[发明专利]采用免疫算法对微带四元天线阵列增益的优化方法及微带四元天线

摘要

本发明公开了一种采用免疫算法对微带四元天线阵列增益的优化方法及微带四元天线，该方法融合免疫算法与天线结构设计，对天线的尺寸与间距进行优化，显著提高了天线的增益，并采用精英抗体保留方式引入交叉算子和变异算子的自适应调节，对微带四元阵列天线参数进行优化设计。微带四元天线是在介质基板上应用覆铜技术加工有结构相同的四个阵元，四个阵元的馈电点与介质基板上的四个馈电点的位置相对应。

主权项

1.一种采用免疫算法对微带四元天线阵列增益的优化方法，该方法运行于MATLAB软件和HFSS电磁仿真软件上，其特征在于包括有下列步骤：步骤一：设定抗体与抗原将微带四元阵列天线的目标增益G_增益作为免疫算法中的抗原，将微带四元阵列天线中的各个阵元关联尺寸a、d₁、d₂作为免疫算法中的抗体；步骤二：获取抗体群基于免疫算法对步骤一中确认的抗体进行随机初始化，获得抗体群AP；所述抗体群AP由普通抗体API和记忆抗体APM构成；采用集合形式表达为AP＝{API,APM}，且普通抗体API＝{I₁,I₂…,I_k}，且记忆抗体APM＝{M₁,M₂…,M_t}；步骤三：获取普通抗体适应度在HFSS中对任意一个普通－尺寸关联I_k＝{a^k,d₁^k,d₂^k}进行处理，得到任意一个普通抗体的增益GI_k；将所有的普通抗体增益采用集合形式表达为GAPI＝{GI₁,GI₂…,GI_k}；对所述GAPI＝{GI₁,GI₂…,GI_k}进行增益数值大小的排序，得到普通抗体适应度GAPI＝{GI₁,GI₂…,GI_k}；步骤四：获取记忆抗体适应度在HFSS中对任意一个记忆－尺寸关联M_t＝{a^t,d₁^t,d₂^t}进行处理，得到任意一个记忆抗体的增益GM_t；将所有的记忆抗体的增益采用集合形式表达为GAPM＝{GM₁,GM₂…,GM_t}；对所述GAPM＝{GM₁,GM₂…,GM_t}进行增益数值大小的排序，得到记忆抗体适应度GAPM＝{GM₁,GM₂…,GM_t}；步骤五：获取抗体浓度步骤501：采用十进制编码的方式，对抗体群AP＝{API,APM}中的两个抗体之间的距离，用距离矩阵记为AA=DI1-I1DI1-I2...DI1-IkDI1-M1DI1-M2...DI1-MtDI2-I1DI2-I2...DI2-IkDI2-M1DI2-M2...DI2-Mt........................DIk-I1DIk-I2...DIk-IkDIk-M1DIk-M2...DIk-MtDM1-I1DM1-I2...DM1-IkDM1-M1DM1-M2...DM1-MtDM2-I1DM2-I2...DM2-IkDM2-M1DM2-M2...DM2-Mt........................DMt-I1DMt-I2...DMt-IkDMt-M1DMt-M2...DMt-Mt;]]>步骤502：依据抗体间距离关系D(p,q)＝|a^p-a^q|+|d₁^p-d₁^q|+|d₂^p-d₂^q|对距离矩阵AA进行距离计算，得到抗体之间的距离D(p,q)；p表示前一个抗体，q表示后一个抗体；当抗体之间的距离D(p,q)越小时，则表示两个抗体相似度越高，反之距离越大时则表示两个抗体相似度越小；步骤503：对AA进行距离阈值DC的判断，得到十进制编码的阈值矩阵BB；若D(p,q)≥DC时，表示抗体p与抗体q不同，且用0表征；若D(p,q)＜DC时，表示抗体p与抗体q相似，且用1表征；AA矩阵变换为阈值矩阵BB=BDI1-I1BDI1-I2...BDI1-IkBDI1-M1BDI1-M2...BDI1-MtBDI2-I1BDI2-I2...BDI2-IkBDI2-M1BDI2-M2...BDI2-Mt........................