CN105406203A - 一种基于地理约束的稀疏天线阵列的优化布阵方法 - Google Patents

一种基于地理约束的稀疏天线阵列的优化布阵方法 Download PDF

Info

Publication number
CN105406203A
CN105406203A CN201510770122.3A CN201510770122A CN105406203A CN 105406203 A CN105406203 A CN 105406203A CN 201510770122 A CN201510770122 A CN 201510770122A CN 105406203 A CN105406203 A CN 105406203A
Authority
CN
China
Prior art keywords
array
particle
value
constraint
vector
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510770122.3A
Other languages
English (en)
Other versions
CN105406203B (zh
Inventor
崔国龙
余显祥
高尚伟
杨诗倩
孔令讲
杨晓波
易伟
张天贤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201510770122.3A priority Critical patent/CN105406203B/zh
Publication of CN105406203A publication Critical patent/CN105406203A/zh
Application granted granted Critical
Publication of CN105406203B publication Critical patent/CN105406203B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Variable-Direction Aerials And Aerial Arrays (AREA)

Abstract

该发明公开了一种基于地理约束的稀疏天线阵列的优化布阵方法,属于天线技术领域,特别涉及稀疏天线布阵的优化技术。发明基于在给定的布阵范围内,考虑到实际环境中由于地理约束的限制,使得在布阵的某些范围区域内无法放置阵元,提供的方法在地理约束的限制下,阵元的位置按照某种规则稀疏非等间距摆放,具有实际的工程应用价值;此外,在新的设计准则下,本发明只需的少量的阵元数,就能达到相同的空间分辨率且能消除栅瓣,并且在天线的所有扫描角度的方向图上都能实现较低的峰值旁瓣电平PSL。

