[发明专利]基于粒子群优化算法的多波束卫星阵列天线方向图综合方法

说明书

基于粒子群优化算法的多波束卫星阵列天线方向图综合方法，本发明涉及多波束卫星阵列天线方向图综合方法。本发明为了解决利用传统粒子群优化算法进行星载波束赋形时面临的收敛速度慢以及容易陷入局部优解的问题。为了弥补低轨卫星远近效应所带来的路径损耗，需要设计特殊形状的波束。本发明采用启发式算法粒子群优化算法，通过将阵元幅值和相位的求解模拟为自然界中鸟群对食物的搜索过程。设定初始种群数，粒子数目以及迭代次数最终得到优良的平顶波束和余割平方波束。满足等通量覆盖的要求。本发明在迭代300次左右就已经收敛到最优解，而传统算法需要超过500次才会达到收敛。本发明用于卫星通讯领域。

技术领域

本发明涉及多波束卫星阵列天线方向图综合方法。

背景技术

在现如今的卫星通信系统中，低轨卫星具有路径损耗低，传播时延小等其他轨道卫星不具备的特殊优势。对于GEO卫星和MEO卫星，卫星波束覆盖区域的张角很小，星下点到波束覆盖边缘的自由空间路径算好差异可忽略不计，但对于低轨卫星而言其路径损耗差异不能忽略。为了保证卫星覆盖区域内的终端用户无论处在波束中心或者波束边缘，都可以相同的服务质量。需要采用多波束卫星对覆盖区域进行不同程度的波束覆盖，并且对覆盖波束进行波束赋形，以满足卫星波束可以对星下区域进行“等通量覆盖”。

为了实现卫星的等通量覆盖，需要对波束进行特殊形状的设计，以保证波束增益可以对路径损耗进行修复，最终在地面区域实现等辐射增益的覆盖。基于此，提出了改进的粒子群优化算法的波束赋形设计方案，最终结果表明，改进的粒子群算法进行的阵列天线方向图综合可以达到预期的标准。

粒子群优化算法是一种基于种群的智能算法，种群中的每个成员为一个粒子。代表着一个潜在的可行解，而目标的位置被认为时全局最优解。群体在M纬度空间上搜索全局最优解，并且每个粒子都有一个适应函数值和速度来调整它自身的飞行方向以保证向目标的位置飞行。在飞行过程中，群体中所有的粒子都具有记忆的能力，能对自身的位置和自身经历过的最佳位置进行判断和调整。为了接近目标位置这个最终目的，每个粒子通过不断地向自身经历过的最佳位置和种群中最好的粒子位置学习，通过调整自己的速度和位置，最终接近目标位置。

粒子群算法相比于传统综合算法，以其简单，高效，面对多目标，非线性综合的优异表现而逐渐获得更多关注，其在天线综合，目标求解，结构设计等多领域获得广泛的应用。

但粒子群优化算法也有其固定的缺点：

(1)传统粒子群算法容易陷入局部最优解；

(2)当采用固定的权重和学习因子时，算法的优化时间过长，迭代次数过多，不适宜在要求低复杂度的卫星上进行应用；

所以，将粒子群优化算法应用到低轨卫星进行设计时，需要解决以下问题：

(1)要有跳出局部最优解的机制以保证手链结果为全局最优解；

(2)需要设计学习因子以及权重的值，保证算法可以再开始时进行大尺度搜所来靠近最优解，在算法后期进行小尺度搜所来寻求最优解值。

发明内容

本发明的目的是为了解决利用传统粒子群优化算法进行星载波束赋形时面临的收敛速度慢以及容易陷入局部优解的问题，而提出基于粒子群优化算法的多波束卫星阵列天线方向图综合方法。

基于粒子群优化算法的多波束卫星阵列天线方向图综合方法包括以下步骤：

步骤1、针对N个阵元的直线排布相控阵天线，将阵元幅值向量w和相位值向量p进行初始化；

步骤2、计算种群中每个粒子幅度和相位的位置和速度；