一种基于量子萤火虫搜索机制的天线阵稀疏构建方法
【专利摘要】本发明涉及一种基于量子萤火虫搜索机制的天线阵稀疏构建方法:建立天线稀疏阵模型，确定天线阵稀疏对应量子萤火虫搜索机制的关键参数；把量子萤火虫位置带入适应度函数，得到量子萤火虫所在位置的适应度值，确定局部最优位置和量子萤火虫群体中的全局最优位置；更新每只量子萤火虫的荧光素值，更新每只量子萤火虫的学习邻域；更新量子萤火虫量子位置和量子萤火虫位置；更新量子萤火虫动态决策域半径；计算量子萤火虫新位置下的适应度值，重新确定局部最优位置和量子萤火虫群体中的全局最优位置；如果达到最大迭代次数，输出全局最优位置，映射为一种稀疏天线阵的形式。
【专利说明】一种基于量子萤火虫搜索机制的天线阵稀疏构建方法
【技术领域】
[0001] 本发明涉及一种基于量子萤火虫搜索机制的天线阵稀疏构建方法。
【背景技术】
[0002] 智能天线技术是通信和雷达领域的关键技术，可根据多个天线组合进行自动调整 发射和接收的方向图，根据不同的应用需要实现参数选择的最优化，在雷达、无线通信和电 子对抗领域等现代系统中发挥着重要的作用。在实际工程中，天线阵列由成千上万个天线 组成，而且为改善天线方向性还需采用幅度和相位加权的方法，这样一来天线的馈电网络 将非常复杂，这就使得系统投入成本加大，同时也影响了系统的处理速度，有时甚至难以实 现。稀疏阵可以说是解决这一系列问题的有效措施，它具有天线孔径大、阵列单元数量少的 优点，这不仅降低了成本，也降低了设备的复杂度和故障率。
[0003] 天线阵稀疏构建是指按照规定的方向图要求，用一种或多种优化方法进行天线系 统的设计，设计阵元的分布形式，使该系统与所要求的方向图性能有良好逼近。它实际上是 天线分析的反设计，即在给定天线的方向图，设计满足需要的稀疏天线阵。阵列天线的相关 参数包括：阵列单元数目、阵元分布形式、阵元间距、各阵元激励幅度和相位。在阵元分布 形式和阵元数目都给定的情况下，控制阵元间距以及激励的幅度和相位就可以改变辐射特 性，例如，主瓣形状、副瓣电平等。
[0004] 现有技术中，张浩斌等在《微波学报》（2006, vol. 22, No. 6, ρρ· 48 - 51)，上发表的 "稀疏阵列天线综合的遗传算法优化"中详细分析了稀疏阵的单元布局，布满率及单元激励 对优化阵列特性的影响，但是收敛速度慢且容易陷入局部极值。胡凤阁等在《现代雷达》 (2012, vol. 34, No. 5)上发表的"基于遗传算法的反向天线阵稀疏优化"对自适应遗传算法 中交叉概率和变异概率动态调整规则进行改进，并结合基于适应度值的截断选择法提出了 改进的自适应遗传算法。性能虽然相较于传统遗传算法的稀疏阵列构建有所提高，但收敛 速度和收敛精度都不理想，依旧不能解决有约束情况下的天线阵列稀疏构建问题的全局收 敛问题。
[0005] 上述两篇文献表明，现有天线阵稀疏构建方法的目标函数多为多个目标的权重之 和，权重的选取对性能影响较大，天线阵稀疏问题所使用优化方法的全局收敛性能差，有待 改进。为了解决该问题，先把天线稀疏构建设计成有约束优化问题，然后利用量子计算与萤 火虫搜索的优势将二者结合起来用于天线阵稀疏构建问题，可以改善传统萤火虫方法在解 决离散优化问题全局收敛问题是收敛速度和收敛精度不高的缺点，同时克服了传统优化方 法容易陷入局部最优值的缺点，在处理稀疏问题时与传统稀疏阵构建方法相比较好的抑制 了最大相对副瓣电平。
【发明内容】
[0006] 本发明目的在于提供一种基于量子萤火虫搜索机制的天线阵稀疏构建方法，收敛 速度快，全局搜索性能好。
[0007] 实现本发明目的技术方案：
[0008] -种基于量子萤火虫搜索机制的天线阵稀疏构建方法，其特征在于：
[0009] 步骤1 :建立天线稀疏阵模型，确定天线阵稀疏对应量子萤火虫搜索机制的关键 参数，产生初始的量子萤火虫量子位置和量子萤火虫位置；
[0010] 步骤2 :把量子萤火虫位置带入适应度函数，得到量子萤火虫所在位置的适应度 值，根据适应度值，确定局部最优位置和量子萤火虫群体中的全局最优位置；