Description

一种基于地理约束的稀疏天线阵列的优化布阵方法
技术领域
本发明属于天线技术领域,特别涉及稀疏天线布阵的优化技术。
背景技术
稀疏天线阵列是指阵元位置不再是按照传统的以半波长等间隔的方式摆放,而是按照某种规则进行稀疏非等间距的放置,其天线孔径较大,具有波束窄,空间角度分辨率高、能消除栅瓣影响等特点,在雷达、声呐系统等中具有重要的作用。针对天线阵列构型而言,其方向图的峰值旁瓣电平PSL是评价阵列设计性能的一个重要参数;与相同孔径的传统的均匀阵列相比,稀疏阵列的方向图具有较高的PSL。由于方向图是阵元间距的非线性函数,因此,如何优化设计一组阵元位置最优解使得稀疏阵列的PSL在整个扫描角度范围内最小是阵列构型综合问题中研究了半个多世纪的一类重要课题。
随着计算机技术的发展,现代各种进化算法被应用到求解上述非线性优化问题,其典型的算法包括模拟退火、粒子群算法、蚁群算法、遗传算法以及相应的改进算法等。然而,在优化过程中,会出现阵元间距过小以及方向图主瓣展宽等问题,文献“Amulti-objectiveapproachinthelinearantennaarraydesign.AEU-InternationalJournalofElectronicsandCommunications,vol.59,pp.205-212,2005”对该非线性优化中加入了最小阵元间距约束与主瓣宽度约束。此外,在实际工程应用中,稀疏阵列的位置摆放会受到地理环境约束等影响,比如布阵的范围内出现巨石、河流、山丘等使得该范围不能放置阵元,从公开发表的文献资料来看,目前还没有针对地理约束的优化布阵方法。因此,研究一种基于地理约束条件下的稀疏阵列布阵方法具有重要的应用价值。
发明内容
本发明所要解决的技术问题是,在给定的布阵范围(孔径)内,通过对天线扫描角度范围内各个方向的方向图的峰值旁瓣电平PSL求和为一种新的设计准则,提供了一种在地理约束条件下,天线阵列少、角度分辨率高、实用性强的优化布阵方法。
本发明为解决上述技术难题所采用的技术方案是,一种基于地理约束的稀疏天线阵列的优化布阵方法,包括以下步骤;
步骤1:假设在天线阵列的布阵范围为[0,D]布置了N个阵元,位置分别为d0,d1,…,dN-1,其中,d0=0,dN-1=D,各个天线阵元各向同性,天线系统工作波段为λ;此外,假设该天线阵列的扫描角度区域为[φ01],并以步长△θ等分该扫描角度区域得到L个角度分别为θ12,…,θL,以主瓣在所有扫描角度上的方向图的峰值旁瓣电平PSL之和构造适应度函数fitness(d0,d1,…,dN-1),表示为
f i t n e s s ( d 0 , d 1 , ... , d N - 1 ) = Σ l = 1 L maxF d B ( θ S L l ) - - - ( 0.1 )
其中,表示排除主瓣在θl的旁瓣区域,表示排除主瓣区域后的方向图旁瓣电平,∑(·)表示求和运算符,max(·)求取最大值的运算符;
步骤2:由于上述适应度函数是阵元位置的非线性函数,采用粒子群算法,由于在布阵范围内存在地理约束,以及最小间隔约束,因此首先对位置进行预先处理,具体步骤如下;
步骤2-1:假设在布阵范围为[0,D]范围内(D1,D2)有地理约束的限制,无法放置阵元,因此,布阵的范围为[0,D1]∪[D2,D];此外,考虑到阵元之间的互耦影响,设置阵元的最小阵元间距dn-dn-1≥△d,其中,△d表示最小间距,n=1,2,N-1;
步骤2-2:在(0,D-(D2-D1)-(N-1)△d]随机均匀产生一组位置向量其中[·]T表示求转置运算符,表示向量d0的第n维的值,n=1,2,…,N-2;
步骤2-3:通过下面公式对d0加入最小间距约束,
[ d 1 1 , d 2 1 , ... , d N - 2 1 ] T = [ d 1 0 , d 2 0 , ... , d N - 2 0 ] T + [ Δ d , 2 Δ d , ... , ( N - 2 ) Δ d ] T - - - ( 0.2 )
其中, d n 1 = d n 0 + n Δ d , n = 1 , 2 , ... , N - 2 ; 同时令 d 0 1 = 0 , d N - 1 1 = D - ( D 2 - D 1 ) ;
步骤2-4:令向量 d 1 = [ d 0 1 , d 1 1 , ... , d N - 1 1 ] T , 并把该向量分成两部分为, d 1 = [ d f T , d b T ] T 其中,
d f = [ d 0 1 , d 1 1 , ... , d m 1 ] T , d i 1 ∈ [ 0 , D 1 ) , i = 0 , 1 , ... , m - - - ( 0.3 )
d b = [ d m + 1 1 , d m + 2 1 , ... , d N - 1 1 ] T , d p 1 ∈ [ D 1 , D - ( D 2 - D 1 ) ] , - - - ( 0.4 )
p=m+1,m+2,…,N-1
步骤2-5:加入地理约束可得初始化的阵元位置为
