CN105048112A - 基于qiwo_ift组合算法的阵列天线唯相位变换波束赋形方法 - Google Patents

Abstract

本发明涉及一种基于QIWO_IFT组合算法的阵列天线唯相位变换波束赋形方法，属于无线通信、信号处理技术领域。本发明涉及一种阵列天线唯相位变换波束赋形方法，即在功率保持不变的情况下仅通过相位加权来实现不同辐射要求的波束，该发明包括以下部分：使用量化入侵杂草算法得出每一个理想方向图对应的单元幅相值作为迭代傅里叶变换的初值，应用离散傅里叶逆变换(IFFT)得出数组方向图，然后与期望方向图比较，得出新的方向图，再应用快速傅里叶变换(FFT)反算出新的单元激励。本发明结合量化入侵杂草算法方向图赋形的快速性、有效性以及迭代傅里叶算法能最终收敛和收敛速度快的特点，提高仅相位变化各方向图的空域内波束覆盖的能力，因而具有较好的工程实用性。

Description

基于QIWO_IFT组合算法的阵列天线唯相位变换波束赋形方法

技术领域

本发明涉及一种基于阵列天线唯相位变换的波束赋形方法。涉及在电流幅度不变仅相位变化的情况下实现对远场方向图变化的技术。

背景技术

阵列天线唯相位变换波束赋形技术是一种仅通过相位加权来改变方向图赋形的方法。不同的辐射方向图是为了实现不同的作用。在很多实际应用中，如空中交通管制雷达、航天器、卫星以及无线通信等，需要产生不同的辐射方向图。唯相位变换波束赋形方法使得天线***仅使用一个天线阵即可完成不同的任务，这就需要通过一些算法寻求一组合理的激励权值来控制天线波束的指向、宽度、形状、副瓣电平、零陷点的位置。采用只改变馈电相位分布的仅相位加权方法可使其不改变原有功率分配馈电网络和不增加新设备的情况下，利用计算机控制移相器值的改变实现波束赋形，是非常经济的可行方法，由于相位控制比功率控制更加容易实现且拥有更小的功率损耗，因此可以通过唯相位变换技术减少天线增益损失。因此，研究阵列天线的唯相位变换技术是非常必要的。

常规的方法是以单元的激励相位作为优化变量，通过优化算法来完成，如Davis将最小二乘法应用于唯相加权的阵列波束赋形；Haupt用遗传算法实现唯相加权的自适应零点生成；Khzmalyan采用单坐标最小化的方法实现唯相加权波束赋形和自适应零点生成，常规的方法当单元的数量较多时，优化变量也就很多，这样导致优化过程非常耗时，优化的结果无法逼近理想方向图。

本发明利用量化入侵杂草算法(QIWO)快速获得理想方向图的幅相值作为经典傅里叶(IFFT)迭代算法的初值，结合了量化入侵杂草算法良好的平衡全局收敛和局部收敛能力以及迭代傅里叶算法成熟和运算速度快的优点，回避了初值选择不当后迭代傅里叶算法收敛速度慢或无法收敛的缺点，最终实现在功率保持一定的情况下，仅通过相位加权完成方向图赋形的变化。

发明内容

实现本发明的目的在于提供一种线性阵列唯相位变化方向图综合方法。

实现本发明目的的技术解决方案为：将线性阵列的每一单元电流幅度与相位幅度做等间隔分段处理，取分段后每段的中间值作为量化值，算法运行中计算可能的初值，中间迭代值以及满足唯相位变换方向图的终值均量化到选择分段后每段的中间值；选定智能算法中的初始种群数，最大种群数标准差，标准差最终值，非线性调节因子，缩放影子，适应度函数，循环次数等固定参数和计算公式，将随机选取的量化值作为每个阵列单元幅度相位的初始迭代值，取得满足条件的单一方向图综合的幅相值。每个单元的幅相值作为迭代傅里叶变换的初值，叶逆变换(IFFT)得出阵列方向图，然后与期望方向图比较，得出新的方向图，再应用二维快速傅里叶变换(FFT)反算出新的单元的激励。

