综合孔径辐射计阵列排布优化并行算法研究
发布时间:2020-07-06 06:09
【摘要】:综合孔径辐射计是以干涉测量为基础的微波辐射接收机。它采用若干个以一定结构形式排布而成的天线阵列来等效合成一个大的接收口径。相比于传统的实孔径辐射计,综合孔径辐射计减少了体积与重量,无需机械扫描,并且提高了空间分辨率等探测性能。阵列排布优化是综合孔径辐射计的一项关键技术,阵列的排布形式很大程度上决定着最后的反演图像质量。用于阵列排布优化的启发式算法面临着求解精度与计算复杂度之间的矛盾,当阵列规模较大时,优化阵列的时间代价往往很高。因此,本文以此作为切入点,将并行计算技术引入到阵列排布优化之中。主要内容如下:针对搜索大阵元数低冗余线阵时间消耗过大的问题,本文以经典的粒子群算法作为基础,提出针对搜索低冗余线阵问题的一种有效的协同并行策略,并且充分利用一般低冗余线阵的结构信息,将并行粒子群算法运用到搜索大阵元数的低冗余线阵之中。本文实验将采用不同核心数的并行算法做了对比,实验结果表明了该并行算法的可行性及效果。寻找最优灵敏度阵列也是阵列优化中比较重要的问题,优化阵列的灵敏度同样经常面临着时间代价过高的问题。本文提出了用于搜索最优灵敏度阵的一种并行模拟退火算法,并且基于该算法的原理,进一步提出自适应并行模拟退火算法,即借助算法执行过程中各进程通信的契机,将当前计算结果进行反馈以调整算法的降温速率。实验结果表明了并行模拟退火算法以及进一步的改进方法对搜索最优灵敏度阵的效率提升的效果。
【学位授予单位】:华中科技大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:TP18;TN850
【图文】:
图 3.5 并行 PSO 算法搜索 MRLA 时间消耗对比柱状图进一步验证并行算法的性能,本实验采用加速比来评估。加速比:解决行算法执行时间消耗与相应的并行算法执行时间消耗的比值,即:(ncore)(ncore)sppTST (表示加速比,ncore 表示执行任务时调用的核心数,sT 表示串行算法执行时并行算法执行时间。比越大,说明并行度越高,并行算法越优。本实验中,调用两个处理核1.71,调用四个处理核心时(4) 2.46pS 。可见,随着进程数量增加,算法步降低。并行 PSO 算法相比串行算法,搜索效率显著提高。加速比的数值结果分析可知,加速比与调用核心数有一定差距,这是由和寻找 MRLA 这个问题的复杂性决定的。
3 1157.132 472.962 194.4684 1221.763 742.171 650.4155 3108.071 1016.623 496.3326 410.374 793.604 218.4327 7796.191 2627.575 249.2888 259.943 2231.935 179.4639 7306.585 2385.616 73.52310 1521.752 2182.163 107.765均值 2321.231 1516.554 231.392注:为了避免 PSO 算法搜索陷入局部最优而停滞,采用了算法“重启”机制试验次数的时间消耗可能有较大差距。 3.9 展示了不同进程数的并行 PSO 算法搜索 LRLA 时间消耗对比:
华 中 科 技 大 学 硕 士 学 位 论 文:表中无论对于串行还是并行 SA 算法寻求最优灵敏度阵的统计数据,在时间面有部分数据大幅超过平均值的情况。在算法设计时,在单次优化没有达到设化标准会“重启”优化流程。并行 SA 算法调用不同核心数时搜索 MDA 时间消耗如图 4.7 所示:
【学位授予单位】:华中科技大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:TP18;TN850
【图文】:
图 3.5 并行 PSO 算法搜索 MRLA 时间消耗对比柱状图进一步验证并行算法的性能,本实验采用加速比来评估。加速比:解决行算法执行时间消耗与相应的并行算法执行时间消耗的比值,即:(ncore)(ncore)sppTST (表示加速比,ncore 表示执行任务时调用的核心数,sT 表示串行算法执行时并行算法执行时间。比越大,说明并行度越高,并行算法越优。本实验中,调用两个处理核1.71,调用四个处理核心时(4) 2.46pS 。可见,随着进程数量增加,算法步降低。并行 PSO 算法相比串行算法,搜索效率显著提高。加速比的数值结果分析可知,加速比与调用核心数有一定差距,这是由和寻找 MRLA 这个问题的复杂性决定的。
3 1157.132 472.962 194.4684 1221.763 742.171 650.4155 3108.071 1016.623 496.3326 410.374 793.604 218.4327 7796.191 2627.575 249.2888 259.943 2231.935 179.4639 7306.585 2385.616 73.52310 1521.752 2182.163 107.765均值 2321.231 1516.554 231.392注:为了避免 PSO 算法搜索陷入局部最优而停滞,采用了算法“重启”机制试验次数的时间消耗可能有较大差距。 3.9 展示了不同进程数的并行 PSO 算法搜索 LRLA 时间消耗对比:
华 中 科 技 大 学 硕 士 学 位 论 文:表中无论对于串行还是并行 SA 算法寻求最优灵敏度阵的统计数据,在时间面有部分数据大幅超过平均值的情况。在算法设计时,在单次优化没有达到设化标准会“重启”优化流程。并行 SA 算法调用不同核心数时搜索 MDA 时间消耗如图 4.7 所示:
【参考文献】
相关期刊论文 前10条
1 伍大清;郑建国;;基于混合策略自适应学习的并行粒子群优化算法[J];控制与决策;2013年07期
2 刘世成;张建华;刘宗岐;;并行自适应粒子群算法在电力系统无功优化中的应用[J];电网技术;2012年01期
3 袁舒;黄学超;杨p
本文编号:2743268
本文链接:https://www.wllwen.com/kejilunwen/wltx/2743268.html