近年來(lái)，將智能優(yōu)化算法比如遺傳算法,、粒子群算法等用于解決陣列方向圖綜合問(wèn)題,，已經(jīng)司空見慣。從最近幾年關(guān)于各種算法的改進(jìn)和討論來(lái)看,，主要包括對(duì)算法具體參數(shù)變量的調(diào)整[1-3],、混合各種算法的優(yōu)勢(shì)[4-7]這兩方面的改進(jìn)。
   主要目的都是為了彌補(bǔ)各種算法的不足,，發(fā)揮各種算法的優(yōu)勢(shì),，實(shí)現(xiàn)揚(yáng)長(zhǎng)避短的初衷。然而稍顯不足的是,，這些算法目前主要集中在解決陣列的二方向圖波束賦形,，例如筆形波束、平頂波束,、余割波束等,。實(shí)際上，共形陣方向圖綜合是一個(gè)三維優(yōu)化問(wèn)題,，僅僅用二剖面賦形結(jié)果代替實(shí)質(zhì)上的三維優(yōu)化,，難免與最終的實(shí)際情況有所差異。尤其是共形球面陣的波束成形問(wèn)題,，用二優(yōu)化算法顯然有些無(wú)能為力,，比如空間波束指向就是一個(gè)三維問(wèn)題。因此,，本文研究了一種共形球面陣天線的三維方向圖綜合算法,。
1 三維方向圖綜合算法  
    本算法由3個(gè)子算法組成：核心算法、陰影算法,、波束成形算法,。
　算法具體流程如下：
    (1)預(yù)處理階段。首先完成球面陣的建模,，在實(shí)際陣列前提下,，通過(guò)電磁仿真軟件提取各陣元的遠(yuǎn)場(chǎng)數(shù)據(jù)，或者得到實(shí)測(cè)數(shù)據(jù),。這種情況下的數(shù)據(jù),，考慮到了互耦以及載體的影響；
    (2)核心算法階段,。調(diào)入第一步得到的每個(gè)陣元的遠(yuǎn)場(chǎng)數(shù)據(jù),，并進(jìn)行處理,。進(jìn)入下一步；
    (3)陰影算法階段,。根據(jù)期望主波束指向,，計(jì)算陰影區(qū)域的具體陣元。進(jìn)入下一步,；
    (4)波束成形階段,。結(jié)合前兩步，得到實(shí)際工作陣元的遠(yuǎn)場(chǎng)數(shù)據(jù),，進(jìn)行方向圖加權(quán)處理,；
    (5)迭代階段。重復(fù)(2)~(4)步驟的過(guò)程,，達(dá)到目標(biāo)值或者迭代次數(shù)后算法終止,。
1.1 核心算法
    目前主流進(jìn)化算法有遺傳算法(GA),粒子群算法(PSO)等。GA雖具有全局搜索優(yōu)勢(shì),，但收斂慢,，原因在于GA存在編解碼過(guò)程，即便采用實(shí)數(shù)編碼的方式,，仍然需要解碼,。而PSO不需要編解碼的過(guò)程,，直接對(duì)變量?jī)?yōu)化,，并且PSO原理簡(jiǎn)單，實(shí)現(xiàn)容易,，參數(shù)少且收斂快,。因此，核心算法采用PSO為主體,，可以避免GA初期的編碼過(guò)程,。然而，PSO容易陷入局部最優(yōu),，因此在PSO基礎(chǔ)上,，引入GA的交叉變異機(jī)制，一旦算法判定粒子陷入局部最優(yōu),，則進(jìn)行交叉變異,，使其迅速擺脫束縛；變異之后,，再進(jìn)行二次插值,，使粒子進(jìn)一步突破，飛向全局最優(yōu)解,。
    為了進(jìn)一步提高收斂速度,，本算法提出了自適應(yīng)加速因子,。標(biāo)準(zhǔn)PSO的速度和位置更新公式如下：

    目前報(bào)道的大多數(shù)關(guān)于共形球面陣的文獻(xiàn)，均假設(shè)單元為理想點(diǎn)源,，并為簡(jiǎn)化,，忽略了陣元之間互耦的影響[8-10]。然而這與實(shí)際情況不符,，因此優(yōu)化得到的方向圖與理論結(jié)果有很大差異,。所以需要采用實(shí)際的陣元來(lái)進(jìn)行優(yōu)化，還要考慮互耦,。故在預(yù)處理階段,，提取了各陣元的遠(yuǎn)場(chǎng)仿真數(shù)據(jù)，采用方向圖疊加原理來(lái)處理共形陣的優(yōu)化問(wèn)題,，自然也考慮了互耦的影響[11],。
1.2 陰影算法
