CN105024166A - 基于子阵的平面阵列天线方向图综合方法 - Google Patents

Abstract

本发明公布了基于子阵的平面阵列天线方向图综合方法，采用了改进的迭代傅里叶变换法(IFT)与多种智能优化算法相结合的混合优化算法对子阵平面阵列天线进行方向图综合设计，设计过程中采用了构造子阵优化变量的方法，使综合设计更简洁。该综合方法还考虑了天线单元间互耦因素的影响使优化结果更为精确。本发明针对子阵形式的平面阵列天线的综合设计问题具有计算效率高且通用性好的优点。

Description

基于子阵的平面阵列天线方向图综合方法

技术领域

本发明属于雷达天线技术领域，涉及基于子阵的平面阵列天线方向图综合方法。

背景技术

相控阵雷达系统一般含有成千至上万个辐射单元，如果在单元级上应用波束形成技术，将会极大地增加系统开销，使得阵列的自适应算法和有关计算的复杂度大大增加，难以满足实时性的要求，同时需要等数量的高频通道、A/D变换和加权处理等，系统非常复杂，硬件成本很高。通过对大型阵列进行子阵划分，在子阵内部单元间采用模拟波束形成，子阵级间采用数字波束形成，这样不仅可以减少发射接收所需的通道数，降低硬件成本，同时还能减小工程实现难度。

当采用子阵级综合后，在降低相控阵天线设计复杂度、成本的同时也会降低相控阵的性能。采用子阵级加权时，由于子阵间的加权系数相同，子阵间将会形成周期性累积在阵列方向图中形成旁瓣。文献《子阵幅度加权的低副瓣技术研究》(闫秋飞，范国平，徐朝阳，舰船电子对抗，2009，32(6)：62-65.)通过子阵系数与阵元系数的乘积来逼近全阵单元加权时的期望幅度加权系数从而降低天线副瓣。该方法各天线子阵模块均不相同，在大规模阵列时由于模块种类增加成本急剧上升，且天线性能的灵活性受到影响。文献《相控阵的两级子阵级加权方法研究》(胡航，王泽勋，刘伟会，朱淮城.电波科学学报，2009，24(6)：1038-1043)采用了两级子阵级加权方法来降低天线旁瓣，其中第1级子阵级加权用于抑制差波束旁瓣，第2级子阵级加权用于对和、差波束进行自适应干扰抑制。该方法简单易行但在针对阵列天线复杂波束综合问题时将不再适用，通用性不好。

本发明通过改进迭代傅里叶变换法，并将其与差分进化算法以及模拟退火算法结合，提高了子阵平面阵列天线方向图的综合效率。

发明内容

针对现有技术缺点，本发明的目的在于提供一种通用性好、实用性强的基于子阵的平面阵列天线方向图综合方法，通过将改进的IFT方法与智能型优化算法相结合的混合优化方法，有效地提高了子阵阵列天线方向图的综合效率。本发明采用的方法步骤如下：

第一步：获得综合阵列中阵中单元方向图数据P₀，获得综合阵列的工作频率f₀，天线阵列规模：M行、N列，行间距d_y、列间距d_x，子阵单元规模：M₀行，N₀列，目标方向图F_g。取阵列方向图计算点数K，且K＝2ⁿ>max(M,N)，n为正整数；

第二步：利用改进的IFT方法产生m组，m为正整数，且m>1，子阵单元的幅相激励分布Es_i，其中i＝1,2……m，随机产生子阵中各单元幅相激励分布Ec_i，其中i＝1,2……m，以及此情况下对应的阵列天线方向图F_i，其中i＝1,2……m；

第三步：将m组子阵幅相激励分布Es_i，其中i＝1,2……m，以及子阵中各单元幅相激励分布Ec_i，其中i＝1,2……m，结合构造出子阵优化变量E_i，其中i＝1,2……m，并作为差分进化算法的初始值进行优化，获得其中最优的一组幅相激励E_p以及对应阵列天线方向图F_p；

第四步：将该最优的幅相激励分布E_p利用模拟退火优化算法进一步迭代优化，获得最终的最优幅相激励分布E_p1与对应的阵列天线方向图F_p1。

上述方法中阵列天线方向图的计算采用了快速傅里叶变换算法，且采用阵因子与单元方向图P₀乘积的方法计算阵列天线方向图。

本发明与现有技术方法相比，其有益效果是：

①本发明的计算效率高，本方法采用了改进的IFT算法与人工智能型算法相结合的方法对子阵平面阵列天线方向图进行综合。优化初期缩小了搜解区域，后期则避免了搜解陷入局部最优，其计算效率大大提高。

②本发明的计算精确度高，由于在综合过程中，本方法考虑了阵中单元方向图的影响，即考虑了单元间互耦因素，该措施可以更精确地模拟平面阵列辐射特性，进一步提高了计算精度。

