高级搜索

基于混合三角变异差分进化算法的平面稀疏阵列约束优化

陈志坤 杜康 彭冬亮 朱新挺

引用本文: 陈志坤, 杜康, 彭冬亮, 朱新挺. 基于混合三角变异差分进化算法的平面稀疏阵列约束优化[J]. 电子与信息学报, 2020, 42(4): 895-901. doi: 10.11999/JEIT190705 shu
Citation:  Zhikun CHEN, Kang DU, Dongliang PENG, Xinting ZHU. Planar Sparse Array Constraint Optimization Based on Hybrid Trigonometric Mutation Differential Evolution Algorithm[J]. Journal of Electronics and Information Technology, 2020, 42(4): 895-901. doi: 10.11999/JEIT190705 shu

基于混合三角变异差分进化算法的平面稀疏阵列约束优化

    作者简介: 陈志坤: 男,1982年生,博士,讲师,研究方向为雷达阵列信号处理与电子侦察;
    杜康: 男,1996年生,硕士生,研究方向为阵列优化与波束形成;
    彭冬亮: 男,1977年生,博士,教授,博士生导师,研究方向为信息融合;
    朱新挺: 男,1996年生,硕士生,研究方向为信号检测技术
    通讯作者: 杜康,dk@hdu.edu.cn
  • 基金项目: 国家自然科学基金(61701148)

摘要: 针对旁瓣零陷凹面约束的稀疏平面阵列优化及算法早熟等问题,该文基于参数自适应的思想,提出一种混合三角变异差分进化算法。通过引入旁瓣零陷凹面约束矩阵,构建自适应惩罚函数,时变权重组合变异策略与交叉策略,提高算法前期全局搜索能力和后期收敛能力,最终实现峰值旁瓣电平和旁瓣零陷凹面的平面阵列约束优化。仿真结果表明,对比混合三角变异策略前的算法,该算法在完成稀疏阵列峰值旁瓣电平优化的同时,能在指定旁瓣区域完成零陷凹面设计,降低有源干扰影响。

English

    1. [1]

      CHEN Kesong, CHEN Hui, WANG Ling, et al. Modified real GA for the synthesis of sparse planar circular arrays[J]. IEEE Antennas and Wireless Propagation Letters, 2016, 15: 274–277. doi: 10.1109/LAWP.2015.2440432

    2. [2]

      DAI Dingcheng, YAO Minli, MA Hongguang, et al. An effective approach for the synthesis of uniformly excited large linear sparse array[J]. IEEE Antennas and Wireless Propagation Letters, 2018, 17(3): 377–380. doi: 10.1109/LAWP.2018.2790907

    3. [3]

      LIU Heng, ZHAO Hongwei, LI Weimei, et al. Synthesis of sparse planar arrays using matrix mapping and differential evolution[J]. IEEE Antennas and Wireless Propagation Letters, 2016, 15: 1905–1908. doi: 10.1109/LAWP.2016.2542882

    4. [4]

      栾晓明, 尚兴荣. 稀布同心圆环阵列联合优化设计[J]. 战术导弹技术, 2017(3): 92–97. doi: 10.16358/j.issn.1009-1300.2017.03.16
      LUAN Xiaoming and SHANG Xingrong. Joint optimization design of sparse concentric ring arrays[J]. Tactical Missile Technology, 2017(3): 92–97. doi: 10.16358/j.issn.1009-1300.2017.03.16

    5. [5]

      KURUP D G, HIMDI M, and RYDBERG A. Synthesis of uniform amplitude unequally spaced antenna arrays using the differential evolution algorithm[J]. IEEE Transactions on Antennas and Propagation, 2003, 51(9): 2210–2217. doi: 10.1109/TAP.2003.816361

    6. [6]

      赵光权, 彭喜元, 孙宁. 基于混合优化策略的微分进化改进算法[J]. 电子学报, 2006, 34(12A): 2402–2405.
      ZHAO Guangquan, PENG Xiyuan, and SUN Ning. A modified differential evolution algorithm with hybrid optimization strategy[J]. Acta Electronica Sinica, 2006, 34(12A): 2402–2405.

