專利名稱：基于遺傳算法的智能天線復合波束形成方法
技術領域：
本發(fā)明涉及的是移動通信天線技術領域。
背景技術：
當代及未來移動通信領域，智能天線是必選的先進技術。它可以在有用信號入射方向保持高增益，在干擾信號入射方向形成零陷。從而消除干擾，增加系統(tǒng)的容量。在寬帶移動通信中，干擾的數(shù)目往往大于天線陣列的數(shù)目。在此情況下，天線方向圖不可能在各個干擾來波方向都形成零陷來抑制干擾的影響，而只能選擇在最強的若干個干擾方向上形成零陷，同時采用低旁瓣設計來抑制其它方向干擾。另外，還要求天線能夠在有用信號方向上獲得最大的增益值，因此，需要在期望信號的來波方向形成主瓣，并且主瓣寬度應盡可能窄以抑制對鄰近角度用戶的干擾。由此看來，方向圖的綜合和優(yōu)化是一個多目標多參數(shù)的非線性優(yōu)化問題，而遺傳算法在解決這類多目標多參數(shù)的非線性優(yōu)化問題上有很大的優(yōu)勢，它可以彌補傳統(tǒng)算法容易收斂至局部最優(yōu)點的缺陷，更容易獲得全局最優(yōu)。目前很多學者對基于遺傳算法的陣列波束圖優(yōu)化進行了深入研究，但這些已有的方法都不同程度地存在兩個問題1.適應度函數(shù)式過于復雜，計算量大；在遺傳算法中適應度函數(shù)的復雜程度將直接影響著遺傳算法的收斂速度和計算量；適應度函數(shù)越復雜，函數(shù)收斂越慢；在同樣的收斂速度下，適應度函數(shù)越復雜，整個遺傳算法的計算復雜度就越高。由于目前已有的基于遺傳算法的智能天線波束形成算法中將期望主波瓣的優(yōu)化和干擾抑制同時進行，目標函數(shù)相當復雜，因此，嚴重的影響了算法的收斂速度，需要較高的計算量。2.對適應度函數(shù)中優(yōu)化參數(shù)權值的選擇非常敏感；遺傳算法要達到最佳性能，所有參數(shù)權值必須同時取得最優(yōu)值，即滿足每個約束條件，要找到這樣一組最優(yōu)參數(shù)權值，將非常困難。

發(fā)明內(nèi)容
本發(fā)明的目的是為了克服現(xiàn)有基于遺傳算法的陣列波束形成方法，存在適應度函數(shù)式過于復雜、計算量過大，及對適應度函數(shù)中優(yōu)化參數(shù)權值的選擇非常敏感，而使得最優(yōu)權值的尋找非常困難的問題，進而提供了一種基于遺傳算法的智能天線復合波束形成方法。它的復合算法步驟為第一步驟計算出每個信號源的波達角；第二步驟根據(jù)自適應陣元分配原則，把現(xiàn)有陣元劃分成增強期望子陣列和抵消干擾子陣列兩部分；兩部分的陣元個數(shù)分別為m1，m2；且適應度函數(shù)分別為fitness2=κ2.abs(SLL0-SLLdes)+κ3.|θBWFN-θBWFN_des|180fitness1=κ1·|θ0-θdes|180+κ4Σabs(NULLθi-NULLdes_θi);]]>上述公式中θ0為計算波達角，θdes為期望信號的波達角；SLL0為計算最大相對旁瓣電平，SLLdes為設計最大相對旁瓣電平；NULLθi為干擾方向θi的計算零陷值，NULLdes_θi為干擾方向θi的期望零陷值；θBWFN，θBWFN_des分別為計算3dB波束寬度和設計3dB波束寬度；κ1κ2κ3κ4為權值系數(shù)，作用是調(diào)整每個參數(shù)變化對于目標函數(shù)的貢獻；第三步驟將增強期望子陣列的陣元和抵消干擾子陣列的陣元分別由各自的優(yōu)化遺傳算法形成各自的波束賦形；從而得到兩個子陣列的優(yōu)化權值向量，且權值向量分別為w1，w2；第四步驟對增強期望子陣列和抵消干擾子陣列兩部分權卷積復合得到最終復合權，即w＝w1*w2；其中復合權向量的維數(shù)為m1+m2-1；第五步驟根據(jù)公式f(θ)=Σi=1m1+m2-1wie-jβiΔxsinθ,]]>得到陣列復合波束圖；其中，wi為復合權向量中的第i個元素；β為相位傳播因子，β＝2π/λ，λ代表波長，Δx代表陣元距離差，θ為波達角。
本發(fā)明能降低其參數(shù)權值選擇的復雜度，能容易的找出設計波束圖所對應的一組最優(yōu)權值(如圖1)，并具有計算量小、簡單、實用的優(yōu)點。


