(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110294651.6 (22)申请日 2021.03.19 (65)同一申请的已公布的文献号 申请公布号 CN 112926271 A (43)申请公布日 2021.06.08 (73)专利权人 电子科技大 学 地址 611731 四川省成 都市高新区 （西区） 西源大道 2006号 专利权人 电子科技大 学广东电子信息 工程 研究院 (72)发明人 石全虎　郑植　王文钦　 (74)专利代理 机构 电子科技大 学专利中心 51203 专利代理师 周刘英 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/12(2006.01) G06F 111/04(2020.01) G06F 111/06(2020.01) (56)对比文件 CN 111353605 A,2020.0 6.30CN 105426578 A,2016.0 3.23 CN 112292840 A,2021.01.2 9 CN 108896983 A,2018.1 1.27 CN 1040204 48 A,2014.09.0 3 CN 107302140 A,2017.10.27 谢文冲等.一种子阵划分方法及子阵级STAP 性能分析. 《数据采集与处 理》 .2007,第22卷(第 03期),第273 -277页. 王子曦等.天波雷达在不 规则地形中的接收 阵列天线综合. 《电波科 学学报》 .2012,第27 卷 (第04期),第672- 679页. Chan, Zeke S. H 等.A hybrid genetic algorithm and expectati on maximizati on method for gl obal gene trajectory clusteri ng. 《Journal of Bi oinformatics and Computati onal Biology》 .2005,第3卷(第5期), 第1227-1242页. Haupt, RL 等.Optimized weighti ng of uniform subar rays of unequal sizes. 《IE EE TRANSACTIONS ON ANTEN NAS AND PROPAGATION》 .20 07,第55卷(第4期),第1207- 1210页. 审查员 张玮 (54)发明名称 一种基于混合遗传算法的线性阵列子阵划 分方法 (57)摘要 本发明公开了一种基于混合遗传算法的线 性阵列子阵划分方法， 属于阵列信号处理技术领 域。 本发明利用一种混合的遗传算法找到最优的 子阵划分方案， 即将遗传算法的每一个个体定义 为子阵划分的一个方案， 当确定子阵划分方案 后， 基于所构建的优化模型进行求解得到最优子 阵权值， 并将峰值旁瓣作为个体的适应度值， 从 而利用遗传算法找到最优的子阵划分方案。 本发 明适用于 大型阵列的最优子阵配置， 在满足约束 条件的前提下极大的降低了大型阵列的信息处理复杂度和射频成本 。 权利要求书1页 说明书5页 附图3页 CN 112926271 B 2022.12.06 CN 112926271 B 1.一种基于混合遗传算法的线性阵列子阵划分方法， 其特 征在于， 包括下列步骤： 生成子阵划分种群步骤： 基于种群的个 体数N和线性阵列的子阵划分数 K对种群表示矩阵X进行初始化； 其中， 矩阵X为N ×K‑1维矩阵， 且矩阵X 的元素Xnk用于表示在种群中第n个个体第k个子 阵的阵元数， k＝1,2, …,K‑1， n＝1,2, …,N； 且任一元素的取值范围为[1,M]， M表示线性阵 列包括的阵元 数； 元素Xnk的取值范围为： [1,R]， 其中， R为整数， 且M/K≤R≤M， 并且最后一个子阵的阵元 数目等于总的阵元 数减去前 K‑1个子阵的阵元 数； 若第n个个体的前u个子阵阵元数目大于等于M， 则将第u个子阵的阵元数目设置为 且 计算最优子阵权值和个 体适应度步骤： 根据优化模型 的求解结果， 得到每个个体的最优子阵权值， 并 将峰值旁瓣作为个 体的适应度值； 其中， fsub()表示子阵的方向图， θmax表示主瓣方向， θ表 示信号入射角， S表示旁瓣区域， UB表示旁瓣上界， 