专利摘要

本发明提供了一种基于教与学优化的矢量水听器稀疏布阵方法，包括如下步骤：(1)确定矢量水听器组合指向性与复合阵列指向性函数步骤、(2)优化进程初始化步骤、(3)选取教师个体步骤、(4)教师自主学习步骤、(5)教师教学阶段步骤、(6)学生互相学习阶段步骤、(7)终止判断步骤。本发明结合实际课堂教学过程，引入教师自主学习阶段，利用稀疏布阵中的矢量水听器的工作机理，在“激活”和“关闭”两种状态中进行切换寻优，增强教与学优化的局部搜索能力，可获得更好的稀疏布阵优化结果，同时无需调节算法特定的参数因子，节省大量的算法调节时间，更符合工程实际应用。

权利要求

1.一种基于教与学优化的矢量水听器稀疏布阵方法，其特征在于，包括如下步骤：

(1)确定矢量水听器组合指向性与复合阵列指向性函数步骤：

利用单个矢量水听器的声压和振速通道输出信号，得到组合形成指向性函数R(f，θ)，其中f为水听器中心频率，θ为水平方位角；声压信号记为p，振速信号记为v，振速传感器在三维空间内均可形成偶极子指向性；在海洋波导中，由于铅直方向为驻波，所以通常考察水平方向的二维指向性；

依据单个矢量水听器的组合指向性函数R(f，θ)，确定由多个矢量水听器组成的复合阵列指向性函数Fm(f，θ)，其表达式为

Fm(f，θ)＝R(f，θ)·F(f，θ)

其中F(f，θ)为声压标量阵的指向性函数；

(2)优化进程初始化步骤：

初始化教与学优化算法中的控制参数，包括班级个体数目Pz，最大迭代次数Gen；对进行矢量水听器阵列的激励权值w初始化随机赋值，随机激励权值为0到1之间的随机实数，矩阵规模为Pz×M，其中M表示阵列中矢量水听器的数目；所述激励权值无差别作用于矢量水听器全部声压和振速通道上，即单个矢量水听器中的声压和振速通道上的激励权值都是一样的；

定义第i个班级个体矩阵wi对应的目标函数f(wi)表达式为

||·||0表示l0范数操作，用来度量矩阵的稀疏程度，k1为惩罚系数，用于控制旁瓣峰值水平，其取值大小与整个可视区内的波束数目和波束分辨率相关；S表示波束能量值高于期望旁瓣峰值的区域；

