宋智,李焱淼,許麗群,朱義勝
(1.大連海事大學(xué) 信息科學(xué)技術(shù)學(xué)院,遼寧 大連116026;2.大連交通大學(xué) 電氣信息學(xué)院,遼寧 大連116028;3.大連交通大學(xué) 理學(xué)院,遼寧 大連 116028)*
現(xiàn)代天線匹配網(wǎng)絡(luò)的優(yōu)化設(shè)計問題一直受到人們的廣泛重視.Carlin提出實頻法[1],Pandel和Fettweis提出參數(shù)計量法[2]和直接法.隨著人工智能技術(shù)的發(fā)展,遺傳算法[3]、模擬退火算法[4]、改進的高斯牛頓法[5]等都在天線匹配網(wǎng)絡(luò)的設(shè)計中取得了一定成果,其中經(jīng)常遇到多目標(biāo)函數(shù)的優(yōu)化問題.但上面提到的多目標(biāo)優(yōu)化方法主要是將多目標(biāo)優(yōu)化問題轉(zhuǎn)變?yōu)閱文繕?biāo)優(yōu)化問題.采用單目標(biāo)優(yōu)化的方法求解,每次只能得到一個解,需經(jīng)過多次運算后才能得到一組近似Pareto最優(yōu)解,而且因為每次計算結(jié)果彼此獨立,可能出現(xiàn)結(jié)果不一致的情況.加權(quán)的目標(biāo)函數(shù)之間通過決策變量相互制約,最終優(yōu)化目標(biāo)僅為各個目標(biāo)之和,各個目標(biāo)的優(yōu)化進度不可操作.
多目標(biāo)遺傳算法用來解決多目標(biāo)優(yōu)化問題,其核心是協(xié)調(diào)各個目標(biāo)函數(shù)之間的關(guān)系,找出使各目標(biāo)函數(shù)能盡量達到比較小(或比較大)的Pareto最優(yōu)解集.在眾多的多目標(biāo)遺傳算法中,影響較大的是 NSGA-II算法[6].本文將 NSGA-II算法應(yīng)用于頻率范圍為10~590 MHz的寬帶天線匹配網(wǎng)絡(luò)的設(shè)計.仿真結(jié)果表明,利用NSGA-II算法優(yōu)化得到寬帶匹配網(wǎng)絡(luò)具有隨天線阻抗變化靈敏度低的特點,能兼顧系統(tǒng)的駐波比和效率,該算法適用于各種寬帶天線匹配網(wǎng)絡(luò)的優(yōu)化設(shè)計.
圖1所示二端口網(wǎng)絡(luò)為待設(shè)計的天線匹配網(wǎng)絡(luò),ZL表示匹配網(wǎng)絡(luò)所接天線的阻抗.
圖1 二口網(wǎng)絡(luò)端
圖1中二端口網(wǎng)絡(luò)散射矩陣為[7].
輸入端口反射系數(shù)為
網(wǎng)絡(luò)的傳輸功率增益[8]
式中,Ωp為通帶的截止頻率區(qū)間;σp是小的正數(shù).
多目標(biāo)優(yōu)化問題(Multi-Objective Problem,MOP)一般由n個決策變量參數(shù)、k個目標(biāo)函數(shù)和m個約束條件組成,目標(biāo)函數(shù)、約束條件與決策變量之間是函數(shù)關(guān)系.最優(yōu)化目標(biāo)函數(shù)如下[9]:
其中,x=(x1,x2,…,xn)∈ Χ ,y=(y1,y2,…,yn)∈Υ,x表示決策向量,y表示目標(biāo)向量,Χ表示決策向量x形成的決策空間,Υ表示目標(biāo)向量y形成的目標(biāo)空間,約束條件e(x)≤0確定決策向量的可行取值范圍.
圖2 兩個目標(biāo)的Pareto前端分布
多目標(biāo)優(yōu)化問題的解是一組,即所說的Pareto最優(yōu)解集.圖2中實心點A、B、C、D、E均處在最優(yōu)邊界上,都是最優(yōu)解,是非支配(Non-dominated)的;空心點 F、G、H、I、J、K 落在搜索區(qū)域內(nèi),但不在最優(yōu)邊界上,不是最優(yōu)解,是被支配(Dominated)的,這些點直接或間接地受最優(yōu)邊界上最優(yōu)解的支配,是劣于最優(yōu)前端上的最優(yōu)解.