[0011] 步骤3 :根据量子萤火虫的适应度值，更新每只量子萤火虫的荧光素值，更新每只 量子萤火虫的学习邻域；
[0012] 步骤4 :更新量子萤火虫量子位置和量子萤火虫位置；
[0013] 步骤5 :更新量子萤火虫动态决策域半径；
[0014] 步骤6 :计算量子萤火虫新位置下的适应度值，根据适应度值，重新确定局部最优 位置和量子萤火虫群体中的全局最优位置；
[0015] 步骤7 :如果达到最大迭代次数，执行步骤8,否则返回步骤3 ;
[0016] 步骤8 :输出全局最优位置，映射为一种稀疏天线阵的形式。
[0017] 步骤1中，通过如下方法建立天线稀疏阵模型，
[0018] 对于一个D个栅格的等间距待稀疏阵列，当各阵元方向图均为同向时，阵列方向 图表示为，（〃）=? h e {0，1}是天线标志位，当其值为"1"时， ;=> , 表示在该栅格放置天线，值为"0"时，表示在该栅格不放置天线；d是栅格间距，d= λ/2， 入是工作波长；k是波数，k = 2 π / λ ; 是第1个激励的相位；方向图可以形象的描述 稀疏阵列的性质，以对数形式表示，Θ为空间扫描角，方向图可表示为#(的=2(叫
【权利要求】
1. 一种基于量子萤火虫搜索机制的天线阵稀疏构建方法，其特征在于： 步骤1 :建立天线稀疏阵模型，确定天线阵稀疏对应量子萤火虫搜索机制的关键参数， 产生初始的量子萤火虫量子位置和量子萤火虫位置； 步骤2 :把量子萤火虫位置带入适应度函数，得到量子萤火虫所在位置的适应度值，根 据适应度值，确定局部最优位置和量子萤火虫群体中的全局最优位置； 步骤3 :根据量子萤火虫的适应度值，更新每只量子萤火虫的荧光素值，更新每只量子 萤火虫的学习邻域； 步骤4 :更新量子萤火虫量子位置和量子萤火虫位置； 步骤5 :更新量子萤火虫动态决策域半径； 步骤6 :计算量子萤火虫新位置下的适应度值，根据适应度值，重新确定局部最优位置 和量子萤火虫群体中的全局最优位置； 步骤7 :如果达到最大迭代次数，执行步骤8,否则返回步骤3 ; 步骤8 :输出全局最优位置，映射为一种稀疏天线阵的形式。
2. 根据权利要求1所述的基于量子萤火虫搜索机制的天线阵稀疏构建方法，其特征在 于：步骤1中，通过如下方法建立天线稀疏阵模型， 对于一个D个栅格的等间距待稀疏阵列，当各阵元方向图均为同向时，阵列方向图表 示为
产-"一…。h e {〇，1}是天线标志位，当其值为"1"时，表示在 该栅格放置天线，值为"〇"时，表示在该栅格不放置天线；d是栅格间距，d= λ/2, λ是 工作波长；k是波数，k = 2 π / λ ; 是第1个激励的相位；方向图可以形象的描述稀疏 阵列的性质，以对数形式表示，Θ为空间扫描角，方向图可表示为#(〇2()
Bmax = max|f(0) |，其中max(·)为求最大值函数，S为方向图的副瓣区域，主瓣的零功率宽 度为2Θ。，方向图的可见区域为[〇, π]，则S可表示为S= {Θ |〇彡Θ彡90° -Θ。or 90。+θ〇< Θ < ji}。
3. 根据权利要求2所述的基于量子萤火虫搜索机制的天线阵稀疏构建方法，其特征在 于：步骤1中，通过如下方法确定天线阵稀疏对应量子萤火虫搜索机制的关键参数： 根据约束条件，确定天线阵稀疏所对应量子萤火虫搜索机制的关键参数，天线种群 规模为h和向量维数为D，生成由h只量子萤火虫组成的量子萤火虫群，对应h个量子 位置和h个相应位置，每只量子萤火虫位置用D维取值{0，1}的数字串表示，D表示解 空间维数；量子萤火虫的量子位置由D个量子位表示，第i只量子萤火虫的量子位置为
其中：αη2+β η2 = 1，（1 = 1，2,…，D)，将量子位 ail 和 定义为〇 < α u < 1，〇 < β u < 1 ;初始时，量子萤火虫量子位置中所有的量子位置均被 设置为1/上，第1^代第1只量子萤火虫的量子位置为<=?，<2，___，4)(/ = 1,2，"_,/2)，1：表不 迭代次数，量子位置的测量态为量子萤火虫位置，相应的第i只量子萤火虫位置可表示为 x\ = , x'r, · · ·, )(/ = 1,2, · · ·, h) 〇
