改进遗传算法在天线波束方向图的应用研究

改进遗传算法在天线波束方向图的应用研究

论文摘要

2009年我国正式对运营商发行3G执照。第三代移动通信技术在我国飞速发展,3G用户成为各大运营商新的争取对象。在激烈的竞争中,如何保持高的市场占有率,维持用户的使用信心是运营商必须要考虑的问题,这很大程度上将取决于通信网络质量的好坏。由于采用智能天线后,应用波束形成技术显著提高了基站的接收灵敏度和发射功率,能够大大降低系统内部的干扰和相邻小区之间的干扰,从而使系统容量得到扩大;同时也可以使业务高密度的市区和郊区所要求的基站数目减少。如何设计天线阵列波束形成的策略,使得天线阵列自动以最大增益对准有用信号到达方向,并屏蔽噪声和干扰信号是智能天线技术的实质,也是本文的研究重点。本文首先从该课题研究背景入手,简单说明了第三代移动通信技术在我国的发展状况,以及智能天线的发展和研究现状。智能天线主要由天线阵列、模/数转换装置以及波束形成网络构成。阵列天线方向图的形成正是智能天线的核心技术,它是指通过改变天线阵的阵元数、阵元位置、阵元馈电幅值、相位,针对不同的信号环境实现系统参数选择的最优化,从而提高了频谱资源的利用率和通信质量。在实际工程应用中,往往把特性工艺相同的天线单元按照一定的集合形状组成天线阵列,使得整个天线阵列整体体现的辐射特性满足特定的通信环境要求。其中一维直线阵列式在移动通信系统中应用最为广泛的一种模型。所以本课题也是以该模型为基础。遗传算法是一种模拟生物在自然环境中遗传和进化过程宏观仿生方法,根据“生存竞争”和“优胜劣汰”原则通过选择、交叉、变异程序,而组成的自适应全局优化概率搜索算法。由于它在解决大空间、多参数、非线性等复杂问题时所具有的独特优越性,所以在很多领域都能的到广泛地应用。近年来,遗传算法开始逐渐应用到天线优化设计领域。本文针对传统遗传算法的不足之处,提出了整数编码,变异操作改进和跨代竞争三大改进措施,并从主瓣位置、零陷位置控制和抑制旁瓣三方面控制天线阵列辐射方向图形状形成做了详细的研究。并分别用改进遗传算法和传统遗传算法进行仿真对比,我们发现改进后的遗传算法能够克服传统遗传算法的不足,大大地加快了寻优的速度和质量,很好的满足了我们的设计需要。

论文目录

  • 摘要
  • Abstract
  • 插图索引
  • 附表索引
  • 第1章 绪论
  • 1.1 我国第三代移动通信技术的发展
  • 1.2 智能天线技术的发展和研究现状
  • 1.3 课题研究的内容及意义
  • 1.4 论文结构安排
  • 第2章 遗传算法天线波束形成的基础理论
  • 2.1 智能天线系统构成
  • 2.2 天线阵列基础理论
  • 2.2.1 元天线
  • 2.2.2 直线天线阵
  • 2.2.3 天线方向图
  • 2.3 基本遗传算法
  • 2.3.1 遗传算法的产生与发展
  • 2.3.2 遗传算法基本流程
  • 2.3.3 遗传算法应用
  • 2.4 本章小结
  • 第3章 基本遗传算法的改进
  • 3.1 基本遗传算法改进方法分析
  • 3.1.1 遗传算法优点与不足
  • 3.1.2 典型遗传算法改进手段
  • 3.2 适用于天线波束形成算法改进策略
  • 3.2.1 编码方式
  • 3.2.2 对 10 取补变 1 变异
  • 3.2.3 跨代竞争
  • 3.2.4 适应度函数设计
  • 3.3 应用于天线波束形成改进算法实现
  • 3.3.1 初始种群生成
  • 3.3.2 交叉和变异
  • 3.3.3 混合种群
  • 3.3.4 适应度计算与选择
  • 3.4 本章小结
  • 第4章 改进遗传算法实现天线方向图位置控制
  • 4.1 改进遗传算法实现主瓣位置控制
  • 4.1.1 主瓣位置控制
  • 4.1.2 一维均匀直线等幅阵模型
  • 4.1.3 主瓣位置仿真方法
  • 4.1.4 主瓣位置仿真结果分析
  • 4.2 改进遗传算法实现抑制旁瓣及零陷位置控制
  • 4.2.1 对称线阵模型
  • 4.2.2 零陷位置控制仿真方法
  • 4.2.3 零陷位置仿真结果分析
  • 4.2.4 抑制旁瓣控制仿真方法
  • 4.2.5 抑制旁瓣仿真结果分析
  • 4.4 本章小结
  • 第5章 改进遗传算法实现天线阵列波束形成
  • 5.1 实现天线阵列波束形成改进遗传算法
  • 5.1.1 天线波束形成分析
  • 5.1.2 天线波束形成分析
  • 5.2 天线阵列波束形成仿真
  • 5.2.1 天线阵列波束形成仿真方法
  • 5.2.2 天线阵列波束形成仿真方法
  • 5.3 本章小结
  • 结论
  • 参考文献
  • 附录
  • 致谢
  • 相关论文文献