d ( i ) = [ d f T , d m + 1 1 + D 2 - D 1 , d m + 2 1 + D 2 - D 1 , ... , d N - 1 1 + D 2 - D 1 ] T - - - ( 0.5 )
步骤3:采用粒子群算法进行优化,迭代次数I,粒子个数M,初始化i=1,对每一个粒子采用步骤2-2进行位置初始化得到以及相应的速度其中, d m ( i ) = [ d m , 1 ( i ) , d m , 2 ( i ) , ... , d m , N - 2 ( i ) ] T , v m ( i ) = v m ( i ) = [ v m , 1 ( i ) , v m , 2 ( i ) , ... , v m , N - 2 ( i ) ] T 均是1行N-2列的矩阵,表示向量的第n维值,表示向量的第n维值,n=1,2,…,N-2;
步骤4:运用步骤2中的2-3、2-4、2-5对每个粒子加入地理约束以及最小间距约束得到, d ‾ m ( i ) , m = 1 , 2 , ... , M , 其中, d ‾ m ( i ) = [ d ‾ m , 0 ( i ) , d ‾ m , 1 ( i ) , ... , d ‾ m , N - 1 ( i ) ] T 是1行N列的矩阵,表示向量的第n维值,n=0,2,…,N-1;
步骤5:将步骤4得到的位置代入步骤2的公式(0.1)初始化第m个粒子的适应度值 p b e s t _ fitness m ( i ) , m = 1 , 2 , ... , M , 以及第m个粒子的自身最好的位置 pbest m ( i ) = d m ( i ) , m = 1 , 2 , ... , M ;
步骤6:在 p b e s t _ fitness m ( i ) , m = 1 , 2 , ... , M 中找出第i次迭代的全局最小的适应度值gbest_fitness(i),以及相应的全局最好粒子的位置gbest(i)
步骤7:进行第i+1次迭代,通过以下公式对第i+1次的粒子位置的进行更新
v ‾ m , n ( i + 1 ) = w ( i ) v m , n ( i ) + c 1 r m , n ( i ) ( pbest m , n ( i ) - d m , n ( i ) ) + c 2 ( 1 - r m , n ( i ) ) ( gbest n ( i ) - d m , n ( i ) ) - - - ( 0.6 )
v m , n ( i + 1 ) = m i n ( v m a x d , m a x ( v min d , v ‾ m , n ( i + 1 ) ) ) - - - ( 0.7 )
d m , n ( i + 1 ) = d m , n ( i ) + v m , n ( i + 1 ) - - - ( 0.8 )
如果 d m , n ( i + 1 ) > D - ( D 2 - D 1 ) - ( N - 1 ) Δ d ,
d m , n ( i + 1 ) = D - ( D 2 - D 1 ) - ( N - 1 ) Δ d - 0.25 * r ‾ m , n ( i ) * [ D - ( D 2 - D 1 ) - ( N - 1 ) Δ d ] - - - ( 0.9 )
如果 d m , n ( i + 1 ) < 0 ,
d m , n ( i + 1 ) = 0.25 * r ^ m , n ( i ) * &lsqb; D - ( D 2 - D 1 ) - ( N - 1 ) &Delta; d &rsqb; - - - ( 0.10 )
其中,表示第i次迭代的第m个粒子速度向量的第n维的值,表示第i次迭代的第m个粒子的自身最好的粒子的第n维的值,表示第i次迭代的全局最好的粒子gbest(i)的第n维的值,c1、c2为设定的固定数值,均为(0,1)之间随机均匀分布的数, v m a x d = - v m i n d = D - ( D 2 - D 1 ) - ( N - 1 ) &Delta; d , 此外,w(i)为的一次线性函数;
步骤8:将得到的粒子位置返回步骤10进行循环迭代,直到满足i=I停止,获得gbest*并按照步骤2中的2-3、2-4、2-5加入地理约束与最小间距约束得到阵列的最优位置
其中步骤7中c1=c2=1.4945, w ( i ) = 0.9 - i I 0.5.
本发明的有益效果是
在给定的布阵范围内(孔径),考虑到实际环境中由于地理约束的限制,使得在布阵的某些范围区域内无法放置阵元,基于此,本发明提出了一种基于地理约束条件下的优化布阵方法;本发明提供的方法在地理约束的限制下,阵元的位置按照某种规则稀疏非等间距摆放,具有实际的工程应用价值;此外,在新的设计准则下,本发明只需的少量的阵元数,就能达到相同的空间分辨率且能消除栅瓣,并且在天线的所有扫描角度的方向图上都能实现较低的峰值旁瓣电平PSL。
附图说明
图1为本发明的流程框图;
图2为本发明的阵列结构示意图;
