[發明專利]一種相控陣聲納系統換能器稀疏面陣優化方法

有效

• 申請號: 201310505409.4
• 申請日: 2013-10-24
• 公開（公告）號: CN103675799A
• 公開（公告）日: 2014-03-26
• 發明（設計）人: 陳學東;何學明;羅欣;羅再磊;朱連利;丁基恒;趙賀彩;趙樹培
• 申請（專利權）人: 華中科技大學;公安海警學院
• 主分類號: G01S7/527
• 分類號: G01S7/527;G01S15/89
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 曹葆青

1.一種相控陣聲納系統換能器稀疏面陣優化方法，其特征在于，包括如下步驟：

(1)初始化步驟：

初始化換能器稀疏面陣中的換能器權重系數矩陣W、退火初始溫度T、退火系數k_t、滅活概率Pi、激活概率Pa、最大迭代次數maxGen；所述換能器權重系數矩陣W是三維矩陣，包含Pz個M×N的個體矩陣W_i；其中Pz表示預先設定的班級種群規模，M和N表示換能器稀疏面陣兩軸線方向的換能器數目，i代表班級種群個體序號i=1，2，……Pz；

定義與第i個個體矩陣W_i相對應的系統能量函數E(W_i)，

E(Wi)=Nai2+k1[∫∫(u,v)∈S(P(Wi,u,v)max(P(Wi,u,v))-Pd)2]+k2sign(M-Md)+12·(M-Md)2;]]>

P(Wi,u,v)=|Σi=1MΣj=1Nwijexp(jπ((i-M+12)u+(j-N+12)v))|;]]>

其中，N_ai表示W_i中激活的換能器數目，P_d表示最大旁瓣峰值閾值，M_d表示最大主波束寬度閾值，k₁表示最大旁瓣峰值的懲罰系數，k₂表示最大主波束寬度的懲罰系數；P(W_i，u，v)表示換能器稀疏陣列的遠場空間響應，u，v分別表示波束方向單位矢量在x軸和y軸的分量；S表示旁瓣聲壓值大于最大旁瓣峰值閾值P_d的集合；

令迭代次數gen的初始值為1；

(2)模擬退火優化步驟：

(2.1)從換能器權重系數矩陣W中隨機選擇一個個體矩陣W_i；

(2.2)從W_i中隨機選擇任一個換能器權重系數w_mn，判斷w_mn是否等于0，若是，則以激活概率Pa啟動激活流程；否則，以滅活概率Pi啟動滅活流程；

(2.3)按照步驟(2.2)的方法，遍歷W_i中的所有換能器權重系數，完成第i個個體矩陣W_i的模擬退火優化；

(2.4)按照步驟(2.2)～(2.3)的方法，遍歷換能器權重系數矩陣W中所有的個體矩陣W_i，完成Pz個個體矩陣W_i的模擬退火優化；

(3)教與學優化步驟：

(3.1)計算班級種群中所有個體矩陣W_i的能量值E(W_i)，并選擇其中能量值最低的個體矩陣作為教師矩陣W_t，其余個體矩陣均作為學生矩陣W_s；

(3.2)進行教師自學，具體包括：

(3.2.1)令W_tn=W_t+0.1*rand(M,N)，其中rand(M,N)表示一個由M×N個0到1的隨機數組成的二維矩陣；計算與W_tn對應的矩陣能量值E_tn，若E_tn小于W_t對應的能量值E_t，則令W_t=W_tn；否則，不做處理；

(3.2.2)重復步驟(3.2.1)Pz-1次；

(3.3)進行教師教學，具體包括：

(3.3.1)隨機選擇一個學生矩陣W_s，

令Wsn=Ws+rand*(Wt-Tf*Ws‾),]]>其中，Ws‾=1PzΣi=1PzWi,]]>W_sn表示學習之后的個體矩陣，T_f表示教學系數；

計算與W_sn對應的矩陣能量值E_sn，若E_sn小于W_s對應的能量值E_s，則令W_s=W_sn；否則，不做處理；

(3.3.2)按照步驟(3.3.1)的方法遍歷所有學生矩陣，完成所有學生矩陣向教師矩陣W_t的學習；

(3.4)進行學生互相學習，具體包括：

(3.4.1)隨機選擇兩個學生矩陣W_si和W_sj，計算W_si和W_sj所對應的能量值分別為E_si和E_sj；

若E_si<E_sj，則W_sj向W_si學習，即令W_nsj=W_sj+rand*(W_si-W_sj)；

否則，學生矩陣W_si向W_sj學習，即令W_nsi=W_si+rand*(W_sj-W_si)；

(3.4.2)若W_nsi對應的矩陣能量值E_nsi小于E_si，則令W_si=W_nsi；否則，不做處理；

若W_nsj對應的矩陣能量值E_nsj小于E_sj，則令W_sj=W_nsj；否則，不做處理：

(3.4.3)重復執行步驟(3.4.1)～(3.4.2)Pz次，使多個班級個體之間互相學習；

(3.5)計算經過教與學優化之后的班級種群中所有個體的能量值E(W_i)，并得到班級種群中的最優個體能量值min(E(W_i))；

(4)終止步驟：

如果系統的最小能量值min(E(W_i))小于預定值E_objv，而且連續g次迭代中能量值最小的個體中激活換能器數目N_ai不發生變化時，優化過程終止；或者當前迭代次數達到最大迭代次數時，優化過程終止；其中，g為預先設定的收斂次數；

否則，令gen=gen+1，T=T*k_t，返回步驟(2)進行模擬退火優化。