圖1是本發(fā)明復合算法生成的波束與現(xiàn)有算法生成的波束之間的比較圖。
具體實施例方式具體實施方式
一它的復合算法步驟為
第一步驟計算出每個信號源的波達角；第二步驟根據(jù)自適應陣元分配原則，把現(xiàn)有陣元劃分成增強期望子陣列和抵消干擾子陣列兩部分；兩部分的陣元個數(shù)分別為m1，m2；且適應度函數(shù)分別為fitness2=κ2.abs(SLL0-SLLdes)+κ3.|θBWFN-θBWFN_des|180fitness1=κ1·|θ0-θdes|180+κ4Σabs(NULLθi-NULLdes_θi);]]>上述公式中θ0為計算波達角，θdes為期望信號的波達角；SLL0為計算最大相對旁瓣電平，SLLdes為設計最大相對旁瓣電平；NULLθi為干擾方向θi的計算零陷值，NULLdes_θi為干擾方向θi的期望零陷值；θBWFN，θBWFN_des分別為計算3dB波束寬度和設計3dB波束寬度；κ1κ2κ3κ4為權值系數(shù)，作用是調(diào)整每個參數(shù)變化對于目標函數(shù)的貢獻；第三步驟將增強期望子陣列的陣元和抵消干擾子陣列的陣元分別由各自的優(yōu)化遺傳算法形成各自的波束賦形；從而得到兩個子陣列的優(yōu)化權值向量，且權值向量分別為w1，w2；第四步驟對增強期望子陣列和抵消干擾子陣列兩部分權卷積復合得到最終復合權，即w＝w1*w2；其中復合權向量的維數(shù)為m1+m2-1；第五步驟根據(jù)公式f(θ)=Σi=1m1+m2-1wie-jβiΔxsinθ,]]>得到陣列復合波束圖；其中，wi為復合權向量中的第i個元素；β為相位傳播因子，β＝2π/λ，λ代表波長，Δx代表陣元距離差，θ為波達角。
具體實施方式
二在具體實施方式
一的第二步驟中所述的自適應陣元分配原則為第一原則分配增強期望子陣列(壓低旁瓣)的原則為主波瓣寬度和天線孔徑長度的關系為3dB波束寬度φ3dB≈λ/L，其中λ為波長，L為天線孔徑長度；當陣元間隔為λ/2，陣元個數(shù)為N，則L＝λ/2×N；第二原則分配抵消干擾子陣列的原則為根據(jù)N+1個天線陣元數(shù)最大只能抑制N個干擾的原則，及遺傳算法的收斂速度和魯棒性的因素，選N+3個陣元長度來抑制N個干擾；
第三原則考慮計算復雜度，在滿足上述分配原則的前提下，使增強期望子陣列和抵消干擾子陣列兩部分的陣元數(shù)相當，能更多的降低計算復雜度。
具體實施方式
三在具體實施方式
一的第三步驟中所述的增強期望子陣列的優(yōu)化遺傳算法形成波束賦形的方法步驟為第一步驟設陣元個數(shù)為m1，即變量個數(shù)為m1，初始化種群，實數(shù)編碼，即隨機產(chǎn)生N1個個體，這里N1為變量個數(shù)的2倍；第二步驟對種群根據(jù)適應度函數(shù)進行適應度檢測；適應度函數(shù)為fitness2=κ2.abs(SLL0-SLLdes)+κ3.|θBWFN-θBWFN_des|180]]>第三步驟選擇，這里采用基于排序的選擇機制，先將種群中的個體按照優(yōu)劣降序排列；序號為i的個體被選中的概率為pi=1popsize+α(gen)popsize+1-2ipopsize(popsize+1),α(gen)]]>在這里是代數(shù)gen的分段不連續(xù)函數(shù)；為了防止早熟，在代數(shù)較低的時候，a(gen)值較小，當代數(shù)增加的時候，a(gen)值變大；第四步驟交叉，這里的交叉概率是自適應改變的；關系表達式為pc(gen)=pc(gen-1)-(pc(0)-0.2)/maxgen,]]>每個個體按照交叉概率進行算術交叉操作；第五步驟變異，這里的變異概率是自適應改變的，關系表達式為pm(gen)=pm(gen-1)-(0.5-pm(0))/maxgen;]]>每個個體按照變異概率進行變異操作，其中Vi″＝Vi′+M·d，這里M為任一指定數(shù)，Vi″、Vi′、d為m1維向量；第六步驟重復第二步驟到第五步驟，直到滿足條件，即是否滿足最高設計旁瓣電平、主瓣寬度值。
具體實施方式
四在具體實施方式