    以圖1所示的共形圓環(huán)陣為例來(lái)說(shuō)明陰影問(wèn)題，圓環(huán)上均勻分布10個(gè)陣元,，各陣元最大波束指向均為圓環(huán)徑向,，假設(shè)期望共形陣主波束指向角度為(θ,φ)，要求波束寬度為α,；對(duì)于陣元來(lái)說(shuō),，由于它們最大波束指向各不相同，在偏離陣元最大波束指向后,，各陣元在遠(yuǎn)區(qū)輻射場(chǎng)逐漸減小,，因此，在陣列主波束覆蓋范圍α內(nèi),，某些陣元實(shí)際上并沒(méi)有貢獻(xiàn),，反而在主波束以外區(qū)域增大了副瓣。換言之,，對(duì)于陣列主波束來(lái)說(shuō),，存在一個(gè)陰影區(qū)，在這個(gè)區(qū)域內(nèi)的陣元沒(méi)有起到有效作用,，則讓其停止工作,，不參與陣列主波束成形。因此,，陰影算法的作用就是確定不工作的陣元,。算法關(guān)鍵步驟如下：
　  

1.3 波束成形算法
    將工作陣元的方向圖數(shù)據(jù)分別進(jìn)行加權(quán)，再把所有加權(quán)后的陣元方向圖進(jìn)行疊加,，即可得到陣列總場(chǎng)方向圖,，然后評(píng)價(jià)目標(biāo)函數(shù)。
    目標(biāo)函數(shù)的選擇至關(guān)重要，特別是對(duì)于三維方向圖優(yōu)化而言,，約束參數(shù)較多,。本算法從兩個(gè)方面來(lái)構(gòu)造目標(biāo)函數(shù)，一個(gè)是主波束區(qū)域,，另一個(gè)就是干擾區(qū)域,。在主波束區(qū)域里，需要關(guān)注的是主波束3 dB波束寬度,，包括θ和φ兩個(gè)方向波束寬度,；而主波束指向?yàn)?θ,φ)，確定了指向和波束寬度之后,，就可以確定主波束區(qū)域的成形要求,。
　干擾區(qū)域包括兩部分，一個(gè)是在主波束以外區(qū)域的旁瓣,，另一個(gè)就是主波束區(qū)域的交叉極化分量,。為此，把遠(yuǎn)場(chǎng)方向圖數(shù)據(jù)矩陣作進(jìn)一步處理,，分成主極化分量矩陣和交叉極化分量矩陣(交叉極化采用Ludwig第三定義計(jì)算),。每次迭代中，分別對(duì)這兩個(gè)矩陣加權(quán),，然后根據(jù)方向圖疊加原理得到加權(quán)后的主極化方向圖矩陣Co-matrix和交叉極化方向圖矩陣Cross-matrix,。主波束區(qū)域的數(shù)據(jù)位于Co-matrix中；干擾區(qū)域的數(shù)據(jù)由兩部分組成,，一部分是Co-matrix中主波束區(qū)域以外的數(shù)據(jù),，另一部分是Cross-matrix中的所有數(shù)據(jù)。
    然后構(gòu)造目標(biāo)函數(shù),。假設(shè)目標(biāo)方向圖為Ed,，實(shí)際加權(quán)方向圖為Eo,，F(xiàn)表示目標(biāo)方向圖Ed的波動(dòng)大小,。因此主波束區(qū)域的目標(biāo)函數(shù)可以表示為：

2 共形球面陣三維方向圖波束形成
    共形球面陣模型如圖2所示。半球面上均勻分布了4層共37個(gè)圓極化天線單元,，每層單元按逆時(shí)針編號(hào),。假定指標(biāo)要求如下：主波束指向(θ,φ)為(15°,180°)，φ方向3 dB波束寬度為20°,，φ方向?yàn)?0°,旁瓣小于-15 dB,。優(yōu)化后的主波束方向圖如圖3所示，其中圖3(a)為俯仰面方向圖,，圖3(b)為方位面方向圖,；三維遠(yuǎn)場(chǎng)方向圖如圖4所示，圖4(a)為主極化遠(yuǎn)場(chǎng)方向圖,，圖4(b)為交叉極化遠(yuǎn)場(chǎng)方向圖,。表1為優(yōu)化后各陣元的幅相權(quán)值,。

    本文研究了一種共形球面陣天線的三維方向圖綜合算法，詳細(xì)說(shuō)明了該算法原理及關(guān)鍵步驟,，并將其運(yùn)用到共形球面陣的波束成形設(shè)計(jì)中,，取得了良好效果。該算法主要特點(diǎn)是:(1)在核心子算法方面,，以粒子群算法為基礎(chǔ),，吸收了主流優(yōu)化算法的優(yōu)勢(shì)，并采用自適應(yīng)因子和二次插值算子改進(jìn)性能,；(2)提出了陰影算法,，用于解決共形陣的單元選取問(wèn)題；(3)在波束成形方面,，分別構(gòu)造主波束區(qū)域和干擾區(qū)域的目標(biāo)函數(shù),，并且主極化和交叉極化方向圖分開優(yōu)化，更有利于研究和分析主極化分量和交叉極化分量對(duì)總場(chǎng)方向圖的影響,。仿真計(jì)算結(jié)果表明,，該算法可以解決共形球面陣天線的方向圖綜合問(wèn)題。