4. 根据权利要求3所述的基于量子萤火虫搜索机制的天线阵稀疏构建方法，其特征在 于：步骤2中，适应度函数通过如下方法获得， 基于量子萤火虫搜索机制的天线阵稀疏构建的适应度函数，应满足稀疏阵列的布满率 要求，根据方向图，计算其最大相对副瓣电平，以最小的最大相对副瓣电平作为优化目标， 第i只萤火虫当前位置< =(4,4,·_·，4)〇' = 1，2,·_·,幻的适应度函数为，
其中，丨）是< 构建稀疏阵的最大相对副瓣电平；p〈〈1 ;cRat是计算出的阵列 布满率；eRat是期望的阵列布满率。
5. 根据权利要求4所述的基于量子萤火虫搜索机制的天线阵稀疏构建方法，其特征在 于：步骤3中，根据M'〇 = (卜水,(M)_h#(/〇，把量子萤火虫i(i = 1，2，···，1〇在t次迭 代的位置<对应的适应度值转化为荧光素值Li(t)，其中γ e [〇，1]是荧光素消失 率，会随着距离的增加和传播媒介的吸收逐渐减弱，ε是荧光素更新率；量子萤火虫i根据 特定的规则获取学习邻域，邻域量子萤火虫选取由荧光素值的大小和位置相似度所决定， Njt)为第i只量子萤火虫学习邻域的标号集合，对于第q(q= 1，2, ···，!〇只量子萤火虫， 若烏w|)^且ι^α)α,α)，则标号q属于第i只量子萤火虫的学习邻域标 号，放入量子萤火虫学习邻域标号集合队(t)，sumO为求和符号，在此次迭代中学习邻域标 号集合有几个标号，其学习邻域就有几个相应的量子萤火虫。
6. 根据权利要求5所述的基于量子萤火虫搜索机制的天线阵稀疏构建方法，其特征在 于：步骤4中，通过如下方法更新量子萤火虫量子位置和量子萤火虫位置， 在每次迭代中，若第i只量子萤火虫的学习邻域为空，则第i只量子萤火虫的 第1维量子位的量子演进表示为
其中，量子旋转角 < + _4)，f = 1，2，··· J，/ = 1，2，···，β ;ei 和 e2 是两个影响因子分别代表局 部最优位置和全局最优位置对量子旋转角的影响程度，为[〇, 1]之间均匀分布的随机 数；(^是量子萤火虫在量子旋转角为0时的量子位的变异概率，取值为[0, 1/D]之间的一个 常数，abs( ·)是取绝对值使量子位限定在[0，1]之间；
I：子 旋转门，& =
虚子非门； 若第i只量子萤火虫的学习邻域为非空，在确定的学习邻域内，第i只量子萤 火虫根据其局部最优位置、量子萤火虫的学习邻域最佳移动位置方向以及全局最 优位置进行位置更新；在每次循环中第i只量子萤火虫第1维量子位演进方式为
/ = U.…，D，( z e Λ: (/))是第i个学习邻域最佳移动位置即该邻域荧光素值最大位置的局 部最优位置的第1维，e3、e4和e5是影响因子，分别代表第i只量子萤火虫的局部最优位置、 第i只量子萤火虫的学习邻域最佳移动方向和全局最优位置对量子旋转角的影响程度；c2 是量子萤火虫在量子旋转角为〇时的量子位的变异概率，取值为[〇, 1/D]之间的常数；第 i只量子萤火虫的位置可以通过对量子位置各量子位的测量得到：41 ，其 中：C1 e[0，l]是满足均匀分布的随机数，（〇2描述量子位< 出现"0"状态的概率。
7.根据权利要求6所述的基于量子萤火虫搜索机制的天线阵稀疏构建方法，其特征在 于：步骤5中，更新第i(i = 1，2，···，1〇只量子萤火虫第1(1 = 1，2，···，?)维动态决策域 半径，决策域半径更新公式为 + = 丨(),/;'(/) + ((/;, -Size(:V,(7))n ,其中 ζ 是一 个常数为动态决策域的更新率，馬为感知域，是一个常量并且& &·/(〇, min和max分别表 示最小值和最大值函数，nt是控制学习邻域范围量子萤火虫个数的参数，size (队(t))代表 第i只量子萤火虫的学习邻域内的量子萤火虫个数。
【文档编号】G06F17/50GK104102791SQ201410374447
【公开日】2014年10月15日 申请日期:2014年8月1日 优先权日:2014年8月1日
【发明者】高洪元, 杜亚男, 陈梦晗, 李晨琬, 刁鸣, 杨晗 申请人:哈尔滨工程大学