图3为在给定参数下的优化的天线阵列位置;
图4为优化的天线的阵列方向图。
具体实施步骤
步骤1:首先提出一种新的天线布阵设计准则,即新的适应度函数,具体步骤如下;
步骤1-1:如图2所示,在以y轴为横坐标,z轴为纵坐标的笛卡尔坐标系中,将N个阵元布置在[0,D]范围,设天线系统工作波长为λ=3m,天线阵列的孔径D=100m,阵元个数N=20,天线位置分别为d0,d1,…,d19,其中,d0=0,d19=100m;假设天线的扫描角度范围为[-45°,45°],并以步长△θ=0.1°将天线的扫描角度区域等距划分为θ12,…,θ901,并给出该901个扫描的角度的导向矩阵A,
A=[a(θ1),a(θ2),…,a(θ901)](0.11)
其中,a(θl)表示方向在θl的导向矢量,l=1,2,…,901,具体表示为
a ( &theta; l ) = &lsqb; 1 , e j 2 &pi; &lambda; d 1 sin&theta; l , ... , e j 2 &pi; &lambda; d N - 1 sin&theta; l &rsqb; T - - - ( 0.12 )
其中,λ表示天线系统的工作波长。
步骤1-2:方向图矩阵P可写为
P=AHA
=[p1,p2,…,p901](0.13)
其中,pl表示主瓣方向在θl的方向图,l=1,2,…,901,具体可表示为
pl=[aH1)a(θl),aH2)a(θl),…,aHL)a(θl)]T(0.14)
其中,(·)H表示共轭转置操作符。
步骤1-3:分别对pl,l=1,2,…,L中的每个元素求取绝对值,
p &OverBar; l = &lsqb; | a H ( &theta; 1 ) a ( &theta; l ) | , | a H ( &theta; 2 ) a ( &theta; l ) | , ... , | a H ( &theta; L ) a ( &theta; l ) | &rsqb; T - - - ( 0.15 )
其中,|·|表示求绝对值运算符。
步骤1-4:分别对 p &OverBar; l , l = 1 , 2 , ... , 901 进行归一化
p &OverBar; l d B = 20 log 10 p &OverBar; l m a x ( p &OverBar; l ) - - - ( 0.16 )
其中,max(·)求最大值运算符。
步骤1-5:分别对归一化的主瓣峰值在θl的方向图去除主瓣的采样点值,并用零代替,则用表示剩下旁瓣电平,l=1,2,…,901,其中,表示去除主瓣峰值在θl的主瓣区域后的旁瓣角度区域。
步骤1-6:以主瓣在所有扫描角度上的方向图的峰值旁瓣电平PSL之和构造适应度函数,可表示为
f i t n e s s ( d 0 , d 1 , ... , d N - 1 ) = &Sigma; l = 1 901 maxF d B ( &theta; S L l ) - - - ( 0.17 )
步骤2:由于适应度函数是fitness(d0,d1,…,dN-1)是关于位置的非线性函数,这里可采用粒子群算法进行优化。具体步骤如下;
步骤2-1
假设在布阵范围为[0,100m]范围内(D1,D2)有地理约束的限制,无法放置阵元,其中,D1=43m,D2=50m,因此,布阵的范围为[0,43m]∪[50m,100m],其中,∪表示并。此外,考虑到阵元之间的互耦影响,设置阵元的最小阵元间距dn-dn-1≥△d,其中,△d=1.5m,n=1,2,…,19。
步骤2-2
在(0,62.5m]随机均匀产生一组位置向量其中,[·]T表示求转置运算符,表示向量d0的第n维的值,n=1,2,…,18。
步骤2-3
通过下面公式对d0加入最小间距约束,
&lsqb; d 1 1 , d 2 1 , ... , d 18 1 &rsqb; T = &lsqb; d 1 0 , d 2 0 , ... , d 18 0 &rsqb; T + &lsqb; 1.5 m , 3 m , ... , 27 m &rsqb; T - - - ( 0.18 )
其中, d n 1 = d n 0 + 1.5 n , n = 1 , 2 , ... , 18 ; 同时令 d 0 1 = 0 , d 19 1 = 93 m .
步骤2-4
令向量 d 1 = &lsqb; d 0 1 , d 1 1 , ... , d 19 1 &rsqb; T , 并把该向量分成两部分为, d 1 = &lsqb; d f T , d b T &rsqb; T
其中,
d f = &lsqb; d 0 1 , d 1 1 , ... , d m 1 &rsqb; T , d i 1 &Element; &lsqb; 0 , 43 m ) , i = 0 , 1 , ... , m - - - ( 0.19 )
d b = &lsqb; d m + 1 1 , d m + 2 1 , ... , d 19 1 &rsqb; T , d p 1 &Element; &lsqb; 43 m , 93 m &rsqb; , - - - ( 0.20 )
