种群规模大小为n、基于改进chebyshev混沌映射确定初始杂草种群，包括：

22、(zn、d)g+1＝(cos(karccos(zn、d)g)+1)/2     (3)

23、k为阶次，(3)式中，初值由随机序列产生，g为迭代次数，第n个杂草zn由d个元素组成，表示为[zn、1,...,zn、d,...,zn、d]。

24、进一步的，步骤2所述判断算法是否达到最大迭代次数，包括：判断g是否达到最大迭代次数gmax。

25、进一步的，步骤3所述输出最优杂草中，待输出的最优杂草对应的适应度函数值需最小。

26、进一步的，步骤4所述计算所有杂草的适应度函数值、排序并择优，包括：将n个杂草按适应度值从小到大进行排序，将排序前50％的杂草作为父代杂草的选择范围。

27、进一步的，步骤5所述基于自适应控制惯性权重策略确立父代杂草种群规模，包括：

28、

29、q表示父代杂草种群数量，则父代杂草种群表示为[z1,...,zq,...,zq]，rand(0,0.25)为得到一个0到0.25之间的随机数，ceil(·)返回一个大于或等于函数值的最小整数。

30、进一步的，步骤6基于马氏距离的聚类策略寻找父代杂草，包括：

31、计算父代杂草选择范围内每个杂草与其余所有杂草之间的马氏距离，杂草zi与zj之间的马氏距离计算步骤如下：

32、

33、式中，d＝1，2，…，d。

34、杂草zi与zj之间的马氏距离表示如下：

35、

36、式中，t表示转置，s为协方差矩阵，表示如下：

37、

38、式中，cov表示协方差计算函数。

39、杂草zi的马氏距离合集表示如下：

40、

41、将所有杂草的马氏距离合集从小到大排序后等分为q个区间，每个区间随机选择一个解作为父代杂草，剩余杂草解数量为n-q,作剔除处理。将每个杂草向量中幅度小于门限h的值做置零处理。

42、进一步的，步骤7基于正态分布变异策略进行空间扩散，包括：

43、

44、式中，fmax和fmin为迭代过程中获得的最大、最小适应度值，smax和smin为经典入侵杂草算法中设置的父代杂草可产生的最大子代杂草数和最小子代杂草数，f(zq)为第q个杂草的适应度值，ageaverage为父代杂草群体的平均存活代数，zq、age为父代杂草个体的存活代数。ffloor(·)表示函数值向下取整。

45、产生的子代杂草以自适应正态分布变异算子的形式随机分散在父代杂草附近。迭代过程中第q个杂草产生的第s个子代杂草表示为：

46、zq,s＝zq+zq·α·n(0,σ2)，s∈[1,...,sq]     (10)

47、其中，n(0,σ2)表示正态分布，σ为标准差.随着进化代数的增加，σ逐渐减小，其变化规律表示为：

48、σ＝σfinal+((gmax-g)/gmax)ω(σinitial-σfinal)       (11)

49、其中，σinitial、σfinal表示为初始和最终标准差，ω为非线性调节因子。

50、(10)式中，α为收敛因子，具体如下式：

51、

52、其中，τ表示曲线光滑因子。

53、进一步的，步骤8所述重新初始化杂草种群，包括：

54、若则随机保留n个杂草并删除剩余杂草；若则基于父代杂草依序经改进chebyshev混沌映射产生个杂草。将保留的杂草作为更新后的杂草种群。

55、第二方面，本发明提供了一种基于改进入侵杂草算法的稀疏线性阵列方向图综合系统，包括：

56、适应度函数构建模块：用于以限定主瓣宽度、使峰值副瓣电平最小为目标构建稀疏线性阵列方向图适应度函数；

57、方向图优化模块：用于利用改进入侵杂草算法对所述稀疏线性阵列方向图适应度函数进行优化求解，得到稀疏线性阵列方向图的优化结果；

58、其中，方向图优化模块包括：

59、初始化模块：基于改进chebyshev混沌映射确定初始杂草种群；

60、最优杂草输出模块：判断是否达到最大迭代次数，若是，输出最优杂草，并根据所述最优杂草确定稀疏线性阵列方向图的优化结果，否则，执行循环迭代模块直至达到最大迭代次数；

61、其中所述循环迭代模块包括：

62、第一迭代模块：用于计算所有杂草的适应度函数值、排序并择优；

63、第二迭代模块：用于基于自适应控制惯性权重策略确立父代杂草种群规模；

64、第三迭代模块：用于基于马氏距离的聚类策略寻找父代杂草、引入置零处理；

65、第四迭代模块：用于基于正态分布变异策略进行空间扩散；

66、第五迭代模块：用于更新杂草种群。

67、第三方面，本发明提供了一种基于改进入侵杂草算法的稀疏线性阵列方向图综合设备，包括处理器及存储介质；

68、所述存储介质用于存储指令；

69、所述处理器用于根据所述指令进行操作以执行第一方面所述方法的步骤。

70、第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现第一方面所述方法的步骤。

71、与现有技术相比，本发明所达到的有益效果：

72、该基于改进入侵杂草算法的稀疏线性阵列方向图综合方法及系统，改进入侵杂草算法在入侵杂草算法基础上引入改进chebyshev混沌映射的概念，提高初始解的质量，可有效地避免算法早熟的缺点；提出动态调整父代杂草规模策略及基于马氏距离的聚类策略、融入自适应正态分布变异算子，从而使算法跳出局部最优值，使得寻优精度进一步提高。利用改进入侵杂草算法对阵列天线进行稀疏设计，在有效控制方向图预设区域内的最大副瓣电平、使得波束无展宽且无栅瓣出现前提下，短时间内快速实现阵列天线的设计，有效减少阵列天线的尺寸和单元的数目，因此本发明的设计有利于降低阵列工程化的实现难度。