[發明專利]基于PSO-GA混合算法的方向調制信號綜合方法

有效

• 申請號: 201810912971.1
• 申請日: 2018-08-13
• 公開（公告）號: CN109039974B
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 王伶;劉峰;謝堅;陶明亮;粟嘉;張兆林
• 申請（專利權）人: 西北工業大學
• 主分類號: H04L27/20
• 分類號: H04L27/20;G06N3/00;G06N3/12
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 顧潮琪

1.一種基于PSO-GA混合算法的方向調制信號綜合方法，其特征在于包括下述步驟：

步驟一，在基于四元相控陣方向調制通信系統中，方向調制發射機發射的第i個QPSK符號到達遠場接收機的電矢量為其中，a_n表示天線陣元n的激勵幅度，φ表示遠場目標點相對天線陣x-軸的俯仰角，ψ_n(i)表示天線陣元n的激勵相位，θ是關于z軸的方向角，k＝2π/λ是電磁波傳播常數，λ是載波波長，目標接收機位于遠場，在幅度方面，近似處理R_n≈R₀，在相位方面，項的距離近似為R_n≈R₀-nd sinθ；假設所有陣元的幅度激勵都是相同的，而且歸一化為a₀＝a₁＝a₂＝a₃＝1，各個陣元的天線方向性函數用f_e(θ,φ)表示，則方向調制發射機在P點處的輻射合場強表示為

d表示均勻線陣中相鄰陣元之間的距離，又QPSK調制的星座點表示為為了維持期望方向θ_s上的星座圖，定義目標函數定義目標函數其中，θ_c是一個常數，取值為10°，step是步進，取值為0.01；

因此，多目標優化模型設計為為了對比算法性能，建立另一個多目標優化模型

步驟二，定義搜索區域為16維空間，每維空間的取值范圍為-180°到180°，搜索精度設為0.01°，采用16bit編碼，作為一條染色體；PSO采用全局優化模型x_id^k+1＝x_id^k+v_id^k+1，

v_id^k+1＝ω·v_id^k+c₁·rand₁()·(p_{best_id}^k-x_id^k)+c₂·rand₂()·(g_{best_id}^k-x_id^k)，其中，v_id是粒子i的速度，x_id是粒子i的位置，p_{best_id}^k是粒子i經歷過的最好位置，g_{best_id}^k是粒子i經歷過的全局最好位置；上標k表示第k次迭代，下標d表示第d維度；rand₁()和rand₂()是隨機變量，均勻分布于[0,1]；c₁和c₂是加速因子，取值為1.5；ω是慣性權重，取值范圍為0.4到0.9；

粒子群的規模K設為10000，最大迭代次數設為100；遺傳算法使用的種群大小和PSO的群體規模一致；

遺傳算法的選擇算子設計使用比例選擇和最優保存的混合策略，個體i被選中的概率為其中，F_i是個體i的適應度；

遺傳算法的交叉算子采用單點交叉，首先隨機產生一個交叉位置；然后兩條父染色體以交叉位置為界，互相交換交叉位置前段的染色體；過程中將交叉概率P_c設為0.8，P_c決定交叉操作實施與否；

遺傳算法的變異算子的產生首先隨機產生兩個變異位置；然后交換兩個變異位置上的值；過程中將變異概率設為P_m為0.05，P_m決定變異操作是否進行；

混合優化算法具體實現步驟如下：

(1)初始化各參數，根據問題的編碼規則，隨機生成N個個體，組成初始種群，將每個個體代入目標函數，得到對應的適應度；

(2)評價適應度函數，記錄粒子本身最優解p_{best_id}和種群目前最優解g_{best_id}；

(3)根據v_id^k+1＝ω·v_id^k+c₁·rand₁()·(p_{best_id}^k-x_id^k)+c₂·rand₂()·(g_{best_id}^k-x_id^k)更新粒子速度，根據x_id^k+1＝x_id^k+v_id^k+1更新粒子位置，到達最大迭代次數后，輸出初始優化種群；

(4)根據式選擇個體，按交叉概率P_c進行交叉操作，生成新個體；

(5)以變異概率P_m進行變異操作，產生新個體加入子代種群中；

(6)當滿足設定的迭代條件，則停止，輸出最佳個體作為最優化結果，否則，跳轉到步驟(4)；

步驟三，利用混合算法求解多目標函數，得到全局最優解。