非劣排序遺傳算法(NSGA)是Srinivas和Deb于20世紀(jì)90年代初期提出,它是基于Pareto最優(yōu)概念的多目標(biāo)遺傳算法.Deb于2002年在NSGA的基礎(chǔ)上進行了改進,提出了一種精英保留非劣排序遺傳算法(NSGA-II),定義了擁擠距離,通過估計某個點周圍的解密度取代適應(yīng)值共享.
本文將NSGA-II算法引入寬帶天線匹配網(wǎng)絡(luò)的設(shè)計中,其步驟為[10]:
(1)初始種群產(chǎn)生.根據(jù)具體問題的取值和限制進行隨機初始化一個父種群,網(wǎng)絡(luò)中元件產(chǎn)生為f(i)=min+(max-min)*rand(1).
(2)快速非支配排序.根據(jù)個體的非劣解值對種群進行分層,首先找出種群中所有非支配的個體,保存在當(dāng)前集合中,賦予它們一個共享的虛擬適應(yīng)度值,當(dāng)前集合中的個體為第一個非支配層的個體.然后忽略這組被分層的個體集合,對種群中的其余個體繼續(xù)重復(fù)以上過程,直到種群中的所有個體都被分層.
(3)擁擠度計算和比較準(zhǔn)則.按照多目標(biāo)匹配網(wǎng)絡(luò)的數(shù)學(xué)模型計算每個個體對應(yīng)的目標(biāo)函數(shù)值,再根據(jù)目標(biāo)函數(shù)值進行非劣分層,計算每層個體的擁擠距離值.如果兩個個體具有不同的非劣級別,進行比較后,選擇級別低的個體;如果兩個個體具有相同的非劣級別,選擇具有較大矩形體的個體.
(4)交叉和變異.NSGA-II算法對實數(shù)編碼,采用模擬二進制交叉(SBX)和多項式變異.SBX算子模擬二進制交叉算子的過程,對實數(shù)編碼的父代個體進行交叉操作.變異算子是基于多項式的變異操作.
(5)精英策略.保留父代中的優(yōu)良個體使其直接進入子代.
在優(yōu)化中,為了更好兼顧天線效率,選取輸入端口反射系數(shù)和傳輸功率增益作為目標(biāo)函數(shù).所求目標(biāo)函數(shù)的最優(yōu)解就是在通帶內(nèi),實現(xiàn)‖GT‖-∞達到最大值,同時‖S11‖∞有最小值;阻帶內(nèi)正好相反,求出二端口網(wǎng)絡(luò)中的元件值.算法中的目標(biāo)函數(shù)為
用HP8753D矢量網(wǎng)絡(luò)分析儀測量某天線(10~590 MHz,Rg=50 Ω)的實測輸入阻抗如圖3所示.在10~590 MHz范圍內(nèi),按文獻[11]采用的如圖4所示的網(wǎng)絡(luò)作為優(yōu)化設(shè)計的寬帶天線匹配網(wǎng)絡(luò).
圖3 天線輸入阻抗
圖4 匹配網(wǎng)絡(luò)結(jié)構(gòu)
附表 匹配網(wǎng)絡(luò)元件參數(shù)
設(shè)置 NSGA-II算法參數(shù):最大遺傳代數(shù)1000,種群個體數(shù)目120,交叉算子20,變異算子20.變量為匹配電路中 C1,C2,L1,L2,L3和有耗電阻R1,R2.應(yīng)用算法得到匹配網(wǎng)絡(luò)的Pareto最優(yōu)前端如圖5所示,選取其中一組Pareto最優(yōu)解和文獻[11]采用遺傳算法優(yōu)化得到網(wǎng)絡(luò)的元件值如附表所示.