(3)选取教师个体步骤

评价班级个体适应度，选取适应度最佳的个体作为教师个体，班级的适应度函数可以表示为

其中g表示当前对应的迭代次数；选取班级个体中适应度最高的成员为教师其余班级成员为学生；

(4)教师自主学习步骤

教师通过自主学习以准备课堂教学内容，其自主学习采用局部搜索方法开展，教师自主学习阶段包括如下步骤：

(4.1)以随机遍历序列选取第m个矢量水听器，判断矢量水听器声压和振速通道的激励权值wt，m是否为0，若是则启动“激活”流程，否则，启动“关闭”流程；

(4.2)判断教师个体中是否所有的矢量水听器均已遍历，若是则结束教师自主学习步骤，否则转入步骤(4.1)；

(5)教师教学阶段步骤

该阶段教师依据班级成员的整体知识水平进行授课，目的是使班级平均水平与自身知识水平更为接近；教师与班级平均知识水平的差异定义如下：

其中rand表示[0，1]的随机数，wg表示班级的平均知识水平，Tf表示教学因子，该因子用于表示教学效果，以等概率取值1或者2；该阶段的班级成员知识更新方式为

若成员个体的更新值相比原来取得了更好的结果，则会被保留，否则返回原始激励状态；

(6)学生互相学习阶段步骤

(6.1)随机选择两个学生个体权值矩阵和其所对应的目标函数值分别为和若即个体i的适应度比个体j更高，此时个体j向个体i学习，否则个体i向个体j学习，

(6.2)若更新后的权值矩阵对应目标函数值低于原有值，则令否则，不做处理；若更新后的权值矩阵对应目标函数值低于原有值，则令否则，不做处理；

(6.3)重复执行步骤(6.1)～(6.2)，使多个班级个体之间有机会互相学习，重复执行次数由班级个体数目决定；

(7)终止判断步骤

如果当前迭代次数g达到最大迭代次数Gen，则终止优化进程，输出最终班级激励权值矩阵，并选择其中最优个体作为最终的矢量水听器稀疏布阵方案；否则，转入步骤(3)。

2.根据权利要求1所述的一种基于教与学优化的矢量水听器稀疏布阵方法，其特征在于，所述“激活”流程包括如下步骤：

(4.1.1)以随机激励权值对该矢量水听器进行赋值，所述随机激励权值为0到1之间的实数，激励权值作用于该矢量水听器的全部声压和振速通道；

(4.1.2)判断赋值后新的教师矩阵是否能取得更好的适应度，若是则接受新的激励权值，否则将该矢量水听器全部声压和振速通道的激励权值重新设为0；

所述“关闭”流程包括如下步骤：

(4.2.1)将该矢量水听器全部声压和振速通道的激励权值设为0；

(4.2.2)判断赋值后新的教师矩阵是否能取得更好的适应度，若是则接受新的激励权值，否则将该矢量水听器全部声压和振速通道的激励权值返回到原始状态。

说明书

技术领域

本发明属于声纳技术领域，更具体地，涉及一种基于教与学优化的矢量水听器稀疏布阵方法。

背景技术

矢量水听器作为一种新型的水声测量传感器，在结构上由传统的无指向性声压传感器和偶极子指向性振速传感器复合而成，可以同步、共点测量声压和振速信息，从根本上解决了“左右舷模糊”问题，在水声警戒声纳、拖曳线阵列声纳、舷侧阵共形声纳、多基地声纳等领域均有广泛应用。

稀疏阵列是指在满足阵列性能约束的基础上，从传统密集布置的满阵列中移除部分阵元后得到的一种阵元以稀疏形式分布的阵列，可以在取得较高分辨率的前提下减少传感器数目，降低系统硬件成本。矢量水听器稀疏布阵技术有助于解决实际声纳阵列中的失效阵元修复和分布式多基地声纳布阵问题，具有重要工程价值。

R.V Rao等人基于课堂教学过程中教师与学生知识分享与获取的过程，提出了教与学优化算法。在教阶段，班级成员根据教师矩阵和学生平均水平的差异性进行学习；在学阶段，班级成员之间相互比较，适应度低的成员向适应度高的成员学习。这种知识分享模式忽略了教师的自主学习阶段，通常而言，教师作为整个种群中适应度最高的成员，其在课堂授课之前需要花费大量的时间进行自主学习来准备教学内容，以提高课堂教学质量。

现有稀疏布阵技术通常采用随机优化算法来寻找此类问题的全局最优解，如模拟退火算法、遗传算法、粒子群算法等，此类随机优化算法存在一个共性问题，即算法特定的参数因子调节十分繁琐，比如模拟退火算法中用于控制温度下降速度的冷却系数，遗传算法中的变异因子、交叉因子，粒子群算法中的学习因子和惯性权重。这类参数因子在算法实施过程中需要花费大量时间进行调节，而且一旦问题模型或应用场合发生变化，则需要重新调节算法参数以适应新的问题模型或应用场合，极不利于实际工程应用。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于教与学优化的矢量水听器稀疏布阵方法，主要步骤如下：

(1)确定矢量水听器组合指向性与复合阵列指向性函数步骤：

利用单个矢量水听器的声压和振速通道输出信号，得到组合形成指向性函数R(f，θ)，其中f为水听器中心频率，θ为水平方位角。所述声压信号记为p，所述振速信号记为v，振速传感器在三维空间内均可形成偶极子指向性。在海洋波导中，由于铅直方向为驻波，所以通常考察水平方向的二维指向性。

依据单个矢量水听器的组合指向性函数R(f，θ)，确定由多个矢量水听器组成的复合阵列指向性函数Fm(f，θ)，其表达式为

Fm(f，θ)＝R(f，θ)·F(f，θ)

其中F(f，θ)为声压标量阵的指向性函数。

(2)优化进程初始化步骤：

初始化教与学优化算法中的控制参数，包括班级个体数目Pz，最大迭代次数Gen。对进行矢量水听器阵列的激励权值w初始化随机赋值，所述随机激励权值为0到1之间的随机实数，矩阵规模为Pz×M，其中M表示阵列中矢量水听器的数目。所述激励权值无差别作用于矢量水听器全部声压和振速通道上，即单个矢量水听器中的声压和振速通道上的激励权值都是一样的。

定义第i个班级个体矩阵wi对应的目标函数f(wi)表达式为

||·||0表示10范数操作，用来度量矩阵的稀疏程度，k1为惩罚系数，用于控制旁瓣峰值水平，其取值大小与整个可视区内的波束数目和波束分辨率相关；S表示波束能量值高于期望旁瓣峰值的区域。

