基于阵列Taylor权的最优粒子初值估计法

来源：电子测量技术杂志2021年第6期北京时间：

作者：侴永斌，张树春，李德鑫，史毅夫，姜 巍

单位：1.中航国际仿真科技服务有限公司 上海 201600; 2.空军哈尔滨飞行学院改装系 哈尔滨 150088

摘要：优化阵列天线方向图时，最优粒子初值的有效估计能极大改善粒子群优化算法（PSO）的收敛性，得到更好的全局最优解。本文提出了基于Taylor权的最优粒子初值估计法，即利用阵列Taylor权作为最优粒子初值的有效估计量来改善PSO算法的收敛特性。仿真实验评估随机权、Taylor权和解析权三种最优粒子初值估计法对PSO算法收敛特性的影响，结果表明，相对于随机权，Taylor权和解析权都能够有效的改善PSO算法收敛特性，且两种方法的性能比较接近。由于解析权必须对大型矩阵求广义逆，这种运算不但非常消耗计算资源，且对超大型矩阵甚至无法实现，而Taylor权初值估计法相对简单高效，因而在阵列天线方向图非线性优化时， Taylor权最优粒子初值估计法具有更好的算法实用性。

关键词：非线性优化算法; 粒子群优化算法（PSO）;阵列天线方向图;方向图优化

基金资助：国家自然科学基金(61273095)