    7. [7]

      FAN Huiyuan and LAMPINEN J. A trigonometric mutation operation to differential evolution[J]. Journal of Global Optimization, 2003, 27(1): 105–129. doi: 10.1023/A:1024653025686

    8. [8]

      乔俊飞, 傅嗣鹏, 韩红桂. 基于混合变异策略的改进差分进化算法及函数优化[J]. 控制工程, 2013, 20(5): 943–947. doi: 10.14107/j.cnki.kzgc.2013.05.030
      QIAO Junfei, FU Sipeng, and HAN Honggui. A modified differential evolution algorithm based on hybrid mutation strategy for function optimization[J]. Control Engineering of China, 2013, 20(5): 943–947. doi: 10.14107/j.cnki.kzgc.2013.05.030

    9. [9]

      SHPAK D J. A method for the optimal pattern synthesis of linear arrays with prescribed nulls[J]. IEEE Transactions on Antennas and Propagation, 1996, 44(3): 286–294. doi: 10.1109/8.486295

    10. [10]

      FARMANI R and WRIGHT J A. Self-adaptive fitness formulation for constrained optimization[J]. IEEE Transactions on Evolutionary Computation, 2003, 7(5): 445–455. doi: 10.1109/TEVC.2003.817236

    11. [11]

      刘波, 王凌, 金以慧. 差分进化算法研究进展[J]. 控制与决策, 2007, 22(7): 721–729. doi: 10.13195/j.cd.2007.07.3.liub.001
      LIU Bo, WANG Ling, and JIN Yihui. Advances in differential evolution[J]. Control and Decision, 2007, 22(7): 721–729. doi: 10.13195/j.cd.2007.07.3.liub.001

    12. [12]

      蔡海鸾, 郭学萍. 一种新的自适应惩罚函数在遗传算法中的应用[J]. 华东师范大学学报: 自然科学版, 2015(6): 36–45, 52.
      CAI Hailuan and GUO Xueping. A new adaptive penalty function in the application of genetic algorithm[J]. Journal of East China Normal University:Natural Science, 2015(6): 36–45, 52.

    13. [13]

      DAS S, KONAR A, and CHAKRABORTY U K. Two improved differential evolution schemes for faster global search[C]. The 7th Annual Conference on Genetic and Evolutionary Computation, Washington, USA, 2005: 991–998. doi: 10.1145/1068009.1068177.

    1. [1]

      姚敏立, 王旭健, 张峰干, 戴定成. 基于动态参数差分进化算法的多约束稀布矩形面阵优化. 电子与信息学报, 2020, 42(5): 1281-1287.

    2. [2]

      王茜竹, 方冬, 吴广富. 基于改进稀疏度自适应匹配算法的免授权非正交多址接入上行传输多用户检测. 电子与信息学报, 2020, 42(0): 1-7.

    3. [3]

      高云龙, 王志豪, 潘金艳, 罗斯哲, 王德鑫. 基于自适应松弛的鲁棒模糊C均值聚类算法. 电子与信息学报, 2020, 42(7): 1774-1781.

    4. [4]

      蒲磊, 冯新喜, 侯志强, 余旺盛. 基于自适应背景选择和多检测区域的相关滤波算法. 电子与信息学报, 2020, 41(0): 1-7.

    5. [5]

      陈前斌, 管令进, 李子煜, 王兆堃, 杨恒, 唐伦. 基于深度强化学习的异构云无线接入网自适应无线资源分配算法. 电子与信息学报, 2020, 42(6): 1468-1477.

    6. [6]

      刘坤, 吴建新, 甄杰, 王彤. 基于阵列天线和稀疏贝叶斯学习的室内定位方法. 电子与信息学报, 2020, 42(5): 1158-1164.

    7. [7]

      张天骐, 胡延平, 冯嘉欣, 张晓艳. 基于零空间矩阵匹配的极化码参数盲识别算法. 电子与信息学报, 2020, 41(0): 1-7.

    8. [8]

      李伟, 高嘉浩, 杜怡然, 陈韬. 一种密码专用可编程逻辑阵列的分组密码能效模型及其映射算法. 电子与信息学报, 2020, 41(0): 1-9.

    9. [9]

      郭全民, 柴改霞, 李翰山. 夜视抗晕光融合图像自适应分区质量评价. 电子与信息学报, 2020, 42(7): 1750-1757.

    10. [10]

      张普宁, 亢旭源, 刘宇哲, 李学芳, 吴大鹏, 王汝言. 相似度自适应估计的物联网实体高效搜索方法. 电子与信息学报, 2020, 42(7): 1702-1709.

    11. [11]

      付晓薇, 杨雪飞, 陈芳, 李曦. 一种基于深度学习的自适应医学超声图像去斑方法. 电子与信息学报, 2020, 42(7): 1782-1789.

    12. [12]

      孙小君, 周晗, 闫广明. 基于新息的自适应增量Kalman滤波器. 电子与信息学报, 2020, 41(0): 1-8.

    13. [13]

      张凯, 陈彬, 许志伟. 基于多目标进化策略算法的DNA核酸编码设计. 电子与信息学报, 2020, 42(6): 1365-1373.

    14. [14]

      徐宇, 林郁, 杨海钢. FPGA双端口存储器映射优化算法. 电子与信息学报, 2020, 41(0): 1-8.

    15. [15]

      兰红, 方治屿. 零样本图像识别. 电子与信息学报, 2020, 42(5): 1188-1200.

