Un algoritmo metaeuristico ibrido PSO–FPA per la sintesi a lobo laterale ultra‑basso e ad alta direttività di array circolari concentrici per applicazioni radar avanzate

Visione radar più nitida per un mondo con onde radio affollate

Dalle auto a guida autonoma ai satelliti meteorologici e alle reti 5G, i moderni sistemi radar e wireless affrontano lo stesso problema: concentrare i segnali come un laser senza disperdere energia in direzioni indesiderate. Questo articolo presenta un nuovo algoritmo computazionale che aiuta gli ingegneri a progettare array di antenne che concentrano i fasci in modo più stretto riducendo drasticamente le radiazioni parassite che possono causare interferenze, rischi di intercettazione o perdita di dettaglio nelle immagini radar.

Perché le antenne circolari richiedono progettazioni più intelligenti

Molti radar avanzati e sistemi di comunicazione utilizzano array circolari concentrici—anelli di piccole antenne disposti come increspature attorno a un punto centrale. Questa geometria offre naturalmente copertura a 360 gradi e permette di pilotare il fascio elettronicamente senza muovere parti meccaniche. Lo svantaggio è che questi array tendono a produrre forti «lobi laterali», fasci più deboli che si propaggano ad angoli diversi dalla direzione principale. I lobi laterali sprecano potenza e possono ricevere o generare interferenze. Progettare l’esatta distanza e ampiezza di ciascun elemento nei vari anelli per sopprimere i lobi laterali e mantenere un lobo principale stretto e potente è un puzzle complesso con molte configurazioni possibili e senza una formula semplice.

Ispirazione da uccelli e fiori

Per risolvere questo problema, gli autori si rivolgono all’ottimizzazione ispirata alla natura: metodi di ricerca che imitano il comportamento di animali o piante nella ricerca di cibo o nella dispersione del polline. Un metodo ben noto, l’ottimizzazione a sciame di particelle (Particle Swarm Optimization), modella uno stormo di uccelli che si focalizza gradualmente su punti promettenti condividendo le scoperte di ciascun «uccello». Un altro, l’algoritmo dell’impollinazione dei fiori (Flower Pollination Algorithm), imita gli impollinatori che compiono sia grandi salti verso nuovi fiori sia piccoli spostamenti tra quelli vicini. Presi singolarmente, ciascun metodo ha punti di forza e limiti: uno può esplorare ampiamente ma restare intrappolato in una soluzione mediocre, mentre l’altro affina bene le soluzioni locali ma può perdere opzioni migliori altrove nello spazio delle soluzioni.

Una ricerca ibrida che impara strada facendo

Il contributo centrale dell’articolo è un algoritmo ibrido PSO–FPA che fonde queste due strategie in un motore di ricerca auto‑adattante. In questo schema, i progetti candidati di antenna sono trattati contemporaneamente come fiori e uccelli. I passaggi di «impollinazione globale» prendono in prestito l’idea della PSO di momento e attrazione verso le migliori soluzioni trovate finora, aiutando la ricerca a muoversi con uno scopo anziché vagare casualmente. I passaggi di «impollinazione locale» quindi perfezionano le soluzioni vicine, spinte da pesi tarati che mantengono un equilibrio attento tra provare idee nuove e rifinire quelle valide. Questo processo combinato regola, anello per anello, sia la distanza di ciascun anello dal centro sia l’intensità con cui vengono eccitati i suoi elementi, minimizzando contestualmente una funzione di costo che penalizza l’alto livello dei lobi laterali e l’eccessivo allargamento del fascio.

Cosa offre il nuovo algoritmo

Attraverso estese simulazioni al computer, gli autori testano il loro metodo ibrido su diversi layout pratici di array, sia con che senza elemento centrale. In tutti i casi, l’approccio ibrido supera costantemente noti concorrenti, inclusa la PSO standard, il Flower Pollination Algorithm da solo, il metodo Artificial Bee Colony e l’algoritmo di ottimizzazione delle balene. Il nuovo metodo riduce i livelli dei lobi laterali fino a circa −45 decibel—circa il 38–42% migliore rispetto alle tecniche precedenti—mantenendo o migliorando la nitidezza e la potenza del lobo principale. In alcune configurazioni dense, il guadagno del lobo principale raggiunge circa 13 decibel con solo un leggero allargamento del fascio. Non meno importante, questi miglioramenti si ottengono rapidamente: le tipiche sessioni di progetto terminano in meno di 12 secondi su un computer desktop standard, e i pattern di radiazione risultanti rimangono altamente simmetrici e stabili.

Implicazioni per i radar e i sistemi wireless del futuro

Visto in termini non tecnici, lo studio dimostra come combinare due idee ispirate alla natura possa offrire agli ingegneri radar e delle comunicazioni una potente «manopola» automatica per la loro strumentazione. L’algoritmo ibrido PSO–FPA funziona come un progettista automatico, esplorando milioni di configurazioni per posizionare ed eccitare le piccole antenne in un array circolare fino a trovare schemi che inviano la maggior parte dell’energia esattamente dove serve e quasi da nessun’altra parte. Questo si traduce in immagini radar più nitide, migliore separazione dei bersagli e minori interferenze reciproche tra sistemi vicini che condividono uno spettro affollato. Sebbene l’implementazione pratica debba ancora tener conto di aspetti reali come tolleranze di fabbricazione e accoppiamento tra elementi, il lavoro fornisce un solido progetto di riferimento per costruire array di antenne di nuova generazione che vedono più lontano e con maggiore precisione consumando meno risorse.

Citazione: Brahimi, M., Haouam, I., Bouddou, R. et al. A hybrid PSO–FPA metaheuristic algorithm for ultra-low sidelobe and high-directivity synthesis of concentric circular antenna arrays for advanced radar applications. Sci Rep 16, 7037 (2026). https://doi.org/10.1038/s41598-026-36315-6

Parole chiave: array di antenne, sistemi radar, beamforming, algoritmi di ottimizzazione, comunicazioni wireless