基于改进遗传算法的三维成像声纳接收平面阵阵元稀疏优化方法

摘要

本发明公开了一种基于改进遗传算法的三维成像声纳接收平面阵阵元稀疏优化方法包括下述步骤：1）将所述的问题转化为染色体串，将三维成像声纳的平面阵阵元位置的开启情况进行编码；2）初始种群确定；3）三维成像声纳阵元稀疏的适应度函数确定；4）选择确定；5）交叉确定；6）变异确定。本发明提出的阵元稀疏优化方法实现了在满足波束方向图的最大旁瓣值和阵元稀疏率的情况下需要开启的最少阵元数目。

主权项

一种基于改进遗传算法的三维成像声纳接收平面阵阵元稀疏优化方法，其特征在于：所述方法包括下述步骤：1）将所述的问题转化为染色体串，即将三维成像声纳的平面阵阵元位置的开启情况进行编码，若开启阵元，则对该阵元对应的位置进行置1，否则置0，此时通过进行生成阵元个体开启情况；2）初始种群确定：对阵元数为维的矩形面阵进行阵元稀疏布阵，获得阵元位置个数为，其中每个个体表示为行向量，该向量中的每个元素值非0即1，表示该平面阵中的阵元位置处是否有无阵元，此时随机生成初始父代，并确定初始父代种群的数目，假设种群数目为，初始父代的种群可以通过MATLAB的rand和round函数实现，，其中，rand为0到1的随机数，round是取整函数；3）三维成像声纳阵元稀疏的适应度函数确定：所述三维成像声纳阵元稀疏的适应度函数表达式为：（1）其中表示最大旁瓣峰值的期望值，为波束输出能量值，和分别为波束方向矢量值，对一个固定大小的平面阵来说，为一个常数，满足以下两个条件的集合：（2）其中，表示接收平面阵的阵列边长，且主瓣波束方向图的能量不在该集合范围内，为阵元稀疏率，为加权因子，表示稀疏率与波束方向图的最大旁瓣峰值相比在优化目标函数中的重要程度；4）选择确定：假设群体的目标平均适应度值为，个体的适应度值为，若则需保留当前个体；否则，需用rand产生一个0到1之间的随机数，记为，若则将当前的个体保留下来，否则剔除该个体；比较该个体对应的适应度值与当前找到的所有最好个体对应的适应值，两者中适应度值较大的对应的个体作为新的最好的个体；5）交叉确定：当上述步骤1）中所述的适应度函数中的稀疏率为一随机值时，可以采用均匀交叉法，即随机生成一个的行向量，且该向量由0和1组成，1所在的位置表示两个父代样本需要基因交换的位置，而0的位置是保持两个父代样本不变的位置；当上述步骤1）中所述的适应度函数中的稀疏率为一固定值时，首先在父代中选择两个个体进行交叉，交叉运算如下：（3）其中，和表示两个交叉体的个体，为两个交叉个体的交叉参数，通过对上述计算得到的新的个体中含有1的个数为，则在新的个体中随机选取个数值等于的向上取整的数值，同样的选择个数值等于的向上取整的数值，余下的则为或者个向下取整的整数，这样就保证了新得到的个体中1的个数为，同理，对进行处理，其中，表示稀疏平面阵中阵元的个数；接着对个体、、、分别按照适应度函数进行求解，选取其中适应度函数值较大的两个个体，将其作为交叉后的新个体进行输出，即为本次交叉获得子代个体；6）变异确定：变异过程即为个体中出现基因突变的元素，所述的突变过程即由0变1或由1变0 的过程，也即是开启还是关闭阵元；为了避免遗传算法出现早熟现象，加快收敛速度，本发明采用自适应小波变换对上述步骤5）中得到的个体进行变异操作得到新的个体，采用自适应小波变换的变异运算如下：（4）其中，为新的子代个体，为旧的子代个体，为第次迭代之后适应度值，为适应度值中最坏值，的表达式遵循Morlet变换表达式：（5）其中，较大的产生的变异较大，较小的产生较小的变化，另外，当为正时，此时会产生较好的适应度值，负的会使适应度值向坏的方向发展，这样就会使得收敛速度加快：（6）（7）（8）其中，为当前迭代次数，为预设的最大迭代次数，和是预设的最小值和最大值，的选取影响收敛的结果，是一个随迭代次数不断增大，刚开始，的值很小使得的值足够大以产生较大的搜索空间，当的值很大时，这样会得到很小的，从而使得搜索空间变小，提高了算法的性能。