作者:祁峥东; 卢阳沂; 孔玥; 刘晨 期刊:《雷达与对抗》 2019年第04期
提出了一种基于迭代算法的稀疏阵列综合方法,通过减少阵列单元数量以简化波束形成网络。该方法在每一步迭代过程中使用多凸优化方法,将控制主瓣波纹大小的非凸函数转化成凸函数,并将稀疏阵列综合问题转化为一系列迭代加权L1范数最小化的稀疏重构问题。通过该算法综合出来的阵列天线具有较少单元数与较高的方向图性能。算例表明,与传统算法相比较,文中提出的方法可以节省大量天线单元。
作者:王新宽; 帅春江 期刊:《陕西理工大学学报·自然科学版》 2017年第05期
为了获得期望的参数指标,提出了一种基于时间调制的准泰勒阵列天线设计方案,该方案通过对动态单元接通时长进行简化处理并适当降低目标旁瓣电平值来实现。为了降低旁带辐射,进一步采用差分进化算法对动态单元的通断时刻进行优化,使得控制动态单元的时间脉冲发生移位来抑制谐波电平。基于MATLAB的仿真结果表明,与原始的泰勒综合方法相比,新方案不但有利于简化时间调制阵列中数字控制电路的设计,而且能够在获得相同、甚至更低旁瓣电...
作者:陈亮; 高策 期刊:《科技创新导报》 2015年第33期
该文针对圆阵下,任意形状的方向图综合算法进行了系统地分析和研究。通过模式空间重构算法对圆阵导向矢量进行预处理,完成圆阵导向矢量向线阵导向矢量的结构变换,然后再利用FFT迭代算法进行方向图综合。该文提出的方法,不仅能够保留FFT迭代法综合方向图快速、简洁的优点,同时将FFT法成功地拓展到圆阵上,实现了任意形状的方向图综合。通过计算机仿真实验最终验证了该文提出的算法的正确性和有效性。
作者:范瑜; 金荣洪; 耿军平; 刘波 期刊:《电子学报》 2004年第12期
阵列天线方向图综合作为智能天线的一项重要技术对于复杂系统的优化问题提出了更高的要求.本文结合差分进化的基本思想和遗传算法的基因交叉和变异方法构建了一种新的混合优化方法.该算法使用差分进化算子作为主要优化手段,结合遗传算法优胜劣汰的基本思想以及其中的交叉和变异方法,通过融合两种优化方法各自的优点,可以显著改善多参数、高度非线性问题的优化结果、提高计算效率.计算机仿真结果表明,与现有算法相比,该算法用于天线...
作者:杨林; 杨莘元; 于波; 刘纯青 期刊:《哈尔滨工程大学学报》 2005年第05期
在干扰入射方向,自适应天线阵方向图会自动产生零陷,从而实现抗干扰的功能.基于最小均方误差准则,应用一种改进的自适应算法对线天线阵进行方向图综合.对主副瓣施加人为干扰,使其产生预定变化,改进了对期望电平的计算,使得算法更为简化,同时可以实现对不等间距阵列的方向图综合,而且能够按设计要求有效地控制主瓣电平和副瓣电平,使其达到预期的效果,克服了传统算法的诸多不足,仿真结果显示算法很好的完成设计要求,从而表明算法具有...
作者:陆必应; 梁甸农 期刊:《国防科技大学学报》 2005年第06期
研究了用自适应波束形成技术实现不规则阵列的方向图综合问题,改进了应用于方向图综合的迭代线性约束最小二乘方法,改进后的算法提高了数值稳定性和对随机稀疏阵的适应性.对特定的阵列如果指定的理想方向图无法达到,该算法可以获得最好的逼近.仿真结果验证了算法的性能.
作者:郭华; 崔琳; 焦亚萌; 张晓丹 期刊:《信息通信》 2019年第02期
将改进非线性最小二乘法应用到同心椭圆环阵列天线综合当中,通过优化同心椭圆环阵列天线阵列单元的激励幅度和相位,得到满足要求的辐射方向图。通过严格的数学推导,得到满足非线性最小二乘法的数学表达式,使得优化过程进一步简化。文中介绍的方法能够快速实现同心椭圆环阵列天线的优化,同时改变了传统非线性最小二乘法对初始条件敏感的缺点。
作者:杨永建; 王晟达; 赵星辰; 马健; 邓有为 期刊:《现代防御技术》 2013年第01期
在阵列方向图综合中,粒子群优化技术通过简单的算法就可以达到很好的综合效果。然而基本的粒子群算法存在易于陷入局域最优值、迭代次数大的缺点,针对这些缺点,提出了一种新的算法——二分粒子群优化算法。该算法利用基本粒子群算法中的随机因素将其下一代的粒子分裂为2个粒子,在这2个粒子中选优处理。仿真结果表明,改进算法改善了基本粒子群算法容易收敛到局域最优值和迭代次数大的缺点,在阵列方向图的综合中取得了良好的效...
作者:路占波; 鄢学全; 向彬 期刊:《现代雷达》 2018年第07期
低频天线工作波长长,辐射性能受载机影响大,且阵列布局受限于安装环境极不规则,从而造成副瓣电平抬高和方向图恶化,传统的阵列综合方法将难以适用,文中采用遗传算法并结合载机影响来优化,以实现所期望的平均副瓣。作为一种优化算法,它能解决一些Ⅳ维和非线性的优化问题。首先,给出了任意阵列的方向图公式;其次,介绍了遗传算法;最后,给出了应用实例及其优化结果。结果表明,该算法是一种解决多维和非线性问题的行之有效...
