平面阵列方向图优化的改进PSO算法
粒子群优化算法(PSO)是合成天线阵列预期方向图的有效手段.但对于某些大型平面阵列方向图复杂的非线性优化问题,该算法收敛速度慢且最优粒子易陷入局部最优解,因而使得算法失效.针对这一问题,该文提出一种改进PSO算法来提高传统PSO算法的收敛特性.该算法在初始化最优粒子时采用解析初值而不是随机初值.对于给定的预期方向图,通过矩阵运算解析对应该方向图的阵元权系数.之后将这些权系数指定为任意一个粒子的解析初值,而种群的其他粒子仍然赋随机初值,之后再衔接标准PSO算法的寻优迭代过程.这种初始化方法使得种群粒子在寻优搜索过程开始之前,即可得到最优粒子初值的有效估计.仿真结果表明,相对于全部粒子赋随机初值的标准算法而言,这种改进算法收敛速度更快,适应度值收敛得更深,因而有效提高了算法的收敛特性,从而能够得到满足预期方向图指标要求的优化结果.
有源相控阵、平面阵列、副瓣干扰、方向图优化、粒子群优化算法
39
TN958.92
国家自然科学基金61273095The National Natural Science Foundation of China 61273095
2017-11-27(万方平台首次上网日期,不代表论文的发表时间)
共6页
2340-2345