    • [1].遗传算法在焊接领域的优化与应用[J]. 现代焊接 2012(03)
    • [2].面向作业车间调度问题的遗传算法改进[J]. 河北科技大学学报 2019(06)
    • [3].基于改进遗传算法的校园食堂外卖配送路径优化研究[J]. 辽宁工业大学学报(自然科学版) 2020(01)
    • [4].混合杂草遗传算法求解旅行商问题[J]. 科学技术创新 2020(11)
    • [5].基于模糊遗传算法的先进战机协同攻防决策[J]. 火力与指挥控制 2020(03)
    • [6].基于改进遗传算法的自动导引小车路径规划[J]. 组合机床与自动化加工技术 2020(07)
    • [7].基于遗传算法的海水淡化系统优化调度研究[J]. 绥化学院学报 2020(08)
    • [8].基于改进遗传算法的工程施工进度优化分析[J]. 住宅与房地产 2020(21)
    • [9].基于遗传算法物流配送最佳路径问题研究[J]. 河北建筑工程学院学报 2020(02)
    • [10].基于优化遗传算法的配电网故障定位技术[J]. 化工自动化及仪表 2020(05)
    • [11].两个轴辐式网络协同建设的多层编码遗传算法[J]. 西南交通大学学报 2020(05)
    • [12].基于遗传算法的旅游最优路径探究[J]. 电脑知识与技术 2018(34)
    • [13].浅谈遗传算法及其部分改进算法[J]. 科技风 2019(12)
    • [14].遗传算法在优化问题中的应用综述[J]. 山东工业技术 2019(12)
    • [15].一种改进遗传算法及验证[J]. 电脑编程技巧与维护 2019(06)
    • [16].现代农机数字化装配车间调度技术研究——基于云计算和遗传算法[J]. 农机化研究 2018(01)
    • [17].基于遗传算法的小麦收割机路径智能优化控制研究[J]. 农机化研究 2018(02)
    • [18].基于遗传算法的医院房间位置优化研究[J]. 电脑与信息技术 2018(01)
    • [19].基于遗传算法的汽油调和优化系统[J]. 工业控制计算机 2018(10)
    • [20].基于遗传算法进行结构优化的研究现状[J]. 河北建筑工程学院学报 2018(03)
    • [21].用于图像分割的双变异遗传算法[J]. 传感器与微系统 2017(02)
    • [22].基于改进遗传算法的新型水面无人艇性能综合优化分析[J]. 江苏科技大学学报(自然科学版) 2017(01)
    • [23].以混合式遗传算法核心的网络差异数据挖掘技术[J]. 中国新通信 2017(06)
    • [24].基于贪心遗传算法的穴盘苗补栽路径优化[J]. 农业机械学报 2017(05)
    • [25].基于改进遗传算法的列车节能操纵方案研究[J]. 机电一体化 2017(01)
    • [26].基于混沌遗传算法的计算机辅助动态布局[J]. 计算机工程与设计 2017(09)
    • [27].基于改进遗传算法的多项目资源均衡配置研究[J]. 工业技术经济 2017(10)
    • [28].基于交互式遗传算法的建筑物外观设计探讨[J]. 科技展望 2015(34)
    • [29].改进遗传算法及其在泵站优化运行中的应用[J]. 南水北调与水利科技 2016(02)
    • [30].基于改进遗传算法的高校排课优化问题研究[J]. 电子科技 2016(05)

    标签:;  ;  ;  

    改进遗传算法在天线波束方向图的应用研究
    下载Doc文档

    猜你喜欢