[发明专利]一种基于自适应遗传算法的阵列稀疏优化方法

说明书

本发明在雷达侦察阵列优化技术领域提出了一种基于自适应遗传算法的稀疏阵列优化方法，通过提出阵列优化模型，对阵列编码，接着利用克拉美罗界进行适应度值计算，利用适应度值对生成的个体进行选择、交叉变异，其中交叉概率和变异概率随着迭代次数的增加而发生相应的变化，最后优化得到最佳个体，最佳个体对应的稀疏阵列摆放方式作为雷达阵列中阵元的最佳摆放方式。该方法是一种基于自适应遗传算法的稀疏阵列优化方法，选取阵元的方式主要是以最大阵列孔径，最小阵元间距作为约束条件，以克拉美罗界作为适应度函数，在相同阵元数量、相同最小阵元间距的条件下保证了阵列具有较高的测向性能。

技术领域

本发明属于雷达侦察阵列优化技术领域，特别提出了一种基于自适应遗传算法的阵列稀疏优化方法，本发明方法优化所得的最优稀疏阵，在被动雷达阵列优化领域中约束最大阵列孔径、最小阵元间距的条件下，其阵列克拉美罗界值最小，从而使得侦察时测向精度最高。

背景技术

实际应用中，随着技术的发展及作战的需要，在主动相控阵上实现被动的接收探测完成主被动一体化，甚至是完全基于相控阵体制的被动雷达探测系统的需求设计已经被作为研究热点。这就使得从几十、上百、甚至上千个阵元中选取用于被动探测的阵元天线的设计显得尤为重要，很明显均匀阵列是很难满足要求的，因此目前研究的热点稀疏阵列成为较好的选择。

如针对目前主被动一体化侦察系统，可在原有的主动相控阵中实现被动侦察的应用。在多天线系统下，实现较少天线通道的选择实现稀疏阵列，从而满足被动侦察的需要，满足系统的DOA估计性能，降低系统复杂性，具有重要的现实意义。

常见非均匀阵列包括最小冗余阵、嵌套阵、互质阵等，优点是有较大的阵元间距，自由度高，有较好的估计精度；但最小冗余阵没有闭合的表达式，嵌套阵有密集子阵，嵌套阵有孔洞等问题；实际应用中，稀疏阵列需进一步优化，即实现非均匀阵列布阵优化设计。

根据已有的技术文献发现，2018年6月陶海红等人提出了一种基于改进遗传算法的平面阵稀疏优化方法，实现约束主瓣增益和主瓣宽度的条件下方向图主副比最大。2018年12月朱圣棋等人提出了一种基于改进遗传算法的雷达阵列稀疏优化方法，以3dB波束宽度为约束条件，对螺旋式分布的半球形阵列进行阵列优化。已有的文献表明，雷达稀疏阵列优化多数属于主动雷达阵列优化领域，以波束宽度作为约束条件，但在实际应用中，需要在原有的主动相控阵中实现被动侦察，因此需要一种针对被动雷达领域中布阵范围受限等约束条件下阵列稀疏优化方法。

发明内容

本发明基于自适应遗传优化算法结合克拉美罗界，设计了一种约束条件下的稀疏阵列优化方法。

本发明是通过如下技术方案来实现的，主要包括以下步骤：

步骤一，确定模型：将待稀疏优化的阵列位置变化成一列向量，即种群中的一个个体代表一个阵列。

首先，将待稀疏优化阵列各个阵元位置以一列向量表示，记为待稀疏个体f_j,i(i＝1,2,…,NP；j＝1,2,…,L；L＝M×M)，式中i表示个体在对应种群中的序号，L表示满阵元的数量，M表示方位向、俯仰向的阵元个数，f_j,i＝1表示相应的位置上有阵元，f_j,i＝0表示相应的位置上没有阵元。然后，将由待稀疏优化个体f_j,i组成的待优化矩阵记为待优化种群矩阵F_L×NP。

步骤二，编码：首先对种群中的个体进行初始编码，其个体的表达式为：f_j,i＝randn[0,1](i＝1,2,…,NP；j＝1,2,…,L)，然后设阵元稀疏率为s，遗传迭代次数G，稀疏后的阵元个数为NL，则NL＝L×s，最后令每个个体中最大的NL个基因的值为1，剩下的基因值为0，得到稀疏的待优化个体f_j,i。