[发明专利]一种改进的四维稀布阵旁瓣抑制方法

摘要

本发明主要涉及四维天线阵领域，尤其涉及四维稀布阵设计过程中的优化算法和时间调制方式。本发明将提供一种改进的四维稀布阵旁瓣抑制方法，同时对四维稀布阵设计中的优化算法和时间调制方式进行改进，在保持主瓣宽度不变的情况下，获得更低的旁瓣电平和边带电平。

主权项

一种改进的四维稀布阵旁瓣抑制方法，其特征在于，具体步骤如下：S1、根据阵元开关时间和阵元位置的取值范围随机生成一个规模为NP的初始种群，并指定FCRDC‑DE算法的如下控制参数的初始值：变异概率Fg、交叉概率CRg、最大迭代次数Gm，将缩放因子Fg和交叉概率CRg初始化为[0,1]之间的随机数，其中，NP为种群规模，对于单个优化过程，NP为常数；S2、根据代价函数计算初始种群中每个个体的适应值，选出最优个体，其中，上标q表示算法的迭代次数，SLLmax(x)表示最高旁瓣电平值和SLLd表示目标旁瓣电平值，θw(x)表示3dB，θd表示目标主瓣宽度，表示第m边带f0+m·fp的最高电平值，SBLd表示目标边带电平值，w1、w2、w3、w4和w5为加权因子，1≤m≤15且m为自然数，f0为中心频率，fp为调制频率，n表示天线单元的编号，n＝0,1,,2,...,N‑1，N为N元四维稀布阵，和分别表示第n个天线单元在第q个时间段的导通和关闭时刻；S3、进入迭代进化过程：判断种群当前的进化速度是否满足给定阈值τ，若满足，则转入S4，直接开始进化，否则转入S9，动态优化控制参数；S4、执行变异操作：将种群中任意两个个体相减求差，乘以第g次迭代的变异概率Fg后再与前一次迭代中的最优个体求和从而生成变异个体其中，rand1是[0,1]之间的随机数，fg‑1和fg‑2分别表示第g‑1次迭代和第g‑2次迭代的适应度函数值，Fl和Fu为常数，Fl表示Fg能够取到的最小值，Fu表示Fg能够调整的最大值，L1、L2表示优化算法的迭代次数，τ2表示适应度函数值的变化量，r≠s≠t≠i；S5、执行交叉操作：根据第g次迭代的交叉概率CRg，随机选择变异个体与父代个体中的基因生成临时子代其中，rand2是[0,1]之间的随机数，L3表示优化算法的迭代次数，CRl和CRu为常数，CRl表示CRg能够取到的最小值，CRu表示CRg能够调整的最大值，τ2表示适应度函数值的变化量，j＝1,2,…,D，jrand为在[1,D]内随机取值的整数，为下一代的目标向量，D为问题维数；S6、判断S5所述临时子代中每个基因的取值是否在规定范围，若超出该范围，则通过不断与其取值上下限求平均值至达到规定范围，所述规定范围为经验范围；S7、执行选择操作：对父代个体和临时子代按适应度函数值f(·)进行排序，选择最优的NP个个体作为真正的子代参与下一次迭代；S8、判断是否满足停止条件，若满足，则退出进化过程，保存当前优化结果，否则返回S3，进行下一次迭代；S9、若算法进化速度相对较慢，即连续L2次迭代fg‑1‑fg‑2＜τ1或连续L3次迭代fg‑1‑fg‑2＜τ2，则根据变异概率Fg＝Fl+Furand1或交叉概率CRg＝CRl+CRurand2随机更新变异概率和交叉概率，若进化速度非常慢，即连续L1次迭代fg‑1‑fg‑2＜τ1，则转入S10，利用爬山算法优化变异概率Fg；S10、设置爬山算法的初始优化步长h；S11、分别以Fg‑h、Fg、Fg+h作为变异概率，其他控制参数保持不变，进行变异、交叉、和选择操作，得到对应变异概率下最优的适应度函数值f(Fg‑h)、f(Fg)和f(Fg+h)；S12、比较f(Fg‑h)、f(Fg)、f(Fg+h)，将三者中的最优值对应的交叉概率作为下一次迭代的Fg，如果三者中的最优值为f(Fg)，则优化步长h缩小为原来的一半，即h＝h/2；S13、判断步长h是否满足给定条件，若满足，则返回S4，执行进化过程，否则，返回S11，继续进行循环，其中，所述给定条件为h＝0.01λ。