一種基于HFSS結合遺傳算法進行陣列天線方向圖優化的研究

周鵬 秦三團

摘 要： 提出一種新的對陣列天線方向圖進行優化的方法，即借助Ansoft HFSS軟件進行單元天線陣仿真，提取出各單元單獨饋電的電流數據或遠場數據，利用遺傳算法對提取出的電流數據實施優化，得出滿足方向圖要求的單元電流值和相位值。結果表明，基于HFSS建模的靈活性，該方法可方便進行任意特性天線陣列的方向圖綜合，優化時對提取出的數據只需進行簡單的遠場外推或疊加，因而具有極快的計算速度。區別于傳統的單獨用遺傳算法進行優化的方法，該方法將工程軟件Ansoft HFSS 和遺傳算法相結合，有效地提高了天線陣綜合時的計算精度和目標函數的計算效率，進而有效提高了方向圖的優化效率。

關鍵詞： 單元電流值； 電流相位值； 方向圖； 遺傳算法； 天線陣列

中圖分類號： TN820.1+2?34 文獻標識碼： A 文章編號： 1004?373X（2016）09?0075?03

Abstract： A new method to optimize the array antenna directional pattern is proposed， in which the cell antenna array is simulated with Ansoft HFSS software to extract the current data or far?field data of each exclusive feed cell， and then the genetic algorithm （GA） is used to optimize the extracted current data to obtain the cell current value and phase value satisfying the requirement of directional pattern. The method can conveniently synthesize the antenna array directional pattern with arbitrary characteristics due to the flexible HFSS modeling， and only a simple far?field extrapolation or superposition for the extracted data is needed while optimizing， so it has fast calculation speed. Different from the traditional optimization method using GA only， the method combining engineering software Ansoft HFSS with GA can effectively improve the computational accuracy of the antenna array synthesis， computational efficiency of the objective function， and the optimization efficiency of the directional pattern.

Keywords： cell current value； current phase value； directional pattern； genetic algorithm； antenna array

0 引 言

天線陣方向圖[1]綜合（優化）對天線陣應用尤為重要，根據實際問題的需要，常常采用三種綜合手段：單元相對位置、單元饋電幅度、單元饋電相位同時改變；單元相對位置不變，只改變各單元幅度和相位；單元間距和幅度均不變，只改變單元相位。在大型天線陣中，則更多地采用后兩種方法綜合方向圖。本文研究后兩種情況。

遺傳算法作為一種全局優化方法，可以拋開待優化目標函數的具體特性，利用遺傳學的思想進行全局隨機搜索從而找到最優值。由于天線陣優化等電磁問題的目標函數具有形態復雜、多峰值的特點，故比較適合用遺傳算法進行優化。

用遺傳算法進行天線陣綜合主要有兩種方法：第一種方法是將單元看作理想偶極子，遠場用解析式表達，其優點為優化速度極快，但實際問題中的單元都遠非理想偶極子，且陣列中往往帶有其他不可忽略的電結構（如反射板等）以致該方法無法保證精度；第二種方法（如矩量法等）計算目標函數，用遺傳算法進行優化綜合，這種方法有更高的計算精度，但數值方法計算目標函數效率較低，并且對實際應用中電結構極其復雜的天線陣，建模也是一個極大的困難。

本文提出一種新的天線陣方向圖優化的方法：先用HFSS進行單元天線陣仿真，提取出各單元單獨饋電時的電流或遠場，然后用遺傳算法進行優化處理，得出滿足方向圖需要的單元電流和相位，方法的精確度完全取決于HFSS模擬的精確度，利用HFSS建模的靈活性，能很方便地進行任意特性天線陣列的方向圖綜合，并且提取出數據后只需進行簡單的遠場外推或遠場疊加，計算速度極快。