BDIk-I1BDIk-I2...BDIk-IkBDIk-M1BDIk-M2...BDIk-MtBDM1-I1BDM1-I2...BDM1-IkBDM1-M1BDM1-M2...BDM1-MtBDM2-I1BDM2-I2...BDM2-IkBDM2-M1BDM2-M2...BDM2-Mt........................BDMt-I1BDMt-I2...BDMt-IkBDMt-M1BDMt-M2...BDMt-Mt;]]>步骤504：依据抗体浓度关系对阈值矩阵BB进行处理，得到抗体p的浓度C_p；步骤六：选取精英抗体依据步骤三得到的普通抗体适应度GAPI＝{GI₁,GI₂…,GI_k}和步骤五得到的抗体浓度C_p计算得到期望繁殖概率E_k；然后用所述期望繁殖概率E_k从普通抗体API＝{I₁,I₂…,I_k}中选取出精英抗体，且被选取的精英抗体记入记忆抗体中；所述期望繁殖概率r表示用于调整适应度与抗体浓度在选择下一代抗体群的比重系数，简称为权重系数，单位为无量纲；GI_k表示任意一个普通抗体的增益；C_k表示任意一普通抗体I_k的抗体浓度，为C_k的倒数；k表示普通抗体的求和元素；i表示普通抗体的求和指标；GI_i表示求和指标i下的普通抗体适应度；t表示记忆抗体的求和元素；j表示记忆抗体的求和指标；C_j表示求和指标j下的记忆抗体浓度；步骤七：判断是否到达免疫算法的迭代终止条件要求在满足驻波比VSWR、带宽等性能的条件下，微带天线阵列的增益越高越有利于实际工程应用，所以免疫算法的终止条件为迭代优化次数达到了设定值；若到达迭代优化次数，则退出迭代，并将迭代优化结果I_best＝{a,d₁,d₂}进行保存，从而结束对微带天线阵列阵元参数的目标增益G_增益进行优化；若没有达到达迭代优化次数，则继续执行步骤八；步骤八：选取下一代普通抗体基于期望繁殖概率E_k，并采用轮盘赌法则从所述抗体群AP＝{API,APM}中选取下一代普通抗体；步骤九：获取普通抗体中的最优个体以交叉变异普通抗体进行收敛区域的最优个体搜索，得到普通抗体中的最优个体；步骤901：依据交叉概率P_C对任意一个普通－尺寸关联I_k＝{a^k,d₁^k,d₂^k}和另一个普通－尺寸关联I_s＝{a^s,d₁^s,d₂^s}进行交叉操作，得到两个普通抗体的交叉结果PRR＝{CS₁,CS₂,CS₃,CS₄,CS₅,CS₆,CS₇,CS₈}；CS₁＝[I_k＝{a^k,d₁^k,d₂^k},I_s＝{a^s,d₁^s,d₂^s}]；CS₂＝[I_k＝{a^s,d₁^k,d₂^k},I_s＝{a^k,d₁^s,d₂^s}]；CS₃＝[I_k＝{a^k,d₁^s,d₂^k},I_s＝{a^s,d₁^k,d₂^s}]；CS₄＝[I_k＝{a^k,d₁^k,d₂^s},I_s＝{a^s,d₁^s,d₂^k}]；CS₅＝[I_k＝{a^k,d₁^s,d₂^s},I_s＝{a^s,d₁^k,d₂^k}]；CS₆＝[I_k＝{a^s,d₁^k,d₂^s},I_s＝{a^k,d₁^s,d₂^k}]；CS₇＝[I_k＝{a^s,d₁^s,d₂^k},I_s＝{a^k,d₁^k,d₂^s}]；CS₈＝[I_k＝{a^s,d₁^s,d₂^s},I_s＝{a^k,d₁^k,d₂^k}]；步骤902：对步骤901交叉后形成的交叉普通抗体依据变异概率P_M进行变异操作，得到变异普通抗体；然后将变异后的普通抗体分布在整个优化区域内，若变异后普通抗体的a^k,d₁^k,d₂^k中的某一个参数超过了优化区域，该参数被设定为边界值；所述优化区域是指由a^k,d₁^k,d₂^k中的参数范围构成的三维空间区域；步骤十：重组下一代抗体群将交叉变异后的普通抗体重组成下一代抗体群，转入步骤三；重复进行普通抗体的选优。