一種基于遺傳算法的mimo-sar面陣天線陣元位置優化方法
【技術領域】：
[0001] 本發明屬于雷達技術領域，它特別涉及了多輸入多輸出合成孔徑雷達 (M頂0-SAR)成像技術領域。
【背景技術】：
[0002] 隨著ΜΙΜΟ(multi-inputmulti-output)雷達的研究深入，人們提出了MIM0-SAR 的概念，即"將相參ΜΜ0雷達置于運動平臺之上，綜合利用全部收發組合的回波數據進行 相參成像，定義為Μ頂0-SAR"。它通過發射端多天線同時獨立發射多個不相關波形，接收端 多天線同時獨立接收場景回波，能夠等效出更多的觀測通道，從而減少實際天線陣元數目。 將ΜΜ0雷達技術應用于SAR系統，為解決常規SAR高分辨率與寬測繪帶之間的矛盾為高分 辨率成像提供了新途徑，因而受到廣泛重視。
[0003]為了更大程度地發揮MM0-SAR雷達的優勢，系統對發射和接收天線的布陣設 計提出了更高的要求，合理的陣列設計不僅能夠提高系統性能、降低硬件成本，還決定著 MHTO-SAR成像模式、處理方法等。常見的MMO-SAR陣列可以分為：方位向一維線陣、距離 向一維線陣、高度向一維線陣及混合陣四種類型。MM0-SAR天線一維線陣優化及天線綜合 理論已經獲得了廣泛而深入的研究，但這種MMO-SAR-維線陣天線在很多實際場合中都 存在局限性，重要的是，當雷達布設在高速運動的飛行器上時，這種線陣式的MM0-SAR必 須經歷一個合成孔徑時間才能獲得目標高精度的三維雷達圖像，這就勢必降低了成像系統 的實時性，然而，二維平面陣天線的MMO-SAR由于在沿航跡方向（沿飛行器飛行方向）和 切航跡方向（垂直飛行器飛行方向）均布設天線陣元，滿足三維雷達成像所必須的平面陣 元，在更短的時間（不到一個合成孔徑時間甚至幾個脈沖重復時間）內，就可以獲得高分辨 率的雷達圖像，這相比線陣式的天線，面陣天線MMO-SAR雷達可以在更短的時間內獲得目 標高精度的三維雷達圖像，提高了成像的實時性。因此，研究MHTO-SAR二維平面陣的布陣 方式成為陣列構型設計的新課題。
[0004]相較于Μ頂0雷達的面陣優化，Μ頂ο-SAR的面陣優化存在自身的特殊性，多發多 收的合成孔徑雷達由于雷達平臺處于運動之中，存在運動誤差和平臺抖動等問題，在優化 過程中可以采用等效陣元的方式處理；為了保證雷達成像的分辨率，優化的陣列要確保更 窄的主瓣寬度和更大的等效陣元長度。Μηω-SAR陣列發射正交信號，發射陣元方向圖和接 收陣元方向圖在系統接收端同時生成，使得采用優化方法可以聯合優化發射陣列和接收陣 列；同時，利用天線相位中心近似原理（PCA)可將實際收發陣元等效為收發共用的等效陣 元，降低優化模型建立難度。通過改變天線發射陣元和接收陣元在陣列中的位置，盡可能抑 制等效收發天線方向圖的旁瓣水平和降低主瓣寬度，達到優化陣列的目的；在優化方法的 選擇上，遺傳算法非常適用于非線性的優化問題，所以用于解決稀疏的一維線陣優化布陣 問題已進行過不少的研究，然而遺傳算法可能會產生種群單調及早熟收斂，使得優化問題 無法達到最優解。本發明提出一種變異率和交叉率可調的遺傳算法，優化得到同時達到低 旁瓣和窄主瓣要求的MMO-SAR平面陣列。
【發明內容】
：
[0005] 本發明提供了一種基于遺傳算法的MM0-SAR面陣天線陣元位置優化方法，它是 基于天線相位中心近似原理建立了一種陣列方向圖的優化模型，以平面陣列方向圖的最小 峰值旁瓣比和最小主瓣寬度為優化目標，在遺傳算法的編碼過程中，將陣列布陣區域網格 化，在網格點上選取陣元位置，保證了陣元的最小間隔，并在布陣區域的四個端點處布設兩 個發射陣元和兩個接收陣元，保證了陣列的最大長度，然后在遺傳算法的變異交叉過程中， 依據適應度函數的值對變異率和交叉率進行動態調整，抑制了遺傳算法的早熟，從而得到 了最優的陣元位置；同時，采用這種陣元最小間距約束的平面陣形式，需要的陣元數目大大 減少，從而有效地降低了天線系統的成本與計算量，更適合工程設計的需要，為MM0-SAR 三維成像及目標檢測與識別提供方便。
[0006] 為了方便描述本發明的內容，首先作以下術語定義：
[0007] 定義1、多輸入多輸出合成孔徑雷達（M頂0-SAR)
[0008] 多輸入多輸出合成孔徑雷達是將相參Μ頂0雷達置于運動平臺上，綜合利用全部 收發組合的回波數據進行相參成像的一種新型合成孔徑雷達系統。詳細內容可參考文獻： "多輸入多輸出合成孔徑雷達關鍵技術研究"，王力寶，國防科學技術大學博士論文。
[0009] 定義2、陣列天線方向圖
[0010] 利用空域濾波器對陣列天線的接收信號進行處理，使某些期望方向的信號通過濾 波器，而抑制另一些方向的信號，陣列天線方向圖定義為空域濾波器的輸出信號與輸入信 號的幅度之比，它描述了空域濾波器對空間不同方向信號的響應。詳細內容可參考文獻： "現代數字信號處理及其應用"，何子述等著，清華大學出版社。
[0011] 定義3、峰值旁瓣比（PSLR)