一的第三步驟中所述的抵消干擾子陣列的優(yōu)化遺傳算法形成波束賦形的方法步驟第一步驟設陣元個數(shù)為m2，即變量個數(shù)為m2，初始化種群，實數(shù)編碼，即隨機產(chǎn)生N2個個體，這里N2為變量個數(shù)的2倍；第二步驟對種群根據(jù)適應度函數(shù)進行適應度檢測；適應度函數(shù)為fitness1=κ1·|θ0-θdes|180+κ4Σabs(NULLθi-NULLdes_θi)]]>第三步驟選擇，這里采用基于排序的選擇機制，先將種群中的個體按照優(yōu)劣降序排列；序號為i的個體被選中的概率為pi=1popsize+α(gen)popsize+1-2ipopsize(popsize+1),α(gen)]]>在這里是代數(shù)gen的分段不連續(xù)函數(shù)；為了防止早熟，在代數(shù)較低的時候，a(gen)值較小，當代數(shù)增加的時候，a(gen)值變大；第四步驟交叉，這里的交叉概率是自適應改變的；關系表達式為pc(gen)=pc(gen-1)-(pc(0)-0.2)/maxgen,]]>每個個體按照交叉概率進行算術交叉操作；第五步驟變異，這里的變異概率是自適應改變的，關系表達式為pm(gen)=pm(gen-1)-(0.5-pm(0))/maxgen;]]>每個個體按照變異概率進行變異操作，其中Vi″＝Vi′+M·d，這里M為任一指定數(shù)，Vi″、Vi′、d為m2維向量；；第六步驟重復第二步驟到第五步驟，直到滿足條件，即是否滿足零陷設計深度。
權利要求
1.基于遺傳算法的智能天線復合波束形成方法，其特征在于它的復合算法步驟為第一步驟計算出每個信號源的波達角；第二步驟根據(jù)自適應陣元分配原則，把現(xiàn)有陣元劃分成增強期望子陣列和抵消干擾子陣列兩部分；兩部分的陣元個數(shù)分別為m1，m2；且適應度函數(shù)分別為fitness2=κ2·abs(SLL0-SLLdes)+κ3·|θBWFN-θBWFN_des|180fitness1=κ1·|θ0-θdes|180+κ4Σabs(NULLθi-NULLdes_θi);,]]>上述公式中θ0為計算波達角，θdes為期望信號的波達角；SLL0為計算最大相對旁瓣電平，SLLdes為設計最大相對旁瓣電平；NULLθi為干擾方向θi的計算零陷值，NULLdes_θi為干擾方向θi的期望零陷值；BWFN，θBWFN_des分別為計算3dB波束寬度和設計3dB波束寬度；κ1κ2κ3κ4為權值系數(shù)，作用是調(diào)整每個參數(shù)變化對于目標函數(shù)的貢獻；第三步驟將增強期望子陣列的陣元和抵消干擾子陣列的陣元分別由各自的優(yōu)化遺傳算法形成各自的波束賦形；從而得到兩個子陣列的優(yōu)化權值向量，且權值向量分別為w1，w2；第四步驟對增強期望子陣列和抵消干擾子陣列兩部分權卷積復合得到最終復合權，即w＝w1*w2；其中復合權向量的維數(shù)為m1+m2-1；第五步驟根據(jù)公式f(θ)=Σi=1m1+m2-1wie-jβiΔxsinθ,]]>得陣列復合波束圖；其中，wi為復合權向量中的第i個元素；β為相位傳播因子，β＝2π/λ，λ代表波長，Δx代表陣元距離差，θ為波達角。
2.根據(jù)權利要求1所述的基于遺傳算法的智能天線復合波束形成方法，其特征在于它的第二步驟中所述的自適應陣元分配原則為第一原則分配增強期望子陣列的原則為主波瓣寬度和天線孔徑長度的關系為3dB波束寬度φ3dB≈λ/L，其中λ為波長，L為天線孔徑長度；當陣元間隔為λ/2，陣元個數(shù)為N，則L＝λ/2×N；第二原則分配抵消干擾子陣列的原則為根據(jù)N+1個天線陣元數(shù)最大只能抑制N個干擾的原則，及遺傳算法的收斂速度和魯棒性的因素，選N+3個陣元長度來抑制N個干擾；第三原則考慮計算復雜度，在滿足上述分配原則的前提下，使增強期望子陣列和抵消干擾子陣列兩部分的陣元數(shù)相當，能更多的降低計算復雜度。
