1.一种基于遗传算法的子阵划分和子阵权值联合优化的方法，其特征在于，包括以下步骤：S1、建立遗传算法染色体的编码方案，其中子阵划分采用Grefenstette编码，子阵权值采用二进制编码；

S2、确定子阵划分和子阵权值联合优化的代价函数；

S3、建立遗传算法的优化迭代过程，收敛后给出最优的子阵划分结构和子阵权值，从而形成差波束；

所述步骤S1建立遗传算法染色体的编码方案，其中子阵划分采用Grefenstette编码，子阵权值采用二进制编码，具体为，S1‑1)、将N元阵列中的N个阵元划分成相互邻接的M个子阵，第m个子阵的阵元数为Nm，m＝1,2,...,M，满足N＝N1+N2+…+NM；N为自然数且为偶数，M为预先确定的一个自然数且为偶数；

其中，N元阵列为N元均匀线阵，N元阵列的接收信号经过移相器、阵元衰减器以及两级求和操作后直接形成和波束；在N元阵列的接收信号经过移相器、阵元衰减器以及一级求和操作后的子阵输出端增加子阵衰减器，子阵输出信号经过子阵衰减器后再合成为差波束；

S1‑2)、在遗传算法的染色体群中，每个染色体由M/2+1个基因构成；

第一个基因描述子阵划分方案，并采用Grefenstette编码，即基于均匀线阵的对称性，将线阵的N/2个阵元划分为M/2个子阵，得到M/2‑1个分隔点，然后将M/2‑1个分隔点转换为Grefenstette码；

后面M/2个基因分别表示M/2个子阵的权值，采用二进制编码，即由M/2个8位二进制码构成；

其中，子阵的权值由二进制编码基因向实数的转换公式为，

式中，gm为第m个子阵的权值，hm+1(k)表示染色体中第m+1个基因的第k位，a为中间变量；

所述步骤S2确定子阵划分和子阵权值联合优化的代价函数，具体为，使差波束方向图的最大副瓣电平逼近于一个期望的副瓣电平，因此采用代价函数为，min[|α‑αd|D(α‑αd)]      (2)式中，α为当前的差波束方向图最大副瓣电平，αd为期望的副瓣电平，D(·)为阶跃函数，即所述步骤S3建立遗传算法的优化迭代过程，收敛后给出最优的子阵划分结构和子阵权值，从而形成差波束，具体为，S3‑1)、产生初始的染色体种群；

在区间1～N/2‑1上随机产生M/2‑1个不同的自然数作为子阵分隔点，然后将M/2‑1个分隔点转换为Grefenstette码；随机产生M/2个不同的8位二进制随机序列作为子阵权值；此Grefenstette码和M/2个二进制序列构成遗传算法的一个染色体；重复以上过程，产生若干个染色体，若干个染色体构成初始的染色体种群；

S3‑2)、评价适应度值；

计算每个染色体所对应的差波束方向图，然后获得每个差波束方向图的最大副瓣电平，将获得的最大副瓣电平代入式(2)，并以式(2)的倒数作为适应度值对种群中的每个染色体进行评价，找出当前最优，即适应度值最大的染色体和最差，即适应度值最小的染色体，然后用最优的染色体代替最差的染色体，从而产生下一代；

S3‑3)、选择操作；

根据步骤S3‑2)得到的适应度值，采用轮盘赌进行选择操作；

S3‑4)、Grefenstette编码；

在交叉和变异前，将第一个基因中的自然数转换为Grefenstette码；

S3‑5)、交叉操作；

采用离散两点交叉；

S3‑6)、变异操作；

染色体以概率Pm发生变异，如果Grefenstette码发生变异，则发生变异的位置的编码由剩余的M/2‑2个Grefenstette码中的任何一个来代替，以产生新的染色体；如果二进制码发生变异，则发生变异的位置的编码由剩余的4M‑1个二进制码中的任何一个来代替，以产生新的染色体；

S3‑7)、Grefenstette编码逆转换；

在交叉和变异后，将第一个基因中的Grefenstette码逆转换为子阵分隔点；

S3‑8)、再次评价适应度值；

计算每个染色体所对应的差波束方向图，获取当前适应度值，再次通过当前适应度值对种群中的每个染色体进行评价，找出当前最优染色体和最差染色体，然后用最优染色体代替最差染色体；

S3‑9)、循环与终止；

若适应度值未达到可接受的量值或优化迭代过程未达到预先设置的最大进化代数，则返回步骤S3‑3)，继续步骤S3‑3)至步骤S3‑8)循环过程，否则终止循环，得到最优染色体，给出最优的子阵划分结构和子阵权值。

2.根据权利要求1所述的一种基于遗传算法的子阵划分和子阵权值联合优化的方法，其特征在于，式(1)中a的取值范围为0～31.875dB，gm的取值范围为0.0255～1。