作者:石力; 陈鑫; 吴玮琦; 卢凯 期刊:《电波科学学报》 2014年第01期
提出了一种改进的方向图综合方法.该方法以遗传算法为基础,以正交基函数表示天线口径分布,并且在优化过程中,对交叉概率、变异概率和变异范围同时进行自适应的变化.和原有的遗传算法相比,该算法减少了优化变量的数目,天线激励的相位和幅度曲线更光滑,提高了收敛的速度,并且缩小了幅度的动态变化范围.线阵和面阵的仿真结果均表明,该方法实用、高效.
作者:董健; 钱婷婷; 施荣华 期刊:《电波科学学报》 2016年第02期
提出一种基于改进黑洞算法的阵列天线方向图综合方法,在可控吸收率的基础上实施后向学习机制,增加种群多样性以避免早熟收敛.针对基本黑洞算法在局部搜索方面的不足引入爬山搜索算子,增加个体搜索深度以提高寻优效率.将所提算法应用于稀疏天线阵和等距非均匀天线阵的方向图综合,仿真结果验证了所提算法解决该类问题的有效性.
作者:田雨波; 高东慧 期刊:《电波科学学报》 2013年第01期
为了有效避免粒子群优化(Particle Swarm Optimization,POS)算法早熟收敛和陷入局部最优,提出了一种改进的小波变异粒子群优化(Improved PSO with Wavelet Mutation,IPSOWM)算法,该算法每次迭代时以一定的概率选中粒子进行小波变异扰动,将该改进算法应用于直线阵综合问题,结合实际应用中的数字衰减器和数字相移器进行了仿真试验.结果表明:该改进算法的搜索精度及稳定性均优于对比文献中结论,适合于天线阵综合问题.
作者:范瑜; 金荣洪; 刘波; 耿军平 期刊:《电子与信息学报》 2005年第05期
在基于遗传算法的阵列天线方向图优化问题中,目标函数的选取直接关系到方向图的优化结果和算法的效率.该文针对不同优化目的的目标函数选取方法,比较了各种目标函数对方向图优化的影响,给出了一个在较大范围内通用的目标函数,同时分析了目标函数中的权重的影响.
作者:李金花; 金荣洪; 范瑜; 盛严慈 期刊:《上海交通大学学报》 2004年第05期
提出了一种改进的模值逼近法,用于任意阵列天线的方向图综合.为了提高阵列方向图综合算法的收敛速度,结合了牛顿下山法和模值逼近法.数值仿真结果表明,该算法有效地提高了模值逼近法的稳定性,并能使其快速收敛到最优化方向图.
作者:杨莘元; 杨林 期刊:《系统工程与电子技术》 2005年第12期
在天线阵综合的实际情况中,考虑阵元间的互耦影响是十分必要的.应用一种自适应算法进行天线阵方向图综合,把阵元间的互耦考虑在内,具有很强的实际意义.分别对等间距和不等间距阵列进行了方向图综合,都能够按设计要求有效地控制主瓣电平和副瓣电平,使其达到预期的效果.仿真结果显示,算法很好地达到了设计要求,具有较大的应用价值.
作者:吴华宁; 柳超; 李斌; 赵明 期刊:《海军工程大学学报》 2017年第06期
针对蝴蝶交配优化算法(butterfly mating optimization,BMO)无法处理离散的问题,首先提出了一种二进制蝴蝶交配优化(binary butterfly mating optimization,BBMO)算法,并将该算法应用到阵列天线的稀疏优化设计中;然后,以最大副瓣电平为优化目标,对100元直线阵进行了稀疏,优化后得到的最大副瓣电平为-21.28dB,稀疏比例为24%,优化结果好于GA、ACO、BDE、BPSO等算法,证明了该算法的优越性。
作者:林敏; 龚铮权 期刊:《解放军理工大学学报》 2005年第02期
针对阵元间互耦往往会导致智能天线总体性能急剧下降这一现象,提出了一种快速有效的校正方法.该方法以实测的阵元方向图为基础,通过改进型点匹配技术和求最优解来对误差矩阵进行精确的估计.以天线阵方向图综合为背景的计算机模拟结果证明了这种方法的可靠性.
作者:杨林; 杨莘元; 于波 期刊:《应用科技》 2005年第07期
应用一种自适应算法进行天线阵方向图综合.算法考虑了阵元方向图的特性,并能任意控制旁瓣电平,克服了传统算法的不足,很好地完成设计要求.只需要很少的计算时间,具有广泛的应用范围和极强的实际价值.
作者:潘红光; 薛纪康; 高海南; 江能前 期刊:《 电讯技术》 2017年第10期
采用稀疏布阵的相控阵测控天线,阵元等幅激励时的阵列峰值副瓣电平无法满足指标要求。在考虑天线增益、半功率波束宽度等指标约束时设计了合适的适应度函数,并基于粒子群算法(PSO)对阵元激励幅度进行优化以降低天线副瓣电平。同时,分析了等间距栅格平面阵列天线方向图与离散傅里叶变换的关系,采用快速傅里叶变换(FFT)降低了阵列方向图计算复杂度。仿真结果表明,该方法可有效降低峰值副瓣电平和计算复杂度。
作者:李龙军; 王布宏; 夏春和 期刊:《电子学报》 2017年第01期
提出一种基于多任务学习的共形阵列天线稀疏优化方法.该方法在考虑单元方向图的全局旋转变换和单元极化状态差异的情况下,建立了共形阵列天线导向矢量模型,结合多任务学习框架,以均匀分布共形阵列天线同一平面上阵元的方向图作为目标任务进行学习,通过稀疏向量支撑区的识别,将欠定的阵列流形矩阵方程转换为超定的特征矩阵方程进行求解,在实现阵列方向图逼近的前提下,建立了共形阵列天线阵元激励与位置联合稀疏优化的多任务学习模型...