Page 31 - 《应用声学》2024年第1期

第 43 卷 第 1 期 陈新华等： 基于遗传算法的不等间距阵优化方法 27

नݽ 进行优化分析。优化分析过程所需参数设置如表 1
所示。
ᆸࠀѺݽᄊመᏆ஝᧚N
为了进一步明确阵型优化过程参数对应关系，
ࠫសߕ̽˗ᄊඈ˔˔ʹᤉᛡ 表 2 给出了遗传算法模型与阵型优化问题的对应
ᤠऄएϙᄊᝠካ
关系。
ોིᤠऄएϙܸ࠵ᤉᛡଆऀ
表 1 遗传算法参数设置
Table 1 The parameters of genetic algorithm
ોલࠀഐဋ֗උΓ̰ʽʷ̽˗ᤥԩ
͖ሒ˔ʹᤉКʾʷ̽ᤉᛡ̔Ԣ᥌͜
参数 值
ழʷ̽˔ʹોིલࠀഐဋᤉᛡԫप 阵元个数 192
初始种群数量 100
ա ௧ա໘ᡜʼ˔ 遗传选择个数 0.05× 种群数量
ጼൣ౎͈˨ʷ
交叉算子 0.8
௧
变异算子 0.005
ᣥѣత͖ᝍ
ፇౌ 表 2 遗传算法模型与阵型优化对应关系
Table 2 The genetic algorithm modal vs
图 5 遗传算法流程图
optimization parameters
Fig. 5 Flow chart of genetic algorithm
遗传算法模型术语 优化问题 遗传算法模型术语 优化问题
2.2 阵型优化方法及过程 基因 阵元位置 染色体 阵元
个体 优化阵列 种群 多个阵列
由于遗传算法属于全局优化算法，从全域空间
出发，不断逼近最优解对应子空间，已成为适用于复 本文优化阵型的最终目标为：在对不等间距拖
杂非线性问题求解的成熟分析方法，相较于常用的 线阵拾取数据全频带处理基础上，解决高频信号
粒子群算法单向信息导引，遗传算法染色体之间能 处理存在的空间增益和无栅瓣兼容问题，因此对
够互相分享信息，便于种群能够更加稳定均匀地收 于适应性函数的设置采用频带交互下最大旁瓣级
敛到最优解，避免陷入局部最优 [11] 。因此为了解决 最小作为约束因子，同时设置最大和最小阵元位置
上述不等间距阵列高频信号处理存在的空间增益 实现固定阵列孔径不变，基于上述设想，适应性函
和无栅瓣兼容问题，本文接下来利用遗传算法对其 数 [12−15] 构造如下：


 w 1 PSLL(r 1 , r 2 , · · · , r 192 ) + [w 2 PSLL(r 1 , r 2 , · · · , r 192 )



Fitness = +w 3 PSLL(r 1 , r 2 , · · · , r 192 ) + w 4 PSLL(r 1 , r 2 , · · · , r 192 )], (7)




r 1 , r 2 , r 3 , · · · , r n > 0, r 1 = 0, r 192 = 222,
式 (7) 中，r 为阵元的位置，PSLL 为各子阵所得波 频信号处理中实现高空间增益且抑制栅瓣生成
束峰值旁瓣电平 (本文称之为最大旁瓣级)，PSLL 的效果。
值越小，拖线阵抑制干扰能力越强，该式中 PSLL 但该适应性函数所用阵元数过多，导致寻优
值越小，适应度越高。w i 为各子阵所得波束对应 收敛时间过长，受优化前阵型阵元复用抽取启发，
的权重系数，经过多次实验，本文设置 w 1 = 0.8， 对该适应性函数进行二次优化，除采用 192 阵元处
w 2 = w 3 = w 4 = 1，通过设置权重系数，使得适 理 1 ∼ 2 kHz 频带数据所得波束最大旁瓣级最小
应性函数在满足 192 阵元处理 1 ∼ 2 kHz 高频信号 外，其余阵元采用原阵列抽取后的排列形式，即
所得波束最大旁瓣级最小基础上，满足 192 全阵元 采用优化前阵型中各子阵数目处理 250 ∼ 500 Hz、
处理 250 ∼ 500 Hz、500 Hz ∼ 1 kHz、1 ∼ 2 kHz 500 Hz ∼ 1 kHz、1 ∼ 2 kHz频带数据得到相应旁瓣
频带数据所得波束最大旁瓣级最小，进而在高 级，优化后的适应性函数构造如下：