圖5 Pareto最優(yōu)前端
天線駐波比(VSWR)如圖6所示,由圖6可知,當(dāng)天線不加匹配網(wǎng)絡(luò)時,在10~40 MHz內(nèi)其駐波比大于3,不滿足通信系統(tǒng)的要求.文獻[11]加載遺傳算法得到的匹配網(wǎng)絡(luò)后,在整個頻帶內(nèi)其駐波比均小于3(平均值小于2.5).加載 NSGA-II算法得到的匹配網(wǎng)絡(luò)后,其駐波比在1.25~2之間變化,波動范圍小于文獻值,說明NSGAII算法優(yōu)化后的匹配網(wǎng)絡(luò)對天線阻抗變化不敏感,能使天線在10~590 MHz寬帶范圍內(nèi)具有良好的寬帶性能.
加載匹配網(wǎng)絡(luò)后系統(tǒng)的傳輸功率增益變化曲線如圖7所示.匹配網(wǎng)絡(luò)中有耗電阻的引入必定影響整個天線的增益,從圖7可以看出,文獻[11]遺傳算法得到的匹配網(wǎng)絡(luò)以天線駐波比為主要考慮目標(biāo),天線效率達到40%以上.而在NSGA-II算法中兼顧了天線的駐波比和效率,使得在整個頻帶內(nèi),天線效率基本都達到50%以上,天線的效率在對應(yīng)頻率都高于遺傳算法.說明應(yīng)用NSGA-II算法所設(shè)計的匹配網(wǎng)絡(luò)具有更好的性能.
圖6 天線駐波比
圖7 加載匹配網(wǎng)絡(luò)后天線效率
本文將NSGA-II算法應(yīng)用于實際天線匹配網(wǎng)絡(luò)的優(yōu)化設(shè)計,以網(wǎng)絡(luò)輸入端口反射系數(shù)和傳輸功率增益為目標(biāo)函數(shù)設(shè)計天線的匹配網(wǎng)絡(luò).一次運行得到多個Pareto最優(yōu)解,選取Pareto最優(yōu)解,實現(xiàn)了真正意義的多目標(biāo)優(yōu)化.仿真結(jié)果分析表明,NSGA-II算法優(yōu)化得到的匹配網(wǎng)絡(luò)隨阻抗變化的靈敏度低,天線系統(tǒng)的效率較高,驗證了該方法的有效性.
[1]CARLIN H J.A new approach to gain bandwidth problems[J].IEEE Transactions on Circuit and Systems,1977,24:170-175.
[2]PANDEL J,F(xiàn)ETTEWIS A.Broadband matching using parametric representations[J].IEEE International Symposium on Circuits and Systems,1985,36:143-149.
[3]馬國田,梁昌洪.基于遺傳算法的寬帶匹配網(wǎng)絡(luò)的優(yōu)化設(shè)計[J].微波學(xué)報,2000,16(1):73-77.
[4]孫保華,紀(jì)奕才,劉其中.VHF/UHF天線寬帶匹配網(wǎng)絡(luò)的優(yōu)化設(shè)計與實驗研究[J].電子學(xué)報,2002(6):797-799.
[5]朱義勝,鄭紫薇.短波寬帶天線匹配網(wǎng)絡(luò)的設(shè)計[J].電子學(xué)報,2001(8):1049-1075.
[6] KALYANMOYDEB,AMRITPRATAPT, MEYARIVAN.A fast and elitist multiobjective genetic algorithm:NSGA-II[J].IEEE Transactions on Evolutionary Computation,2002,6(2):182-197.
[7]Zhu Yi-sheng,Chen Wai-kai.Computer-aided design of communication networks[M].World Scientific Publishing Co.Pte.Ltd,Singapore,2000.
[8]ALAN DAVIS W ,KRISHNA K,AGARWAL.Radio Frequency Circuit Design[M].北京:機械工業(yè)出版社,2005.
[9]崔遜學(xué).多目標(biāo)進化算法及其應(yīng)用[M].北京:國防工業(yè)出版社,2006:4-57.
[10]馮士剛,艾芊.帶精英策略的快速非支配排序遺傳算法在多目標(biāo)無功優(yōu)化中的應(yīng)用[J].電工技術(shù)學(xué)報,2007,22(12):146-151.
[11]丁霄,姜興,李思敏.基于遺傳算法的寬帶匹配網(wǎng)絡(luò)設(shè)計[J].桂林電子科技大學(xué)學(xué)報,2006,26(6):438-441.