3.根據(jù)權利要求1所述的基于遺傳算法的智能天線復合波束形成方法，其特征在于它的第三步驟中所述的增強期望子陣列的優(yōu)化遺傳算法形成波束賦形的方法步驟為第一步驟設陣元個數(shù)為m1，即變量個數(shù)為m1，初始化種群，實數(shù)編碼，即隨機產(chǎn)生N1個個體，這里N1為變量個數(shù)的2倍；第二步驟對種群根據(jù)適應度函數(shù)進行適應度檢測；適應度函數(shù)為fitness2=κ2·abs(SLL0-SLLdes)+κ3·|θBWFN-θBWFN_des|180]]>第三步驟選擇，這里采用基于排序的選擇機制，先將種群中的個體按照優(yōu)劣降序排列；序號為i的個體被選中的概率為pi=1popsize+α(gen)popsize+1-2ipopsize(popsize+1),α(gen)]]>在這里是代數(shù)gen的分段不連續(xù)函數(shù)；為了防止早熟，在代數(shù)較低的時候，α(gen)值較小，當代數(shù)增加的時候，α(gen)值變大；第四步驟交叉，這里的交叉概率是自適應改變的；關系表達式為pc(gen)=pc(gen-1)-(pc(0)-0.2)/maxgen,]]>每個個體按照交叉概率進行算術交叉操作；第五步驟變異，這里的變異概率是自適應改變的，關系表達式為pm(gen)=pm(gen-1)-(0.5-pm(0))/maxgen;]]>每個個體按照變異概率進行變異操作，其中Vi″＝Vi′+M·d，這里M為任一指定數(shù)，Vi″、Vi′、d為m1維向量；第六步驟重復第二步驟到第五步驟，直到滿足條件，即是否滿足最高設計旁瓣電平、主瓣寬度值。
4.根據(jù)權利要求1所述的基于遺傳算法的智能天線復合波束形成方法，其特征在于它的第三步驟中所述的抵消干擾子陣列的優(yōu)化遺傳算法形成波束賦形的方法步驟為第一步驟設陣元個數(shù)為m2，即變量個數(shù)為m2，初始化種群，實數(shù)編碼，即隨機產(chǎn)生N2個個體，這里N2為變量個數(shù)的2倍；第二步驟對種群根據(jù)適應度函數(shù)進行適應度檢測；適應度函數(shù)為fitness1=κ1·|θ0-θdes|180+κ4Σabs(NULLθi-NULLdes_θi)]]>第三步驟選擇，這里采用基于排序的選擇機制，先將種群中的個體按照優(yōu)劣降序排列；序號為i的個體被選中的概率為pi=1popsize+α(gen)popsize+1-2ipopsize(popsize+1),α(gen)]]>在這里是代數(shù)gen的分段不連續(xù)函數(shù)；為了防止早熟，在代數(shù)較低的時候，α(gen)值較小，當代數(shù)增加的時候，α(gen)值變大；第四步驟交叉，這里的交叉概率是自適應改變的；關系表達式為pc(gen)=pc(gen-1)-(pc(0)-0.2)/maxgen,]]>每個個體按照交叉概率進行算術交叉操作；第五步驟變異，這里的變異概率是自適應改變的，關系表達式為pm(gen)=pm(gen-1)-(0.5-pm(0))/maxgen;]]>每個個體按照變異概率進行變異操作，其中Vi″＝Vi′+M·d，這里M為任一指定數(shù)，Vi″、 Vi′、d為m2維向量；；第六步驟重復第二步驟到第五步驟，直到滿足條件，即是否滿足零陷設計深度。
全文摘要
基于遺傳算法的智能天線復合波束形成方法，它涉及的是移動通信天線技術領域。它解決了現(xiàn)有基于遺傳算法的陣列波束形成方法，存在適應度函數(shù)式過于復雜，及對適應度函數(shù)中優(yōu)化參數(shù)權值的選擇非常敏感的問題。它的算法步驟為第一步計算出每個信號源的波達角；第二步根據(jù)自適應陣元分配原則，把陣元劃分成增強期望子陣列和抵消干擾子陣列；第三步將增強期望子陣列的陣元和抵消干擾子陣列的陣元分別由各自的優(yōu)化遺傳算法形成各自波束賦形；而得到優(yōu)化權值；第四步對增強期望子陣列和抵消干擾子陣列兩部分權卷積復合得到最終復合權；第五步計算得到優(yōu)化的復合波束圖。本發(fā)明能降低其參數(shù)權值選擇的復雜度，能容易找出一組最優(yōu)參數(shù)權值。
文檔編號H04B7/02GK1725556SQ200510010159
公開日2006年1月25日 申請日期2005年7月7日 優(yōu)先權日2005年7月7日
發(fā)明者孟維曉, 史兢, 張乃通, 譚學治 申請人:哈爾濱工業(yè)大學