p=m+1,m+2,…,19
其中,∈表示属于。
步骤2-5
加入地理约束可得初始化的阵元位置为
d ( i ) = &lsqb; d f T , d m + 1 1 + 7 m , d m + 2 1 + 7 m , ... , d 19 1 + 7 m &rsqb; T - - - ( 0.21 )
步骤3
这里采用粒子群算法进行优化,假设迭代次数I=2000,粒子个数M=50。
初始化i=1,对每一个粒子采用步骤2-2进行位置初始化得到以及相应的速度其中, d m ( i ) = &lsqb; d m , 1 ( i ) , d m , 2 ( i ) , ... , d m , 18 ( i ) &rsqb; T , v m ( i ) = &lsqb; v m , 1 ( i ) , v m , 2 ( i ) , ... , v m , 18 ( i ) &rsqb; T 均是1行N-2列的矩阵,表示向量的第n维值,表示向量的第n维值,n=1,2,…,18。
步骤4
运用步骤2中的2-3、2-4、2-5对每个粒子加入地理约束以及最小间距约束得到, d &OverBar; m ( i ) , m = 1 , 2 , ... , 50 , 其中, d &OverBar; m ( i ) = &lsqb; d &OverBar; m , 0 ( i ) , d &OverBar; m , 1 ( i ) , ... , d m , 19 ( i ) &rsqb; T 是1行N列的矩阵,表示向量的第n维值,n=0,2,…,19。
步骤5
将步骤4的位置代入步骤3的公式(0.1)初始化第m个粒子的适应度值 p b e s t _ fitness m ( i ) , m = 1 , 2 , ... , 50 , 以及第m个粒子的自身最好的位置 pbest m ( i ) = d m ( i ) , m = 1 , 2 , ... , 50.
步骤6
p b e s t _ fitness m ( i ) , m = 1 , 2 , ... , 50 中找出第i次迭代的全局最小的适应度值gbest_fitness(i),以及相应的全局最好的位置gbest(i)
步骤7
进行第i+1次迭代,通过以下公式对第i+1次的粒子位置的进行更新
v &OverBar; m , n ( i + 1 ) = w ( i ) v m , n ( i ) + c 1 r m , n ( i ) ( pbest m , n ( i ) - d m , n ( i ) ) + c 2 ( 1 - r m , n ( i ) ) ( gbest n ( r ) - d m , n ( i ) ) - - - ( 0.22 )
v m , n ( i + 1 ) = m i n ( v m a x d , m a x ( v m i n d , v &OverBar; m , n ( i + 1 ) ) ) - - - ( 0.23 )
d m , n ( i + 1 ) = d m , n ( i ) + v m , n ( i + 1 ) - - - ( 0.24 )
如果 d m , n ( i + 1 ) > 62.5 m ,
d m , n ( i + 1 ) = ( 62.5 - 0.25 * r &OverBar; m , n ( i ) * 62.5 ) m - - - ( 0.25 )
如果 d m , n ( i + 1 ) < 0 ,
d m , n ( i + 1 ) = 0.25 * r ^ m , n ( i ) * 62.5 m - - - ( 0.26 )
其中,m=1,2,…,50,n=1,2,…,18,表示第i次迭代的第m个粒子速度向量的第n维的值,表示第i次迭代的第m个粒子的自身最好的粒子的第n维的值,表示第i次迭代的全局最好的粒子gbest(i)的第n维的值,c1=c2=1.4945,均为(0,1)之间随机均匀分布的数, v m a x d = - v m i n d = 62.5 m , 此外,w(i)的计算公式为
w ( i ) = 0.9 - i 2000 0.5 - - - ( 0.27 )
步骤8
将得到的粒子位置返回步骤10进行循环迭代,直到满足i=2000停止,返回出gbest*并按照步骤2中的2-3、2-4、2-5加入地理约束与最小间距约束得到阵列的位置分别为0m,8.15m,13.53m,16.25m,17.81m,22.34m,24.28m,、28.29m,30.11m,34.10m,40.56m,52.26m,54.79m,57.18m,64.87m,66.94m,77.55m,81.44m,85.64m,100m。从图3给出了优化阵列的位置示意图,从图中也可看出红色框内没有摆放阵元,此外,图4给出了阵列的方向图,在100m的孔径内,波长λ=3m只需20个阵元就可使方向图的峰值旁瓣电平降到大约在-10.57dB,并且没有栅瓣模糊,空间分辨率大约为1.5°。

