基于遗传算法的阵列天线赋形波束综合
韩荣苍,孙如英
(临沂师范学院 山东 临沂 276005)
摘要:在移动通信系统中,为了有效地进行频率复用,要求基站天线对周围蜂窝小区辐射尽可能低的电平,
而在本服务区内辐射尽可能高的电平。此时,蜂窝系统的效能显著地依赖于基站天线的辐射方向图形状。
如今,波束赋形技术已成为高性能基站天线设计的关键因素之一,他可以通过改变阵列的馈电方式来优化
俯仰面内的波瓣形状以达到某种要求。本文用遗传算法得到了 8 单元阵列天线的赋形波束。
关键词:频率复用,基站天线,小区,遗传算法
1 引 言
阵列天线的综合问题大多呈现多参数、不可微甚至不连续的特性,其方向图参数的最优化是一种非线性优
化问题。传统的最优化技术大多是基于梯度寻优或随机搜索方法。共轭梯度法收敛速度较快,但是要求目
标函数可微、连续,而且优化参数数目有限;随机搜索无需计算梯度,但是效率太低,而且容易陷入局部
极小值。而遗传算法只要求待解问题是可计算的,并无可微性等条件的限制,同时,该算法是一种基于概
率的随机化全局搜索技术,其搜索过程具有一定的方向性,能够有效克服未成熟收敛。
在移动通信系统中,为了有效地进行频率复用,要求基站天线对周围蜂窝小区辐射尽可能低的电平,而在
本服务区内辐射尽可能高的电平。此时,蜂窝系统的效能显著地依赖于基站天线的辐射方向图形状。如今,
波束赋形技术已成为高性能基站天线设计的关键因素之一,他可以通过改变阵列的馈电方式来优化俯仰面
内的波瓣形状以达到某种要求。本文用遗传算法得到了 8 单元阵列天线的赋形波束。
2 遗传算法
本节将对遗传算法作扼要的介绍,关于遗传算法的详细介绍可以参考文献[2-4]。基因是遗传算法最基本组
成部分。某一待优化的参数经过编码后构成的编码串就组成了一个基因,一系列这样的基因构成一个染色
体(个体),大量的染色体就可以构成一个群体。在计算过程中,对每一个染色体而言,都有一个适应度函
数与之对应,以此来衡量染色体的优劣。在算法的运算过程中,首先要随机生成一系列染色体,即生成初
始群体。通过适应度函数来评价初始化群体中的每一个体,根据他们相对适应度的大小判断个体的优劣,
优质的个体被保留,劣质的个体被淘汰,这就是选择过程。选择操作中幸存的任意两个个体作为父代将交
换他们的部分基因,即进行交叉操作,生成两个新个体。当交叉操作生成的新个体的数量等于被淘汰的个
体数量时,新一代群体产生。可见,经过一次进化操作后的个体总数保持不变。在交叉操作之后的变异操
作仅仅是对染色体的小幅度的随机改变,目的在于增加群体的多样性。遗传算法的具体运算过程见图 1。
对经过交叉、变异后得到的新一代群体中的个体再次进行适应度评价,如此循环。当算法运算到一定的代
数,或者输出的解满足某种要求时算法即会停止。
3 赋形波束综合
下面介绍两个数值算例。为确立优化目标,首先利用 Taylor 综合法得到最大副瓣电平 MSLL=-30 dB 时等
间距各向同性非均匀线阵的方向图(N=16,d=λ/2),如图 3 中虚线所示。根据 Taylor 综合的结果确定目标
函数:利用式(8)约束其主瓣宽度以便求得更低的副瓣电平。
在本例中 βn=0,仅对电流幅度进行优化,结果如图 3 中实线所示。比较图 3 中两种结果可以看出,在主瓣
基本没有展宽的条件下,遗传算法将 MSLL 压低了 3 dB 左右。
移动通信系统要求基站天线对周围蜂窝小区的辐射尽可能低,而在本服务区内获得尽量高的辐射能量,形
成尽量均匀的照射,并降低天线向上半空间辐射的能量。为满足上述要求,我们用下面的目标函数为基站
天线方向图赋形。
根据上式对等间距各向同性非均匀线阵(N=8,d=λ/2)用遗传算法计算得到的阵因子的归一化电流幅度和
相位如表 1 所示。基站天线单元形式采用半波对称天线,其方向图函数为:
阵列结构如图 4(a)所示。基于式(2)的天线方向图如图 4(b)所示,实线与虚线所描述的方向图分别表示遗传
算法和 Woodward 法综合得到的结果。图中两个方向图的主波束均指向地面。表 1 给出了用遗传算法得到
的各阵元的归一化电流幅度和相位。按照经典的天线理论,表 1 给出的幅度数据都是“马鞍形”的,也就是
说从中心单元向两边递减的数值应基本相同,Woodward 法就是如此。
但是,表 1 中的数据同样能够满足目标函数的要求,而且通过图示比较可以看出:在 Woodward 法得到的
方向图中更多的能量辐射到较远处,容易对周围小区构成干扰;遗传算法综合得到的方向图波束略向地面
倾斜,能量辐射更集中于地面,而且在有效辐射区的能量密度较前者要高一些。可见,用遗传算法得到的
阵因子方向图优于 Woodward 法的结果。
下面考察本文中遗传算法解的稳定性。为了考察这个问题,本文对表 1 给出的数据按照以下标准进行了微
调:
利用软件进行仿真得到的新的方向图如图 5 所示:实线是根据表 1 的数据得到的方向图,横虚线是根据
Amplitude 和 Phase(a)得到的方向图,点虚线是根据 Amplitude 和 Phase(b)得到的方向图。通过比较可以
得出:方向图的基本形状并没发生很大变化,在微调幅度较大的情况下,虽然方向图副瓣及谷点电平升高
了接近 4 dB,但形状仍然没有发生质的变化,而且谷点电平的抬高是工程上所期望的。
可见,遗传算法的解保持了很好的稳定性。值得指出的是,对遗传算法解的稳定性的探讨不但具有重要的
理论意义,而且也具有重要的工程实践意义。
4 结 语
本文用遗传算法对 8 单元基站天线的方向图赋形,采用了改进的适应度函数,调节该适应度函数中的可变
参数可使算法较快地收敛于最优解。在第一个数值算例中,通过经典阵列综合方法 Taylor 法与遗传算法的
比较,充分证明了遗传算法的有效性。在基站天线赋形波束的实例中,遗传算法得到的方向图优于
Woodward 法的结果。利用数值模拟充分验证了本文遗传算法的解的有效性、稳定性,对理论分析和工程
实践都具有重要意义。
本文摘自《现代电子技术》