參考文獻(xiàn)
[1] NIKNAM T, GOLESTANE F,BAHMANIFIROUZI B. Modified adaptive PSO algorithm to solve dynamic economic dispatch[C]. Power Engineering and Automation Conference(PEAM), IEEE, 2011,1(1):108-111.
[2] MODIRI A, KIASALEH K, Efficient design of microstrip antennas for SDR applications using modified PSO algorithm[J].IEEE Transactions on Magnetics, 2011,47(5):1278-1281.
[3] KRISHNAMOORTHY H S, VADALI M K, SUPEDA P. A  novel, empirical equation-based shunt active filter for harmonic elimination and power factor correction, using a modified PSO algorithm[C].India Conference (INDICON), Annual IEEE, 2011,1(5):16-18.
[4] 胡瑞,丁香乾,張峰,等.基于混合遺傳算法的多約束集裝箱裝載問(wèn)題研究[J].電子技術(shù)應(yīng)用,2006,，32(2):24-26.
[5] Wu Junqiang, AIJIA O, Liu Libin. A self-adaptive hybrid algorithm of PSO and BFGS method[C]. International Conference on Industrial Control and Electronics Engineering(ICICEE), 2012, 1690: 23-25.
[6] GRIMACCIA F, MUSSETTA M, ZICH R E. Genetical swarm optimization:Self-adaptive hybrid evolutionary algorithm for electromagnetics[J]. IEEE Trans on Antennas Propag, 2007,55(3):781-785.
[7] BABAEE H, KHOSRAVI A. An improve PSO based hybrid Algorithms[C]. 2011 International Conference on Management and Service Science (MASS), 2011,1(5):12-14.
[8] Huang Zhiyong,BALANIS C A. Adaptive beamforming using spherical array[C].Antennas and Propagation Society International Symposium, 2005 IEEE, 2005,4A:126-129.
[9] 楊繼波,陳客松,胡進(jìn)峰,等.共形球面陣建模及其旁瓣控制的研究[J].電子技術(shù)應(yīng)用,2010,36(11):154-157.
[10] MANDRIC V,， RUPCIC S， ZAGAR D. Optimization of the spherical antenna arrays[J]. ELMAR, Proceedings,2012,287(292):12-14.
[11] 歐陽(yáng)駿.共形天線及陣列的分析和綜合研究[D]. 成都：電子科技大學(xué),，2008：131-140.