基于改进的CPA算法的阵列天线方向图综合设计方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115481569A(43)申请公布日2022.12.16(21)申请号202211123728.4(22)申请日2022.09.15(71)申请人云南师范大学地址650500云南省昆明市呈贡区雨花片区1号(72)发明人刘燕胡奎张亚明赵昆霞(74)专利代理机构成都方圆聿联专利代理事务所(普通合伙)51241专利代理师邓永红(51)Int.Cl.G06F30/27(2020.01)G06N3/00(2006.01)H01Q3/26(2006.01)权利要求书3页说明书9页附图3页(54)发明名称基于改进的CPA算法的阵列天线方向图综合设计方法(57)摘要本发明公开了一种基于改进的CPA算法的阵列天线方向图综合设计方法，其包括：通过改进的CPA算法获得阵列天线方向图综合设计模型在设计目标下的最优解决方案，其中，所述改进的CPA算法采用对数式递减的位置参数a值控制猎物力量位置S，使猎物力量位置S随a值递减，由此可避免算法在迭代前期陷入局部最优，并能使算法在后期快速收敛，实现了算法在整个收敛过程的动态控制和平衡。本发明的设计方法可在天线阵列主瓣宽度不展宽的前提下，有效抑制其副瓣电平，形成低于指标要求的副瓣电平和波束，并在多个指定位置形成深零陷。CN115481569ACN115481569A权利要求书1/3页1.基于改进的CPA算法的阵列天线方向图综合设计方法，其特征在于，其包括：引入对数函数对CPA算法的a值进行改进，并把改进的CPA算法用于解决阵列天线方向图综合问题，并具体包括：设置含有设计目标的阵列天线方向图综合设计模型；通过改进的CPA算法获得的所述设计模型在所述设计目标下的最优解决方案；其中，所述设计目标为：在保证天线阵列主瓣宽度不变的情况下，在其副瓣区形成低于期望值的副瓣电平，并在指定位置形成深零陷；所述改进的CPA算法含有以下进行猎物力量位置更新的迭代模型：S＝2·S0·r2‑S0(4)其中，S0为随进化代数的增加，从a减少到0的位置函数；a为与进化代数相关的位置函数；t表示进化代数，N表示捕食者种群数量，S表示猎物力量的更新位置，r2∈(0,1)之间的随机数，MaxFEs表示最大函数评价次数。2.根据权利要求1所述的设计方法，其特征在于，所述设计模型设置如下：该模型为由2N个理想点源构成的等间距直线阵，且该直线阵中激励电流幅度中心对称且激励相位均为零，其阵列天线方向图表达式如下：其中，F(θ)表示所述阵列天线方向图表达式，In为第n个阵元的激励幅度，k＝2π/λ表示波数，d为阵元间的间距，λ为自由空间波长，θ为射线方向与阵列轴线之间的夹角。3.根据权利要求1所述的设计方法，其特征在于，所述改进的CPA算法中，每个个体的适应度函数值的计算通过以下适应度函数表达式得到：其中，fit为个体适应度函数值，PSL为峰值副瓣电平，TPSL为目标峰值副瓣电平，NSLL为深零陷电平，α和β为权重系数，且α+β＝1，F(θi)表示阵列天线方向图分布函数，i表示当前的第i个深零陷，N0为深零陷的个数。4.根据权利要求1所述的设计方法，其特征在于，其包括：S1：基于所述设计模型，对其设计目标的解空间进行CPA算法初始化；S2：在初始化后，设置迭代计算中的超出边界位置时的替换模型，如下：其中，j表示维度数，j∈1,2,…,dim，dim表示所述设计目标的问题维数；表示超过边界上限位置ub或边界下限位置lb的个体的位置，表示最近一次迭代中获得的2CN115481569A权利要求书2/3页个体的最优位置，即用该最优的位置替换超出边界的位置；S3：在当前迭代中，计算所有个体的适应度；S4：在当前迭代中，通过所述迭代模型进行猎物力量的位置更新；S5：在当前迭代中，通过以下个体位置更新模型进行个体位置更新：其中，r为在[0,1]范围内的随机数；为进化到第t代时，寻找食物个体的位置，j∈1,2,…,dim；其中为个体最新更新的位置，即进化到第t+1代时，寻找食物的个体的位置；为第j维中最接近猎物的两个个体的位置；i表示捕食者种群数，i∈1,2,…,N；S6：当前迭代中，通过以下种群位置更新模型进行种群位置更新：当时：当时：其中，是捕食者种群的位置；S为猎物力量的最新位置；r1、r3、r4、r5、r7和l均为[0,1]之间的随机数；表示狩猎者的包围曲线；表示分散食物时食物所在的位置；表示包围食物时食物所在的位置；e表示自然指数；D表示当前个体与猎物之间的距离；代表当前的猎人种群；r6为[‑2，2]的随机数；是支援小组中最近的捕食者的3CN115481569A权利要求书3/3页位置，在该位置的捕食者会去支援位于离猎物最近的位置处的捕食者；是由个体随机形成的新的个体位置；为第j维上的第i代捕食者个