本发明关于一种基于QIWO_IFT组合算法的阵列天线唯相位变换波束赋形方法效果体现在下述几个方面：

(1)量化的相位值，便于应用在实际工程。

(2)量化入侵杂草算法将每个单元的电流和相位进行量化处理，将无限可能的值简化为有限个可能的值，通过缩小搜索范围来获得较强的局部搜索能力以增强算法的整体收敛性能。

(3)将量化入侵杂草算法得出的单元幅相值作为迭代傅里叶算法的初值，提高经典迭代傅里叶算法收敛速度的同时保证了算法最终的收敛。

附图说明

图1：共电流幅度仅相位加权下平顶波束赋形效果图。

图2：共电流幅度仅相位加权下余割平方赋形效果图。

图3：计算得出的共电流幅度值。

图4：计算得出的各方向图对应的相位值。

具体实施方式

本发明的技术方案具体实施过程如下：

步骤一：将每个单元的幅相参数量化，确定幂数N，对线性阵列的每一个单元的电流幅度和相位幅值分别按照上下限进行等间隔分段，分段数量为2^N，取每个分段的中间值作为量化值，并对每一个量化后电流幅度和相位幅度分别度按1～2^N进行编号；假设QIWO算法的单元数为M，则初始种群数初值设定为2M，最大种群数设定10M，可产生的种子区间为[1，M/2]，解搜索空间为[1,2^N]；QIWO算法中的适应度函数选择为：

0.8×|MSLL-SLVL|+0.2|LL_MAX-NLVL|

其中：MSLL为方向图旁瓣最高值；SLVL为理想方向图旁瓣最高值；NLVL为所有指定角度的模值，LL_MAX为理想方向图的波纹的上下限；

步骤二：将随机产生的每个单元的幅相量化值带入QIWO算法，迭代后进而得出每一个理想方向图对应的单元幅相值，流程包括；

(a)设QIWO算法的量化初值为随机产生的整数值，对于单元数为M，则初始解为X＝[X₁,X₂,…X_2M]；

(b)算法中杂草生长的过程，杂草每次成长的最新值的前M个值即为每个单元的幅度，后M个值即为每个单元的相位值，每个杂草个体可产生的种子数为：

$S_{sum}=F_{floor}\left(\frac{f\left(X_i\right)-F_{\min }}{F_{max}-F_{\min }}\right(s_{\max }-s_{\min })+s_{\min })$

其中：F_max和F_min为此次进化中的最大最小适应度值，S_max和S_min为可产生的最大种子数和最小种子数，f(Xi)为第i个杂草个体的适应度值，F_floor为函数向下取整；

(c)让每个单元对应的幅度值，即种子个体在D维搜索空间，以正态分布随机分散在父代杂草附近，即第i个单元的第S个幅度或相位种子的位置为；

X_i,s＝X_i+N(0,σ²)

(d)当在迭代过程中，当种群数超过最大种群数的限制时，则按照方向图的适应度计算结果排序，对排序后的个体按适应度值由大到小依次选出10M个，作为该次迭代最终保留下来的种群；

经过上述流程，满足最大迭代次数和达到理想方向图要求两个条件中的任意一个后，完成QIWO算法的计算过程，最终每个方向图的单元幅相值作为迭代傅里叶变换运算的初值；

步骤三：每个单元的幅相值作为迭代傅里叶变换的初值，傅里叶逆变换得出阵列方向图，然后与期望方向图比较，得出新的方向图；

步骤四：将新的方向图应用FFT反算出新的单元激励；

(a)在IFFT得出阵列方向图的过程中，每一个单元的模值为上次求出多个方向图对应模值的均值，相位幅值则为上次求出方向图各自对应的相位值，并用0补齐余值；

(b)在FFT反算各单元激励的过程中，对于方向图与理想方向图的模值不一致性，采用保留原方向图的相位值，用理想方向图的模值直接覆盖的方法，迭代后取前M值作为M个单元的幅相值；

(c)在迭代傅里叶算法的过程中当迭代次数超过预定值后自动停止迭代。

实例1：线阵天线由29个单元组成，单元间距0.5λ，约束条件为平顶波束主瓣为|sinθ|≤0.41，波纹为0.1，副瓣为-25dB，余割平方赋形左副瓣范围-1≤sinθ≤-0.15，右副瓣范围为0.7≤sinθ≤1,主瓣范围-0.034≤sinθ≤0.6,波纹为0.1，副瓣为-25dB。表1中为各方向图同功率不同相位值。

表1

单元	各方向图共同的电流幅度(归一化)	平顶波束对应的相位	余割平方对应的相位
				1	0.0302	-145.5966	159.3762
2	0.0342	-175.4607	169.9018
				3	0.0506	87.4496	138.9195