Claims (2)

1.一种基于地理约束的稀疏天线阵列的优化布阵方法,包括以下步骤;
步骤1:假设在天线阵列的布阵范围为[0,D]布置了N个阵元,位置分别为d0,d1,…,dN-1,其中,d0=0,dN-1=D,各个天线阵元各向同性,天线系统工作波段为λ;此外,假设该天线阵列的扫描角度区域为[φ01],并以步长△θ等分该扫描角度区域得到L个角度分别为θ12,…,θL,以主瓣在所有扫描角度上的方向图的峰值旁瓣电平PSL之和构造适应度函数fitness(d0,d1,…,dN-1),表示为
其中,表示排除主瓣在θl的旁瓣区域,表示排除主瓣区域后的方向图旁瓣电平,∑(·)表示求和运算符,max(·)求取最大值的运算符;
步骤2:由于上述适应度函数是阵元位置的非线性函数,采用粒子群算法,由于在布阵范围内存在地理约束,以及最小间隔约束,因此首先对位置进行预先处理,具体步骤如下;
步骤2-1:假设在布阵范围为[0,D]范围内(D1,D2)有地理约束的限制,无法放置阵元,因此,布阵的范围为[0,D1]∪[D2,D];此外,考虑到阵元之间的互耦影响,设置阵元的最小阵元间距dn-dn-1≥△d,其中,△d表示最小间距,n=1,2,N-1;
步骤2-2:在(0,D-(D2-D1)-(N-1)△d]随机均匀产生一组位置向量其中[·]T表示求转置运算符,表示向量d0的第n维的值,n=1,2,…,N-2;
步骤2-3:通过下面公式对d0加入最小间距约束,
其中,同时令
步骤2-4:令向量并把该向量分成两部分为,其中,
步骤2-5:加入地理约束可得初始化的阵元位置为
步骤3:采用粒子群算法进行优化,迭代次数I,粒子个数M,初始化i=1,对每一个粒子采用步骤2-2进行位置初始化得到以及相应的速度其中,均是1行N-2列的矩阵,表示向量的第n维值,表示向量的第n维值,n=1,2,…,N-2;
步骤4:运用步骤2中的2-3、2-4、2-5对每个粒子加入地理约束以及最小间距约束得到,其中,是1行N列的矩阵,表示向量的第n维值,n=0,2,…,N-1;
步骤5:将步骤4得到的位置代入步骤1的公式(0.1)初始化第m个粒子的适应度值以及第m个粒子的自身最好的位置
步骤6:在中找出第i次迭代的全局最小的适应度值gbest_fitness(i),以及相应的全局最好粒子的位置gbest(i)
步骤7:进行第i+1次迭代,通过以下公式对第i+1次的粒子位置的进行更新
如果
如果
其中,表示第i次迭代的第m个粒子速度向量的第n维的值,表示第i次迭代的第m个粒子的自身最好的粒子的第n维的值,表示第i次迭代的全局最好的粒子gbest(i)的第n维的值,c1、c2为设定的固定数值,均为(0,1)之间随机均匀分布的数, 此外,w(i)为的一次线性函数;
步骤8:将得到的粒子位置返回步骤10进行循环迭代,直到满足i=I停止,获得gbest*并按照步骤2中的2-3、2-4、2-5加入地理约束与最小间距约束得到阵列的最优位置
2.如权利要求1所述的一种基于地理约束的稀疏天线阵列的优化布阵方法,其特征在于其中步骤7中c1=c2=1.4945,
CN201510770122.3A 2015-11-12 2015-11-12 一种基于地理约束的稀疏天线阵列的优化布阵方法 Active CN105406203B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510770122.3A CN105406203B (zh) 2015-11-12 2015-11-12 一种基于地理约束的稀疏天线阵列的优化布阵方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510770122.3A CN105406203B (zh) 2015-11-12 2015-11-12 一种基于地理约束的稀疏天线阵列的优化布阵方法

