[论文解读] Phase-Only Planar Antenna Array Synthesis with Fuzzy Genetic Algorithms

Boufeldja Kadri, Miloud Boussahla+1 more|arXiv (Cornell University)|Feb 5, 2010

Antenna Design and Optimization参考文献 12被引用 13

一句话总结

本文提出一种模糊遗传算法（FGA），用于平面阵列的仅相位综合，以优化激励相位并实现期望的辐射图。通过集成模糊逻辑控制器（FLC），根据适应度和种群多样性动态调整遗传算法参数，FGA在数值仿真中表现出优于标准遗传算法（SGA）的收敛性和图样精度，采用矩形探针馈电阵列进行验证。

ABSTRACT

This paper describes a new method for the synthesis of planar antenna arrays using fuzzy genetic algorithms (FGAs) by optimizing phase excitation coefficients to best meet a desired radiation pattern. We present the application of a rigorous optimization technique based on fuzzy genetic algorithms (FGAs), the optimizing algorithm is obtained by adjusting control parameters of a standard version of genetic algorithm (SGAs) using a fuzzy controller (FLC) depending on the best individual fitness and the population diversity measurements (PDM). The presented optimization algorithms were previously checked on specific mathematical test function and show their superior capabilities with respect to the standard version (SGAs). A planar array with rectangular cells using a probe feed is considered. Included example using FGA demonstrates the good agreement between the desired and calculated radiation patterns than those obtained by a SGA.

研究动机与目标

• 解决平面阵列中优化激励相位系数以实现期望辐射图样的挑战。
• 在阵列综合中提升收敛速度与解的质量，超越标准遗传算法（SGA）。
• 将模糊逻辑控制集成到遗传算法中，实现在优化过程中自适应参数调节。
• 在具有探针馈电结构的矩形平面阵列上验证FGA方法。
• 展示FGA在实现期望辐射图样方面相较于SGA的优越性能。

提出的方法

• 设计模糊逻辑控制器（FLC），根据种群多样性与最优个体适应度的实时反馈，动态调整遗传算法的关键参数（如交叉率与变异率）。
• FLC使用两个输入：种群中最佳个体的适应度值与种群多样性度量（PDM），两者均归一化至同一量纲。
• FGA采用标准遗传算法框架，但将固定参数设置替换为模糊控制的自适应参数，以增强探索与开发之间的平衡。
• 优化目标为具有探针馈电的矩形单元平面阵列的仅相位激励系数，以最小化旁瓣电平与波束宽度。
• 适应度评估基于期望图样与合成图样之间的误差，采用最小二乘法度量。
• 算法迭代演化种群直至收敛，FLC动态调整参数以避免早熟收敛并提升解的质量。

实验结果

研究问题

• RQ1 模糊逻辑控制器能否有效提升遗传算法在平面阵列综合中的性能？
• RQ2 FGA与标准遗传算法（SGA）相比，在收敛速度与辐射图样精度方面表现如何？
• RQ3 通过模糊逻辑实现的自适应参数控制，在仅相位阵列综合中在多大程度上降低了旁瓣电平并改善了波束宽度？
• RQ4 将种群多样性与适应度反馈整合是否增强了优化过程的解鲁棒性？
• RQ5 在矩形探针馈电平面阵列中，FGA能否实现比SGA更接近期望与实际辐射图样的匹配？

主要发现

• 模糊遗传算法（FGA）相比标准遗传算法（SGA）表现出显著更优的收敛行为，有效减少了振荡与早熟收敛。
• 使用FGA合成的辐射图样与期望图样更加吻合，尤其在旁瓣抑制与主瓣成形方面表现更优。
• 基于FLC的参数自适应机制改善了探索与开发之间的平衡，带来更快的收敛速度与更高质量的解。
• 该方法在具有探针馈电的矩形平面阵列上表现出稳健性能，证实其在实际阵列配置中的适用性。
• FGA在最小化期望与实际辐射图样之间误差方面优于SGA，该结果由适应度度量量化。
• 模糊逻辑控制的集成通过动态响应种群多样性与适应度趋势，显著增强了优化过程。