4	0.0786	59.9858	134.4467
				5	0.0705	70.2921	150.4805
6	0.0871	116.3990	22.7549
				7	0.1292	129.7328	43.9143
8	0.1668	114.2319	31.6196
				9	0.1870	87.4734	16.0572
10	0.1768	72.2697	37.1318
				11	0.1124	69.7125	-30.0430
12	0.1771	53.2101	-70.5442
				13	0.4100	40.0788	-76.2387
14	0.7604	33.2585	-69.7444
				15	1.0000	30.5099	-50.0787
16	0.8511	29.3176	-29.8478
				17	0.3494	35.5517	-28.8154
18	0.3719	-169.7066	-55.0255
				19	0.5698	-167.5227	-61.8489
20	0.4133	-173.2544	-44.4838
				21	0.1226	121.8014	-69.5345
22	0.2250	41.0240	-88.7974
				23	0.1507	43.4437	-102.5855
24	0.0928	-178.7864	-151.1679
				25	0.1813	-156.1856	-150.9669
26	0.1278	-147.0525	-145.1565
				27	0.0591	-52.2621	162.6869
28	0.0964	-9.7985	164.2173
				29	0.0480	-6.7057	-175.2672

Claims (1)

1.一种基于QIWO_IFT组合算法的阵列天线唯相位变换波束赋形方法，其特征在于包括以下步骤：

步骤一：将每个单元的幅相参数量化，确定幂数N，对线性阵列的每一个单元的电流幅度和相位幅值分别按照上下限进行等间隔分段，分段数量为2^N，取每个分段的中间值作为量化值，并对每一个量化后电流幅度和相位幅度分别度按1～2^N进行编号；假设QIWO算法的单元数为M，则初始种群数初值设定为2M，最大种群数设定10M，可产生的种子区间为[1，M/2]，解搜索空间为[1，2^N]，QIWO算法中的适应度函数选择为：

0.8×|MSLL-SLVL|+0.2|LL_MAX-NLVL|，

其中：MSLL为方向图旁瓣最高值；SLVL为理想方向图旁瓣最高值；NLVL为所有指定角度的模值，LL_MAX为理想方向图的波纹的上下限；

步骤二：将随机产生的每个单元的幅相量化值带入QIWO算法，迭代后进而得出每一个理想方向图对应的单元幅相值，流程包括；

(a)设QIWO算法的量化初值为随机产生的整数值，对于单元数为M，则初始解为X＝[X₁,X₂,...X_2M]；

(b)算法中杂草生长的过程，杂草每次成长的最新值的前M个值即为每个单元的幅度，后M个值即为每个单元的相位值，每个杂草个体可产生的种子数为：

$S_{sum}=F_{floor}\left(\frac{f\left(X_i\right)-F_{\min }}{F_{max}-F_{\min }}\right(s_{\max }-s_{\min })+s_{\min })$

其中：F_max和F_min为此次进化中的最大最小适应度值，S_max和S_min为可产生的最大种子数和最小种子数，f(Xi)为第i个杂草个体的适应度值，F_floor为函数向下取整；

(c)让每个单元对应的幅度值，即种子个体在D维搜索空间，以正态分布随机分散在父代杂草附近，即第i个单元的第S个幅度或相位种子的位置为；

X_i,s＝X_i+N(0,σ²)

(d)当在迭代过程中，当种群数超过最大种群数的限制时，则按照方向图的适应度计算结果排序，对排序后的个体按适应度值由大到小依次选出10M个，作为该次迭代最终保留下来的种群；

经过上述流程，满足最大迭代次数和达到理想方向图要求两个条件中的任意一个后，完成QIWO算法的计算过程，最终每个方向图的单元幅相值作为迭代傅里叶变换运算的初值；

步骤三：每个单元的幅相值作为迭代傅里叶变换的初值，傅里叶逆变换得出阵列方向图，然后与期望方向图比较，得出新的方向图；

步骤四：将新的方向图应用FFT反算出新的单元激励：

(a)在IFFT得出阵列方向图的过程中，每一个单元的模值为上次求出多个方向图对应模值的均值，相位幅值则为上次求出方向图各自对应的相位值，并用0补齐余值；

(b)在FFT反算各单元激励的过程中，对于方向图与理想方向图的模值不一致性，采用保留原方向图的相位值，用理想方向图的模值直接覆盖的方法，迭代后取前M值作为M个单元的幅相值；

(c)在迭代傅里叶算法的过程中当迭代次数超过预定值后自动停止迭代。