③本发明通用性好，本方法不依赖平面阵列天线的阵元类型，基于任何类型阵元的平面阵列天线均可采用本方法进行综合，且目标阵列波束不限定为特定形状。本方法不仅适用于辐射单元矩形栅格排列，还适用于单元三角形排列等周期栅格状类型规则子阵的平面阵列天线方向图的综合设计。

下面结合附图对本发明作进一步详细描述。

附图说明

图1为平面阵列阵中单元方向图数据。

图2为改进的IFT算法流程图。

图3为子阵优化变量数据结构示意图。

图4为基于子阵平面阵列天线方向图综合方法流程图。

图5为扇形宽波束三维方向图。

图6为扇形宽波束方位面切面图。

图7为扇形宽波束俯仰面切面图。

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。以50×64阵列，其子阵为1×4模块的平面阵列天线扇形宽波束综合问题为例，说明基于子阵的平面阵列天线方向图综合方法的具体实施步骤：

第一步：获得综合阵列中阵中单元方向图数据P₀，如图1所示，获得综合阵列的阵列规模：50行、64列，行间距d_y＝0.52λ₀，列间距d_x＝0.54λ₀，λ₀为天线工作波长。子阵规模1行，4列，目标方向图为扇形宽波束，其方位面3dB波宽1.6°，俯仰面3dB波宽10°。本例中取阵列方向图计算点数K＝256＝2⁸>64，K的取值越大对方向图的描述就越精确，但代价是方向图的计算时间会加长；

第二步：利用改进的IFT方法产生m＝40组全阵幅相激励分布Eso_i(i＝1,2……m)，本例中Eso_i(i＝1,2……m)维数是50行，64列。本发明为了优化子阵的幅相激励，在IFT优化过程中将Eso_i(i＝1,2……m)中的幅度相位按照子阵维数1行，4列求平均值获得子阵的幅相激励Es_i(i＝1,2……m)，因此本例中Es_i规模为50行，16列，改进后的IFT算法的详细流程如图2所示。随机产生子阵中各单元幅相激励分布Ec_i(i＝1,2……m)，本例中Ec_i规模为1行4列，通过子阵激励以及子阵中单元激励分布可以计算出阵列中具体的单元激励分布为：

E_0i(k,j)＝Es_i(k,ceil(j/4))×Ec_i(1,mod(j,4))(i＝1,2……m)

激励所对应的阵列天线方向图为F_i(i＝1,2……m)，式中ceil(x)函数表示距x最近的大于等于x的整数，mod(x,y)函数表示x除以y的余数；

第三步：将m＝40组子阵幅相激励分布Es_i(i＝1,2……m)以及子阵中各单元幅相激励分布Ec_i(i＝1,2……m)结合构造出子阵优化变量E_i(i＝1,2……m)，构造变量数据结构如图3所示，将该激励变量作为差分进化算法的初始值，优化后获得其中最优的一组幅相激励E_p以及对应阵列天线方向图F_p；

第四步：将该最优的幅相激励分布E_p代入模拟退火优化算法进一步迭代优化，获得最终的最优幅相激励分布E_p1与对应的阵列天线方向图F_p1。

整个优化过程的适应度函数为Fitness＝W×(weight1×纹波系数+weight2×副瓣)，W为缩放因子，weight1与weight2分别为纹波系数与副瓣的权重，本例中W＝100，weight1＝0.8，weight2＝0.2。

上述方法中阵列天线方向图的计算采用了快速傅里叶变换算法，且采用阵因子与单元方向图P₀乘积的方法计算阵列天线方向图。

Claims (2)

1.基于子阵的平面阵列天线方向图综合方法，其特征在于：包含以下步骤：

第一步：获得综合阵列中阵中单元方向图数据P₀，获得综合阵列的工作频率f₀，阵列规模：M行、N列，行间距d_y、列间距d_x，子阵规模M₀行，N₀列，目标方向图F_g；取阵列方向图计算点数K，且K＝2ⁿ>max(M,N)，n为正整数；

第二步：利用改进的IFT算法产生m组，m为正整数，且m>1，子阵单元的幅相激励分布Es_i，其中i＝1,2……m随机产生子阵中各单元幅相激励分布Ec_i，其中i＝1,2……m以及对应的阵列天线方向图F_i，其中i＝1,2……m；

第三步：将m组子阵幅相激励分布Es_i，其中i＝1,2……m，以及子阵中各单元幅相激励分布Ec_i，其中i＝1,2……m，结合构造出子阵优化变量E_i，其中i＝1,2……m并作为差分进化算法的初始值进行优化，获得其中最优的一组幅相激励E_p以及对应阵列天线方向图F_p；

第四步：将该最优的幅相激励分布E_p利用模拟退火优化算法进一步迭代优化，获得最终的最优幅相激励分布E_p1与对应的阵列天线方向图F_p1。

2.根据权利要求1所述的基于子阵的平面阵列天线方向图综合方法，其特征在于：所述方法中的阵列天线方向图的计算采用了快速傅里叶变换算法，具体是阵因子采用了快速傅里叶变换算法计算，阵列天线方向图是阵因子与单元方向图P₀乘积的方法计算得到。