(3)选取教师个体步骤

评价班级个体适应度，选取适应度最佳的个体作为教师个体，班级的适应度函数可以表示为

其中g表示当前对应的迭代次数。选取班级个体中适应度最高的成员为教师 其余班级成员为学生。

(4)教师自主学习步骤

教师通过自主学习以准备课堂教学内容，其自主学习采用局部搜索方法开展，所述教师自主学习阶段包括如下步骤：

(4.1)以随机遍历序列选取第m个矢量水听器，判断矢量水听器声压和振速通道的激励权值wt，m是否为0，若是则启动“激活”流程，否则，启动“关闭”流程。

所述“激活”流程包括如下步骤：

(4.1.1)以随机激励权值对该矢量水听器进行赋值，所述随机激励权值为0到1之间的实数，激励权值作用于该矢量水听器的全部声压和振速通道。

(4.1.2)判断赋值后新的教师矩阵是否能取得更好的适应度，若是则接受新的激励权值，否则将该矢量水听器全部声压和振速通道激励权值重新设为0。

所述“关闭”流程包括如下步骤：

(4.2.1)将该矢量水听器全部声压和振速通道的激励权值设为0。

(4.2.2)判断赋值后新的教师矩阵是否能取得更好的适应度，若是则接受新的激励权值，否则将该矢量水听器全部声压和振速通道的激励权值返回到原始状态。

(4.2)判断教师个体中是否所有的矢量水听器均已遍历，若是则结束教师自主学习步骤，否则转入步骤(4.1)。

(5)教师教学阶段步骤

该阶段教师依据班级成员的整体知识水平进行授课，目的是使班级平均水平与自身知识水平更为接近。教师与班级平均知识水平的差异定义如下：

其中rand表示[0，1]的随机数，表示班级的平均知识水平，Tf表示教学因子，该因子用于表示教学效果，以等概率取值1或者2。该阶段的班级成员知识更新方式为

若成员个体的更新值 相比原来取得了更好的结果，则会被保留，否则返回原始激励状态。

(6)学生互相学习阶段步骤

(6.1)随机选择两个学生个体权值矩阵 和 其所对应的目标函数值分别为 和 若 即个体i的适应度比个体j更高，此时个体j向个体i学习， 否则个体i向个体j学习，

(6.2)若更新后的权值矩阵 对应目标函数值低于原有值，则令 否则，不做处理；若更新后的权值矩阵 对应目标函数值低于原有值，则令 否则，不做处理；

(6.3)重复执行步骤(6.1)～(6.2)，使多个班级个体之间有机会互相学习，重复执行次数由班级个体数目决定。

(7)终止判断步骤

如果当前迭代次数g达到最大迭代次数Gen，则终止优化进程，输出最终班级激励权值矩阵，并选择其中最优个体作为最终的矢量水听器稀疏布阵方案；否则，转入步骤(3)。

与现有技术相比，本发明具有以下优点：

(1)本发明提出的矢量稀疏布阵方法无需调节算法特定的参数因子，只需对算法的种群规模和最大迭代次数进行设定即可执行稀疏布阵优化流程，可以节省大量的算法调节时间，更符合工程实际应用。

(2)本发明结合实际课堂教学过程，引入教师自主学习阶段，利用稀疏布阵中的矢量水听器的工作机理，在“激活”和“关闭”两种状态中进行切换寻优，增强教与学优化的局部搜索能力，可获得更好的稀疏布阵优化结果。

附图说明

图1为本发明矢量水听器稀疏布阵方法流程图；

图2为稀疏布阵后的矢量水听器阵列激励权值分布图；

图3为稀疏矢量水听器阵列与原始阵列波束对比图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

图1为本发明所述基于教与学优化的矢量水听器稀疏布阵方法流程图，以此为依据，对声纳领域最常用的直线阵列进行稀疏布阵，主要步骤如下：

(1)确定矢量水听器组合指向性与复合阵列指向性函数步骤：

利用单个矢量水听器的声压和振速通道输出信号，得到组合形成指向性函数R(f，θ)，其中f为矢量水听器中心频率，θ为水平方位角，所述声压信号记为p，所述振速信号记为v，组合指向性为

式中 为引导方位，vc为组合振速，由两个正交振速分量vx和vy组合而成，其表达式为

本例中考虑声纳领域中最常用的半波长均匀直线阵列，阵元数目为32，矢量水听器阵列中心频率为8kHz，主波束聚焦方位为90°。

依据单个矢量水听器的组合指向性函数R(f，θ)，确定由多个矢量水听器组成的复合阵列指向性函数Fm(f，θ)，其表达式为

Fm(f，θ)＝R(f，θ)·F(f，θ)

式中F(f，θ)为声压标量阵的指向性函数，其表达式为

(2)优化进程初始化步骤：

初始化教与学优化算法中的控制参数，包括班级个体数目Pz，最大迭代次数Gen。本例中班级个体数目设置为50，最大迭代次数为100。

对进行矢量水听器阵列的激励权值w初始化随机赋值，所述随机激励权值为0到1之间的随机实数，矩阵规模为50×32，所述激励权值无差别作用于矢量水听器全部声压和振速通道上，即单个矢量水听器中的声压和振速通道上的激励权值都是一样的。