子阵级权值向量 Wsub＝[wsub1,wsub2,…,wsubK]T， wsubk表示第k个子阵的权值； 种群更新 步骤： 基于指定的编码长度L对矩阵X的元 素Xnk进行二进制编码， 得到二进制编码的种群Y； 并对种群Y进行种群更新处 理， 基于更新后的种群Y得到更新后的矩阵X； 对更新的种群中的前u个子 阵阵元数目大于或等于M的个体执行生成子 阵划分种群步 骤， 并计算更新后的种群的每 个个体的适应度值； 确定线性阵列的子阵划分方案步骤： 记录当前种群 中的最低旁瓣对应的最优子阵权值和个体， 并判断当前迭代次数是否达 到预置的迭代次数上限， 若否， 则迭代 次数加1， 并继续执行种群更新步骤； 若是， 则比较所 有种群中的最低旁瓣， 将最优的最低旁瓣所对应的个体的最优子阵权值作为线性阵列的最 终子阵划方案 。 2.如权利要求1所述的方法， 其特征在于， 在计算最优子 阵权值和个体适应度步骤中， 还包括： 基于矩阵X确定种群中的每个个体的矩阵T， 其中矩阵T是K ×M维矩阵， 且元素Tkm的取值 为： 若第m个阵元属于第k个子阵， 则Tkm为1； 否则Tkm为0； 将子阵级的方向图表示为 其中Fsub＝[fsub( θ1),fsub( θ2),…,fsub( θJ)]T是 子阵级方向图在各个方向上的采样值 向量， J表示方向数， 矩阵Asub＝TA， A表示线性阵列的 阵列因子矩阵。 3.如权利要求1所述的方法， 其特 征在于， 编码长度 表示向上 取整。权　利　要　求　书 1/1 页 2 CN 112926271 B 2一种基于混合遗传算法的线性阵列子阵划分方 法 技术领域 [0001]本发明属于阵列信号处理技术领域， 具体涉及基于子阵的线性阵列天线方向图综 合方法。 背景技术 [0002]大型阵列由于具有高增益、 高分辨率和高灵敏度等优点在现代无线通信电子系统 和现代雷达系统中广泛应用。 上世纪七十年代初期， 大型阵列天线最早应用于军事雷达领 域， 另外， 随着微电子技术的迅速发展， 加工成本以及器件价格的降低， 本世纪以来大型阵 列天线也开始应用在民用领域。 然而， 大型阵列往往包含上千甚至上万个阵元， 不仅高昂的 造价制约着大型阵列的发展， 而且传统的阵列结构直接应用在大型阵列上也会产生诸多问 题。 如何在合理的软硬件成本控制范围内充分发挥大型阵列天线在提高系统分辨率、 灵敏 度等特性方面的能力， 一 直是阵列天线领域研究的热点和难点。 [0003]子阵合成技术可以降低大型阵列的信号处理复杂度和硬件复杂度， 但不可避免的 会降低大型阵列的部分性能。 子阵合成是将多个阵元划分为一个子阵， 每个子阵共用一个 通道， 通过在子阵级加权形成方向图。 利用子阵合成技术不仅可以大大减少通道数， 降低信 号处理和硬件复杂度， 而且为T/R组件的安装也 提供的足够的空间。 [0004]目前子阵划分技术主要分为两大类， 一类是重叠子阵， 另一类是非重叠子阵。 其 中， 重叠子阵采用相邻子阵共用部分阵元 的重叠子阵结构， 这种阵列虽然也只在子阵级采 用幅相控制组件， 成本可控， 但是同一子阵和 不同子阵的阵元之间都需要引入复杂的交叉 馈电网络， 这会导致很高的能量损耗和加工难度， 尤其在阵列规模较大时， 不易实现。 非重 叠子阵采用分均匀子阵设计以打破阵列周期性来抑制子阵栅瓣， 而非重叠的均匀子阵产生 栅瓣问题一 直没有很好的解决方法。 发明内容 [0005]本发明的发明目的在于： 针对大型阵列在阵元级综合方向图软硬件复杂度过高 的 技术问题， 提出一种 结合遗传算法和凸优化理论的线性阵列子阵划分方法， 以降低 天线系 统的数据处 理复杂度和射频成本， 得到最优子阵权值。 [0006]本发明的基于混合遗传算法的线性阵列子阵划分方法， 包括下列步骤： [0007]生成子阵划分种群步骤： [0008]基于种群的个 体数N和线性阵列的子阵划分数 K对种群表示矩阵X进行初始化； [0009]其中， 矩阵X为N ×K‑1维矩阵， 且矩阵X的元素Xnk用于表示在种 群中第n个个体第k 个子阵的阵元数， k＝1,2, …,K‑1， n＝1,2, …,N； 且任一元素的取值范围为[1,M]， M表示线 性阵列包括的阵元 数； [0010]计算最优子阵权值和个 体适应度步骤：说　明　书 1/5 页 3 CN 112926271 B 3