[发明专利]一种基于改进模拟退火算法的极限稀疏阵列优化方法

说明书

技术领域

本发明涉及声纳换能器阵列设计领域，尤其涉及一种基于改进模拟退火算法的极限稀疏阵列优化方法。

背景技术

全布阵换能器阵列是一种采用均匀、周期分布的换能器阵列。随着海洋资源探测、开发等领域的迅速发展，其对水下三维声学成像系统在分辨率、系统复杂度、功耗以及成本等方面的要求也越来越高，传统的全布阵换能器阵列已经难以满足其日益增长的性能需求。为解决上述问题，众多学者采用一种非等间距阵列(Unequallyspacedarrays)，即稀疏阵列(Sparsearrays)，代替全布阵换能器阵列进行三维声学成像，从而降低系统的复杂度、功耗以及成本。稀疏阵列通过去除换能器阵列中某些阵元，并对保留阵元的位置和权重系数进行优化，从而大幅减小了换能器阵列阵元数量，同时也将其波束方向图的主瓣宽度和旁瓣峰值控制在预期范围内。

根据优化方法的不同，稀疏阵列的优化算法主要可以分为：确定优化算法和随机优化算法。确定优化算法相比于随机优化算法，具有效率高、迭代少、收敛快等优势，但其在稀疏优化过程中，对阵列的形状有较高的要求，因此通常未必能够寻得全局最优解。随机优化算法首先基于阵列的主瓣宽度、旁瓣峰值以及波束方向图形状等指标构建目标函数，然后按照一定的随机准则对目标函数进行多次迭代优化，使其能够逐步收敛到全局最优状态，因此与确定优化算法相比得到了更为广泛的应用。随机优化算法主要包含遗传算法、粒子群优化算法和模拟退火算法三大类。其中，遗传算法和粒子群优化算法对于小规模的阵列稀疏问题，能够有效地进行优化，但对于当前应用中越来越大的阵列规模，这两种算法已难以满足其需求。模拟退火算法能够同时对稀疏阵列的阵元位置和权重系数进行优化，并且换能器阵列的规模尺寸对其全局寻优性能影响不大，因此在阵列稀疏优化问题中，其应用更加广泛。

模拟退火算法可以用于解决各种优化问题，寻求全局最优解。该算法是根据固体的退火原理衍生而来的，当固体从充分高的温度缓慢冷却时，其内部粒子会从无序状态慢慢达到有序排列的“结晶”状态，其内能也随之逐渐减小，并最终达到最低。模拟退火算法具备全局寻优能力，其利用玻尔兹曼概率分布(BoltzmannProbabilityDistribution)跳出局部极值区域，增大了寻求全局最优解的概率。

模拟退火算法作为一种启发式的方法，适用于各种优化问题。其在优化过程中，能够寻得全局最优解，且收敛速度快，因此被广泛应用。采用模拟退火算法进行稀疏阵列优化时，需要定义一个目标能量函数(EnergyFunction)，通过多次的随机迭代过程，寻求使能量函数达到最小值的状态，该过程属于一种马尔可夫链(MarkovChain)方法。

发明内容

本发明针对当前稀疏阵列阵元数依旧偏大，难以满足水下实时三维声学成像系统低功耗、小型化需求的问题，提供了一种基于改进模拟退火算法的极限稀疏阵列优化方法。该方法基于多频率发射算法对模拟退火算法进行了改进，重新定义了其能量函数，以十字型阵列为目标，对其进一步稀疏优化，获得了阵元数量最小化的极限稀疏阵列。该稀疏阵列能够以更少的阵元数量，获得与其他稀疏阵列相同的波束方向图指标(主瓣宽度、旁瓣峰值等)，最大程度降低了实时三维声学成像系统的硬件复杂度。

一种基于改进模拟退火算法的极限稀疏阵列优化方法，包括步骤：

(1)对十字型阵列的发射波束形成进行优化，并利用十字型阵列的波束方向图重新定义模拟退火算法中的能量函数E(W,A)；