定义第i个班级个体矩阵wi对应的目标函数f(wi)表达式为

k1为惩罚系数，用于控制旁瓣峰值水平，其取值大小与整个可视区内的波束数目和波束分辨率相关；S表示波束能量值高于期望旁瓣峰值的区域。本例中惩罚系数设置为k1＝0.5，旁瓣区域设置为[0，86°]∪[94°，360°]。

(3)选取教师个体步骤

评价班级个体适应度，选取适应度最佳的个体作为教师个体，班级的适应度函数可以表示为

其中g表示当前对应的迭代次数。选取班级个体中适应度最高的成员为教师 其余班级成员为学生。

(4)教师自主学习步骤

教师通过自主学习以准备课堂教学内容，其自主学习采用局部搜索方法开展，所述教师自主学习阶段包括如下步骤：

(4.1)以随机遍历序列选取第m个矢量水听器，判断矢量水听器声压和振速通道的激励权值wt，m是否为0，若是则启动“激活”流程，否则，启动“关闭”流程。

所述“激活”流程包括如下步骤：

(4.1.1)以随机激励权值对该矢量水听器进行赋值，所述随机激励权值为0到1之间的实数，激励权值作用于该矢量水听器的全部声压和振速通道。

(4.1.2)判断赋值后新的教师矩阵是否能取得更好的适应度，若是则接受新的激励权值，否则将该矢量水听器全部声压和振速通道的激励权值重新设为0。

所述“关闭”流程包括如下步骤：

(4.2.1)将该矢量水听器全部声压和振速通道的激励权值设为0。

(4.2.2)判断赋值后新的教师矩阵是否能取得更好的适应度，若是则接受新的激励权值，否则将该矢量水听器全部声压和振速通道的激励权值返回到原始状态。

(4.2)判断教师个体中是否所有的矢量水听器均已遍历，若是则结束教师自主学习步骤，否则转入步骤(4.1)。

(5)教师教学阶段步骤

该阶段教师依据班级成员的整体知识水平进行授课，目的是使班级平均水平与自身知识水平更为接近。教师与班级平均知识水平的差异定义如下：

其中rand表示[0，1]的随机数，wg表示班级的平均知识水平，Tf表示教学因子，该因子用于表示教学效果，以等概率取值1或者2。该阶段的班级成员知识更新方式为

若成员个体的更新值 相比原来取得了更好的结果，则会被保留，否则返回原始激励状态。

(6)学生互相学习阶段步骤

(6.1)随机选择两个学生个体权值矩阵 和 其所对应的目标函数值分别为 和 若 即个体i的适应度比个体j更高，此时个体j向个体i学习， 否则个体i向个体j学习，

(6.2)若更新后的权值矩阵 对应目标函数值低于原有值，则令 否则，不做处理；若更新后的权值矩阵 对应目标函数值低于原有值，则令 否则，不做处理；

(6.3)重复执行步骤(6.1)～(6.2)，使多个班级个体之间有机会互相学习，重复执行次数由班级个体数目决定。

(7)终止判断步骤

如果当前迭代次数g达到最大迭代次数100，则终止优化进程，输出最终班级激励权值矩阵，并选择其中最优个体作为最终的矢量水听器稀疏布阵方案；否则，转入步骤(3)。

本例最终得到的稀疏矢量阵列中水听器数目为24，激励权值分布如图2所示，图3为稀疏矢量阵与原始阵列的空间波束对比图。根据最终的稀疏布阵结果可知，稀疏矢量阵相比原始阵列的水听器数目减少25％，最大旁瓣峰值由原来的-13.3dB下降为-18dB，具有更好的旁瓣抑制效果。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

一种基于教与学优化的矢量水听器稀疏布阵方法专利购买费用说明

Q：办理专利转让的流程及所需资料

A：专利权人变更需要办理著录项目变更手续，有代理机构的，变更手续应当由代理机构办理。

1：专利变更应当使用专利局统一制作的“著录项目变更申报书”提出。

2：按规定缴纳著录项目变更手续费。

3：同时提交相关证明文件原件。

4：专利权转移的，变更后的专利权人委托新专利代理机构的，应当提交变更后的全体专利申请人签字或者盖章的委托书。

Q:专利著录项目变更费用如何缴交

A：（1）直接到国家知识产权局受理大厅收费窗口缴纳,（2）通过代办处缴纳，（3）通过邮局或者银行汇款,更多缴纳方式

Q：专利转让变更，多久能出结果

A：著录项目变更请求书递交后，一般1-2个月左右就会收到通知，国家知识产权局会下达《转让手续合格通知书》。