[0012] 峰值旁瓣比定義為陣列天線方向圖主瓣的最大值與主瓣之外指定范圍內的最強 旁瓣之比。
[0013] 定義4、主瓣寬度（IRW)
[0014] 主瓣寬度定義為天線方向圖主瓣下降3dB處的寬度，即信號功率降低一半的方向 角位置。
[0015] 定義5、等效相位中心原理（PCA)
[0016] 在遠場近似條件下，一對發射和接收分置的天線陣元，可以由位于它們中心位 置的一個收發共用的相位中心等效，其原理如圖1所示；其中，LTR為接收陣元和發射 陣元之間的間距，r為發射陣元和接收陣元的中間位置到散射點的距離，在遠場條件下 (Ζ^/4γ<<λ<λ表示發射波波長）可認為波前是平面波，由中位線定理可得D= 2d，剛 好滿足發射陣元與接收陣元的距離史之和等于等效陣元的雙程距離史，因此這一對發射和 接收分置的陣元可以由位于它們中心位置的一個收發共用的相位中心來替代。對于機載的 Μ頂0-SAR系統而言，陣列天線滿足遠場條件，可用PCA原理將實際的Μ個發射陣元Ν個接收 陣元等效為Μ*Ν個收發共用的等效陣元。
[0017] 定義6、傳統遺傳算法選擇操作
[0018] 選擇操作是指在群體中選擇生命力強的個體產生新的群體的過程，遺傳算法使用 選擇算子來對群體的個體進行優勝劣汰操作：根據每個個體的適應度值大小選擇，適應度 較高的個體被遺傳到下一代群體中的概率較大，適應度較低的個體被遺傳到下一代中的概 率較小，這樣就可以使得群體中個體的適應度值不斷接近最優解；在選擇算子上，本發明采 用的是輪盤賭選擇方法，即每個個體進入下一代的概率就等于它的適應度值與整個種群中 個體適應度值和的比例，適應度值越高，被選中作為下一代個體的可能性就越大。選擇操作 的具體執行過程可參考文獻："MATLAB遺傳算法工具箱及應用"，雷英杰等編著，西安電子 科技大學出版社。
[0019] 定義7、傳統遺傳算法交叉操作
[0020] 交叉又稱重組，是按較大的概率從群體中隨機選擇兩個相互配對的個體，按某種 方式交換其部分基因，從形成兩個新的個體。具體執行過程可參考文獻："MATLAB遺傳算法 工具箱及應用"，雷英杰等編著，西安電子科技大學出版社。
[0021] 定義8、傳統遺傳算法變異操作
[0022] 變異操作首先在群體中隨機選擇一個個體，對于選中的個體以一定的概率隨機改 變串結構的數據中某個串的值，即對群體中的每一個個體，以某一概率（稱為變異概率）改 變某一個或某一些基因座上的值為其他的等位基因；同生物界一樣，遺傳算法中變異發生 的概率很低，變異為新個體的產生提供了機會；變異操作能夠改善遺傳算法的局部搜索能 力和維持群體的多樣性。變異操作的具體執行過程可參考文獻："MATLAB遺傳算法工具箱 及應用"，雷英杰等編著，西安電子科技大學出版社。
[0023] 定義9、適應度函數
[0024] 適應度函數是指根據最優化問題中的目標函數確定的用于區分群體中個體好壞 的標準。
[0025] 定義10代溝率
[0026] 在遺傳算法中，一個新的種群通過對舊種群的個體進行選擇和重組產生，如果新 種群的個體數少于原始種群的大小，新種群和舊種群大小的差異被稱為代溝，而差異的大 小則稱為代溝率。
[0027] 定義11、傳統遺傳算法重插入操作
[0028] 子代種群與父代種群之間的代溝使子代種群的個體數數目少于父代種群，重插入 操作采用基于適應度的選擇方法，即子代種群中適應度越大的個體被選中的概率越大，當 選擇出的個體數目與父代種群的個體數目相等時，操作結束。
[0029] 定義12、隨機重新排列
[0030] 對η個數一字排列好的原序列，依次以等概率不放回的方式從中隨機取一個數， 每次取出的數從左往右有序地排列，當η個數都取出并重排后，得到的新序列就是對原序 列的隨機重新排列。
[0031] 本發明提供了一種基于遺傳算法的MIM0-SAR面陣天線陣元位置優化方法，它包 括下以步驟：
[0032] 步驟1、Μ頂0-SAR面陣參數初始化：
[0033] 初始化MMO-SAR面陣參數包括：雷達發射信號的載波波長，記做λ;電磁波在空 氣中的傳播速度，記做C;陣元間的最小間隔，其取值必須滿足不小于雷達發射信號的半波 長，記做dc;發射陣元數目，記做ΤΝ;接收陣元數目，記做RN;總陣元數目，即發射陣元數目 與接收陣元數目的和，記做SN;目標散射點的俯仰角，記為Θ。;目標散射點的方位角，記為 %;根據多輸入多輸出合成孔徑雷達成像系統方案，MHTO-SAR面陣的初始化參數均為已知。
[0034] 步驟2、遺傳算法參數初始化：
[0035] 初始化遺傳算法參數包括：陣列群的個體數目，記做Ρ;單個個體的編碼長度，記 做V，V= 2*SN;子代與父代的代溝率，一般其值設置為接近1，記做GP;相鄰代間總適應度 函數差的門限值，記為σ，其取值越小，則要求的優化精度越高；根據遺傳算法的原理，上 述初始化參數均為已知；其中，SN為步驟1中定義的總陣元數目。
[0036] 步驟3、設置陣元的可布陣區域：