    16. [16]

      高东, 梁子林. 基于能量效率的双层非正交多址系统资源优化算法. 电子与信息学报, 2020, 42(5): 1237-1243.

    17. [17]

      刘彬, 杨有恒, 赵志彪, 吴超, 刘浩然, 闻岩. 一种基于正则优化的批次继承极限学习机算法. 电子与信息学报, 2020, 42(7): 1734-1742.

    18. [18]

      宋人杰, 张元东. 基于感兴趣区域的高性能视频编码帧内预测优化算法. 电子与信息学报, 2020, 42(0): 1-7.

    19. [19]

      惠鏸, 张晓静. 无线自组织网络的联合安全路由选择和功率优化算法. 电子与信息学报, 2020, 41(0): 1-8.

    20. [20]

      陈勇, 郑瀚, 沈奇翔, 刘焕淋. 基于改进免疫粒子群优化算法的室内可见光通信三维定位方法. 电子与信息学报, 2020, 42(0): 1-7.

  • 图 1  稀疏阵列3维方向图

    图 2  算法收敛曲线对比和稀疏阵元分布

    图 3  可行解比例和$u = 0$比平面方向图

    图 4  稀疏阵列3维方向图

    图 5  算法收敛曲线和稀疏阵元分布

    图 6  可行解比例和$u = 0$平面方向图

    表 1  最大零陷深度约束为45时旁瓣零陷凹面增益(c = 1)

    序号123456789
    $p$505050515151525252
    $q$505152505152505152
    增益(dB)–41.7232–47.8437–43.4869–41.2586–53.0450–44.7019–43.8560–46.1852–46.9309
    下载: 导出CSV

    表 2  最大零陷深度约束为50时旁瓣零陷凹面增益(c = 1)

    序号123456789
    $p$505050515151525252
    $q$505152505152505152
    增益(dB)–46.6703–45.7740–42.0270–43.5748–55.1658–43.9545–42.9269–49.6869–45.4186
    下载: 导出CSV

    表 3  最大零陷深度约束为55时旁瓣零陷凹面增益(c = 1)

    序号123456789
    $p$505050515151525252
    $q$505152505152505152
    增益(dB)–46.4656–47.1974–43.3241–47.4544–58.0909–43.7558–55.5215–48.7782–45.2064
    下载: 导出CSV

    表 4  最大零陷深度约束为45时旁瓣零陷凹面增益(c = 2)

    序号123456789
    p494949494950505050
    q495051525349505152
    增益(dB)–46.5458–45.8412–46.2580–40.8917–40.9214–49.3585–55.9305–47.3353–42.1900
    序号101112131415161718
    p505151515151525252
    q534950515253495051
    增益(dB)–42.6126–43.5500–51.2554–49.3633–44.1652–43.3289–44.5767–60–60
    序号19202122232425
    p52525353535353
    q52534950515253
    增益(dB)–45.5003–42.0649–46.5876–45.0475–48.2879–44.7265–41.0207
    下载: 导出CSV

    表 5  最大零陷深度约束为50时旁瓣零陷凹面增益(c = 2)

    序号123456789
    p494949494950505050
    q495051525349505152
    增益(dB)–37.6175–40.3846–45.7498–48.2500–43.6255–36.8799–41.7660–49.6858–45.8806
    序号101112131415161718
    p505151515151525252
    q534950515253495051
    增益(dB)–41.8181–37.2718–43.5080–60–45.8777–39.6356–39.5716–45.9265–60
    序号19202122232425
    $p$52525353535353
    $q$52534950515253
    增益(dB)–47.8587–39.4033–43.4406–50.7166–60–51.4716–40.3799
    下载: 导出CSV

    表 6  最大零陷深度约束为55时旁瓣零陷凹面增益(c = 2)

    序号123456789
    p494949494950505050
    q495051525349505152
    增益(dB)–44.8401–46.0399–39.5838–38.3594–45.4208–54.4196–59.5659–43.2692–43.0806
    序号101112131415161718
    p505151515151525252
    q534950515253495051
    增益(dB)–51.9257–41.3720–45.5307–55.5682–49.6248–40.8617–36.9498–40.1514–48.4430
    序号19202122232425
    $p$52525353535353
    $q$52534950515253
    增益(dB)–43.0303–37.3386–35.2466–38.9316–46.3749–42.4130–37.3552
    下载: 导出CSV
  • 加载中
图(6)表(6)
计量
  • PDF下载量:  20
  • 文章访问数:  853
  • HTML全文浏览量:  327
文章相关
  • 通讯作者:  杜康, dk@hdu.edu.cn
  • 收稿日期:  2019-09-10
  • 录用日期:  2019-11-28
  • 网络出版日期:  2020-01-11
  • 刊出日期:  2020-04-01
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章