(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 202110440766.1 (22)申请日 2021.04.23 (65)同一申请的已公布的文献号 申请公布号 CN 113158568 A (43)申请公布日 2021.07.23 (73)专利权人 电子科技大 学 地址 611731 四川省成 都市高新西区西源 大道2006号 专利权人 宜宾电子科技大 学研究院 (72)发明人 甘露　潘延　徐政五　廖红舒　 (74)专利代理 机构 成都点睛专利代理事务所 (普通合伙) 51232 专利代理师 孙一峰 (51)Int.Cl. G06F 30/27(2020.01)G06N 3/12(2006.01) G06F 111/06(2020.01) (56)对比文件 CN 10971 1046 A,2019.0 5.03 CN 110389595 A,2019.10.2 9 CN 105512754 A,2016.04.20 CN 10949 2872 A,2019.0 3.19 US 20202859 97 A1,2020.09.10 CN 112115597 A,2020.12.2 2 CN 111160556 A,2020.0 5.15 谷立.大型稀疏阵列天线综合与共口径阵列 天线设计 研究. 《中国优秀博士学位 论文全文数 据库》 .2020,(第04期), 审查员 祝丽业 (54)发明名称 一种近场稀疏阵设计方法 (57)摘要 本发明属于阵列天线设计技术领域， 涉及一 种近场稀 疏阵设计方法。 本发明首先根据给定初 始均布阵列， 并计算好能够实现近场聚焦波束的 权向量， 将其作为稀疏阵列的基础。 在计算中过 程中先采用传统遗传算法进行阵列设计， 当遗传 算法进行到一定次数后， 在每轮遗传算法结束前 进行概率学习算法迭代， 若在一定学习次数内产 生适应度更高的解， 则将当前遗传算法中最优解 替换为该解并保留。 本发明相对于传统遗传算法 和贪婪搜索算法， 在时间复杂度和设计性能上做 到较好的兼顾， 且具有一定的灵活性。 本发明对 于实际工程中的小型阵列能够进行高性能的全 局搜索， 找到更优的可 行解。 权利要求书1页 说明书4页 附图4页 CN 113158568 B 2022.12.02 CN 113158568 B 1.一种近场稀疏阵设计方法， 其特 征在于， 包括以下步骤： S1、 假设初始近场阵列天线为M ×M维均布面 阵， 同时已知能够实现近场聚焦波束 的权 向量w0， 则阵列对三维空间中某一 点r*＝(x*,y*,z*)辐射的能量 为： 其中a*表示点r*对应的导向矢量； S2、 采用遗传算法进行阵列设计， 首先生成随机种群， 并按照设置的概率进行选择、 交 叉和变异操作， 最终将适应度较高的解保留； 适应度函数描述 为： 其中ΩSide表示旁瓣区域的波束， 每次都将最佳解对应的阵元状态进行记录， 形成概率 模型； S3、 当遗传算法迭代次数达到30次后， 在每轮遗传算法结束前进行概率学习方法迭代， 若在20次概率学习迭代中产生适应度大于遗传算法得到的解， 则将当前遗传算法中最优解 替换为概率学习得到的解并保留， 反之回到步骤S2， 直至达到遗传算法迭代次数的上限， 得 到的最佳阵列分布 记为el， 则权向量更新 为： 其中， el为一个单位向量， 其中的元素只有0和1， 符号 表示哈达玛积， 代表向量对应位 置的元素相乘； 根据w△完成基于 遗传算法的稀疏阵列设计。权　利　要　求　书 1/1 页 2 CN 113158568 B 2一种近场稀 疏阵设计方 法 技术领域 [0001]本发明属于阵列天线设计技 术领域， 涉及一种近场稀疏阵设计方法。 背景技术 [0002]随着阵列天线技术的发展， 在远场天线阵列研究日趋成熟的背景下， 近场天线阵 列成为了当下逐渐火热 的话题。 近场 天线阵列目前已经广泛运用于麦克风阵列、 无线充电 技术、 射频识别技术、 声纳、 雷达等领域， 涉及民用、 商用甚至是军用场景。 在很多研究中， 通 常使用阵元间距为半波长的均匀阵列作为基础模型进行研究， 此时的阵列称为标准阵列。 在标准阵列里， 阵列的波束图有较好的聚焦效果， 且由于阵列中阵元数较多， 对于能量的控 制也更灵活。 为了降低资源的开销， 通常会对标准阵列中的部 分阵元进 行删减。 在 稀疏阵设 计过程中， 由于阵元数量减少， 不可避免地会带来性能损失， 如何在尽可能确保性能损失最 少的情况下进行稀疏阵设计成为一个研究热点。 当前研究较多的方法有两种： 常规的遗传 算法和贪婪搜索算法。 [0003]使用常规遗传算法进行 阵列设计时， 只需要将阵列 中阵元位置采用二进制编码， 并采用遗传算法中的选择、 交叉、 变异 算子进行相应的遗传操作， 便可以实现基于 常规遗传 算法的稀疏阵设计。 但常规遗传算法的初始种群通常随机生成， 有较大的不确定性， 其次在 遗传过程中， 常规的遗传算法搜索空间有限， 通常在前几次遗传迭代中便获得适应度相对 较高的解， 之后便 很难进步。 [0004]贪婪搜索算法则是一种基于贪心思想的搜索算法， 在每一次搜索中对阵列 全局进 行搜索， 对于搜索空间中的每一个解考虑其性能和代价， 选择性能最好代价最低的当前局 部解， 用每一次搜索步骤获得的局部最优组合形成最 终的全局最优， 并生成相应的解。 该算 法搜索空间相比遗传算法而言足够大， 但由于每次搜索中需要对整个解空间进行遍历， 其 时间复杂度较高， 对于实时性较强的系统不利， 尤其是用于阵元数量较大的阵列时， 其对阵 列的调整是滞后的。 [0005]上述稀疏 阵列设计方法虽然在一定程度上能够解决近场波束形成中阵列需要进 行精简的问题， 但是两类方法各自存在一些欠缺， 在性能和时间复杂度上难以实现较好的 平衡。 当阵列设计中需要较高的波束性能时， 为了保证足够大的搜索空间， 对应的算法时间 复杂度往往较大； 为了运行在实时系统中， 需要采用时间复杂度较低的方案， 此时算法对搜 索空间的覆盖不 足， 可能会 带来性能的下降， 影响最 终的阵列对应波束效果。 因此需要一种 在性能和时间开销上较为平衡的稀疏阵列设计算法。 发明内容 [0006]本发明提供了一种基于使用概率学习方法改进遗传算法的近场稀疏 阵列设计方 法， 在常规遗传算法设计的步骤中记录阵列状态， 并建立概率模型。 当进 行到足够次数的遗 传算法迭代后， 在后续的遗传迭代中引入概率学习循环， 扩大搜索空间， 提高产生解集的多 样性。 相较于上述常规遗传算法和进行全局搜索的贪婪搜索算法， 本发明能够有效扩大搜说　明　书 1/4 页 3 CN 113158568 B 3