1 原理及實現方法

1.1 饋源的線性疊加原理與HFSS數據的提取

1.2 遺傳算法的實現

遺傳算法[2]的優點是全局搜索能力很強，缺點是局部搜索能力較弱，且遺傳算法在進行種群選擇操作時容易導致早熟或收斂過慢等現象。根據具體問題的特性，出現了大量遺傳算法的改進方法，這些方法主要在兩個方面改進：第一，對遺傳算法本身進行改進——對算法中的選擇、交叉、變異等算子進行改進，以提高全局搜索能力；第二，將遺傳算法與其他局部搜索方法相結合，構成混合遺傳算法。本文采用混合遺傳算法，其主要思想為先用遺傳算法找到全局最優點附近的解，然后用其他局部搜索方法找到局部最優點。常見的局部搜索方法有模擬退火算法、單純型法、局部爬山法等，局部搜索算子采用兩步：第一步局部爬山法，方法為在遺傳算法中找到一個最優點后，以這個點為初始點，再用爬山法找到一個局部最優點。第二步局部拉網搜索。局部拉網搜索的主要思想為：設一共有[N]個待優化變量，先固定第2個至第[N]個變量的值，只變化第一個變量，找到最大值，然后在此基礎上，只變化第2個變量的值，找到最大值，如此重復[N]次，直到最優值不再變化。局部拉網搜索的初始點為爬山法所找到的最優值。局部拉網搜索法使用時要注意每個變量的分段數（分段數越多，精度越高）不能過大，否則遍歷一次會耗時過多。

遺傳算法計算效率的關鍵在于選擇算子的確定。傳統的選擇算子采用隨機輪盤賭方式：每個品種被選中的概率和該品種的適應度值成線性關系，由于天線方向圖優化問題中目標函數具有多峰值性和振蕩性的特點，這種輪盤賭選擇方法很容易導致早熟和收斂過慢的問題，基于此，本文采用了另一種選擇算子——隨機聯賽選擇算子，方法為每次從樣本群中任意抽出兩個，評價目標函數挑出更優者進入下一代，然后重復[N]次（[N]為種群規模）。這種方法能有效地避免早熟和收斂過慢的問題，對各種問題具有良好的適應性。其他的算子采用傳統的單點交叉算子和一致性變異算子，并應用了精英保存策略。

1.3 目標函數的計算

目標函數計算時，先由遺傳算法給出一組幅度相位結合HFSS提取出的數據，計算出遠場方向圖。天線陣方向圖[3]優化問題一般有兩種：給定方向圖的指標，優化出符合方向圖指標的幅度相位；給定方向圖，擬合出最逼近方向圖的幅度相位。

3 結 語

本文敘述了天線陣方向圖優化問題的三個重點，即饋電單元位置，幅度和相位，介紹了用改進遺傳算法對方向圖進行優化的原理方法，并提出一種新的天線陣優化方法——利用HFSS對單元陣仿真，提取各單元單獨饋電的電流或遠場，后用遺傳算法優化處理，得到最佳的單元電流和相位。給出了計算原理和方向圖，通過對原始數據和擬合數據的比較說明了該方法的優越性。

參考文獻

[1] 祝志鵬，蔣鳳仙，陳學峰.一種改進的遺傳算法及其在線天線陣方向圖綜合中的應用[J].復旦學報（自然科學版），2001，40（1）：55?60.

[2] 葛繼科，邱玉輝，吳春明，等.遺傳算法研究綜述[J].計算機應用研究，2008，25（10）：2911?2916.

[3] 李翔麟，龐偉正，錢坤.基于遺傳算法的天線陣方向圖零點生成[J].信息技術，2008（8）：119?120.

[4] 路占波，孫丹，陳亞軍，等.遺傳算法在共形天線陣方向圖綜合中的應用[J].系統仿真學報，2009，21（5）：1488?1491.

[5] 尹柳中，劉運林，衛濤.基于遺傳算法的圓柱共形微帶天線陣的綜合[J].四川理工學院學報（自然科學版），2007，20（1）：52?54.

[6] 胡貴強.多目標優化的遺傳算法及其實現[J].重慶文理學院學報（自然科學版），2008，27（5）：12?15.

[7] 李東風，龔中麟.雙交換遺傳算法及其在非周期天線陣方向圖綜合中的應用[J].電子與信息學報，2003（2）：242?246.