1.一种基于小生境遗传算法的MIMO雷达正交波形设计算法,其特征在于包括以下步骤:一、正交波形设计:
正交波形设计即设计相位编码,设相位编码由码长为N的M个序列S1(t) ,S2(t) ,S3(t) ,S4(t) ,S5(t) ...SM‑1(t) ,SM(t)组成,表示为:其中:φ为S的相位矩阵,m为相位数,MIMO雷达正交信号Sl的编码为n的子脉冲相位φl(n)∈φ,即:MIMO雷达正交信号集Sl(t)采用多相编码矩阵形式,写成:其中自相关函数为:
其中,l=1,2,...,M;
互相关函数如下式所示:
其中,p,q=1,2,3,…,L;p≠q;
②互相关峰值旁瓣电平最小化f2:
③总自相关旁瓣能量最小化f3:
④总互相关旁瓣能量最小化f4:
MIMO雷达正交波形设计中,最小化全部的互相关、自相关旁瓣能量,使自相关旁瓣峰值能量最小以及最小化互相关旁瓣峰值能量,获得代价函数如下式所示:其中,z1,z2,z3,z4是代价函数的加权系数,z1+z2+z3+z4=1;
二、利用小生境遗传算法优化波形设计:
假设遗传算法种群大小为pos,搜索总次数为F,小生境遗传算法搜索总次数为G,每次搜索的代价函数的结果表示为:E(x)fg,其中f=1,2,...,F,g=1,2,...,G式中x为MIMO雷达正交信号Sl的编码为n的子脉冲相位φl(n);种群内的任意的生物个体写成xi,其中i=1,2,3,...,pos;
小生境遗传算法实现正交多相编码的算法操作流程如下:Step1,编码:采用二进制进行编码,二进制编码的序列为mr,其中r=1,2,3,4,…,N‑1,N,编码串总长度为个体表示为:使用二进制进行参数编码,四相码的四个相位为{0π/2π3π/2},其对应的二值编码为{00 01 11 10};
Step2,初始化:随机初始化种群,初始化加权系数初始化每一代个体idv(fit,chr)和染色体idc(fit,chr),初值均为0;设定最大遗传代数mgen、种群大小pos、种群变异概率qm、种群交叉概率pc、任意变量运用的下界ub、任意变量运用的上界lb、罚函数Pey;
Step3,适应度函数的计算,适应度公式如下:
F(x)=1/E(x),F(x)≥0
使用代价函数的倒数表示适应度;个体的适应能力越强,适应度函数的取值越大;
Step3.1,对每一代idv生成随机整数;
Step3.2,使用min函数查找idc中最好染色体besc;
besc=min(idc)Step3.3,计算染色体的平均适应度avgf;
avgf=sum(idv.fit)/posStep3.4,根据适应度大小对种群中的个体进行排序,得到好的种群fitr,并用trace函数记录计算的每一代进化中最佳适应度bef以及平均适应度avgf;
Step4,选择计算:随机配对群体中的个体,观察所有有差别的个体,通过交叉概率调换其中一部分染色体基因,利用随机获得的染色体基因片段取代变异出现的冗余染色体基因片段,使群体中的所有个体通过固定的变异概率转换单一或部分基因组内部的基因序列;
Step4.1,根据个体适应度从大到小排序进行种群筛选,设定范围约束量a、b,计数变量Kc,依据个体适应度的大小,对idv和idc进行升序排列,把最小适应度的值放入fbn;
Step4.2,若bef<fbn,fbn=bef;
Step4.4,进行新的适应度计算并赋值给idv.fit;对fitr按照代价函数计算加权系数z1、z2、z3、z4;
Step5,交叉计算:随机选择两个染色体进行交叉,先进行自适应交叉操作,接着根据交叉概率运用自适应均匀交叉方法实施交叉操作;自适应均匀交叉方法操作如下:Step5.1,种群中随机选取不同的配成对的个体Xa和Xb,给定掩码h,h取值0或者1;
Step5.2,生成(0,Nk)之间的随机整数rt,此处Step5.3,把Xa和Xb中的第rt位上的值和h进行异或操作,然后用所得到的值代替Xa和Xb其中的值;
Step5.4,重复Step5.1‑Step5.3达到预设次数;
Step6,变异计算:变异概率设置为0.01,通过循环进行控制,循环过程中的变异操作实施自适应变异方式,依变异概率确定获取变异点位以及基因片段,该循环过程根据变异概率实施变异行为,具体如下;
Step6.1,循环次数为1到pos次,计算每一代的平均适应度avgf和最佳适应度bef;
Step6.2,随机选择一个染色体进行变异,如果个体适应度小于平均适应度,重新设置变异概率qm;
Step6.3,种群中每一个个体变异产生变异点,随机选取染色体变异的位置Xm,进行变异操作,即0变成1,1变成0;
Step7,重新计算种群个体的适应度,判断小生境遗传算法Step3‑Step7的执行次数是否满足要求,如果满足则执行Step 11,否则执行Step8;
Step8,使用小生境淘汰算法淘汰种群中的个体,具体如下:首先在每一代群体中依次计算各个个体之间的汉明距离,计算公式:计算Ch1(t)和Ch2(t)两者之间的汉明距离,预先设置汉明距离阈值Th,若两个染色体汉明距离小于Th,把罚函数Pey添加给适应度较差的种群个体;汉明距离越大,罚函数Pey越小;
Step9,确定小生境遗传算法的迭代代数是否达到设置的最大数值;倘若达到,转入Step11,并输出结果;如果未达到,转入Step10,使用新的种群继续执行小生境遗传算法的Step3‑Step7;
Step10,保留最优,保存每代最好的适应度,同时代替上一代进化中最优秀的染色体,当连续15代相邻两代最佳适应度之差小于10‑5时执行Step11;
Step11,输出最优解。