[发明专利]一种用于减弱远近效应的伪卫星阵列天线方向图综合计算方法

摘要

本发明属于天线与信号传播技术领域，尤其涉及一种用于减弱远近效应的伪卫星阵列天线方向图综合算法，包括：根据赋形发射天线的覆盖范围来确定信号的有效覆盖范围，并计算出目标方向图；将阵列天线作为一个n阵元的阵列，包含n个需要求解的权值，选取m个粒子作为种群，每个粒子都是一个权值解；通过粒子群算法来调整每个阵元的幅度和相位，使方向图函数逼近目标方向图；采用基于统计理论的惯性因子，可克服传统粒子群算法收敛速度慢，易陷入局部最优的缺点，将改进的粒子群算法用于拟合目标方向图，克服伪卫星系统远近效应。

主权项

1.一种用于减弱远近效应的伪卫星阵列天线方向图综合计算方法，其特征在于，包括：步骤1、根据赋形发射天线的覆盖范围来确定信号的有效覆盖范围，并计算出目标方向图；步骤2、将阵列天线作为一个n阵元的阵列，包含n个需要求解的权值，选取m个粒子作为种群，每个粒子都是一个权值解；步骤3、通过粒子群算法来调整每个阵元的幅度和相位，使方向图函数逼近目标方向图；所述步骤2包括：设一个n维的空间中，由m个粒子所组成的种群X＝{x₁，…x_i，…x_m}，每个x_i都为一个候选解，其中第i个粒子的位置为x_i＝{x_i1,x_i2,…x_in}^T，其速度为v_i＝{v_i1,v_i2,…v_in}^T，维数n表示要优化的变量个数；设种群的个体极值为p_i＝{p_i1,p_i2,…p_in}^T,种群的全局最优值为p_g＝{p_g1,p_g2,…p_gn}^T，粒子x_i按如下两个公式改变速度和位置：式中：d＝1,2,…,n，i＝1,2,…,m，t为当前进化迭代数，r₁,r₂为分布于[0，1]之间的随机数，c₁、c₂均为加速度因子，取为2；ω为惯性因子，取为1；所述惯性因子ω设为可变：其中，ω_max、ω_min分别表示优化过程中惯性因子的最大最小值，n_p表示当前已迭代的次数，N表示最大迭代次数，A为优化因子，K为优化的粒子个数，当得到一组全局最优解p_g时可得到方位角方向关于增益θ的归一化方向图函数求出与目标方向图函数的相关值即得到优化因子A，它反映了某次粒子群状态与目标值的差距；所述粒子群算法在开始迭代时采取大范围内搜索，避免陷入局部最优解，当迭代到达一定阶段后，缩小迭代范围，在较小范围内迭代求解，提高求解精度，将惯性因子的取值设为可变；所述算法具体步骤如下：第一步：初始化，设定好加速度因子c₁和c₂以及最大进化迭代数T_MAX的大小，定义空间Rⁿ中随机产生的m个粒子x₁,…x_i,…,x_m，m为种群的规模；评价初始种群，计算每个粒子的适应度函数的值fitness(x_i)，每个值作为当前自身的最优值Pbest，并把种群中最优的适应度值作为全局的最优值Gbest，相当于初始化个体最优和全局最优；当前进化迭代数t＝1；fitness(x_i)＝q₁·δ_OB+q₂·δ_OC+q₃·δ_CA式中：δ_OB，δ_OC,δ_CA分别为OB,OC,CA段某粒子解与期望电平的差值；；q₁,q₂,q₃为不同的加权值，根据经验分别取1，0.8，1；第二步：更新粒子的速度和位置，计算当前粒子的适应度值，比较当前粒子的自身适应度值和其历史值，如果比历史值更优，则用当前的值替换掉历史值，同时比较新的粒子种群中全局最优值是否是历史最优值，如果是历史最优值，则替换掉历史的最优值；第三步：随机产生各个粒子的位移变化s₁,s₂,…s_m，按更新公式来改变粒子的速度，产生新的粒子种群X(t+1)；第四步：检查粒子群的适应度函数是否已经满足给定的精度或者优化的代数是否已经达到T_MAX，如果是则可以结束循环过程；否则t＝t+1，转到第三步继续进行迭代。