Publications (2)

Publication Number Publication Date
CN105406203A true CN105406203A (zh) 2016-03-16
CN105406203B CN105406203B (zh) 2018-02-02

Family

ID=55471551

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510770122.3A Active CN105406203B (zh) 2015-11-12 2015-11-12 一种基于地理约束的稀疏天线阵列的优化布阵方法

Country Status (1)

Country Link
CN (1) CN105406203B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106356641A (zh) * 2016-09-20 2017-01-25 厦门大学 多项式与粒子群混合方法的阵列天线设计方法
CN106650260A (zh) * 2016-12-22 2017-05-10 厦门大学 最小间距可控的超宽带无栅瓣稀疏线阵设计方法
CN107677995A (zh) * 2017-09-08 2018-02-09 电子科技大学 一种基于pmepr‑pslr联合优化的ofdm波形设计方法
CN109241576A (zh) * 2018-08-14 2019-01-18 西安电子科技大学 基于蚁狮算法的稀疏天线方向图综合方法
CN110032805A (zh) * 2019-04-16 2019-07-19 电子科技大学 一种地理约束下的稀疏线性阵列优化布阵方法
CN111062109A (zh) * 2019-07-11 2020-04-24 中国地质大学(武汉) 一种天线设计的多目标约束优化建模与演化求解方法
CN112016209A (zh) * 2020-08-28 2020-12-01 哈尔滨工业大学 基于蚁群算法的分布式嵌套圆阵列综合布阵方法
CN113255119A (zh) * 2021-05-13 2021-08-13 电子科技大学 基于非规则阵元重构的网络化雷达低栅副瓣波束优化方法
CN114491876A (zh) * 2022-04-13 2022-05-13 杭州兆华电子股份有限公司 一种漏损声波检测阵列的自适应重构组阵方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104020438A (zh) * 2014-06-20 2014-09-03 西安电子科技大学 基于稀疏表示的波达方向角估计方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104020438A (zh) * 2014-06-20 2014-09-03 西安电子科技大学 基于稀疏表示的波达方向角估计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈客松等: "一种有阵元间一种有阵元间距约束的稀布阵天线综合方法距约束的稀布阵", 《电波科学学报》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106356641B (zh) * 2016-09-20 2019-07-23 厦门大学 多项式与粒子群混合方法的阵列天线设计方法
CN106356641A (zh) * 2016-09-20 2017-01-25 厦门大学 多项式与粒子群混合方法的阵列天线设计方法
CN106650260A (zh) * 2016-12-22 2017-05-10 厦门大学 最小间距可控的超宽带无栅瓣稀疏线阵设计方法
CN107677995A (zh) * 2017-09-08 2018-02-09 电子科技大学 一种基于pmepr‑pslr联合优化的ofdm波形设计方法
CN107677995B (zh) * 2017-09-08 2020-05-12 电子科技大学 一种基于pmepr-pslr联合优化的ofdm波形设计方法
CN109241576B (zh) * 2018-08-14 2020-06-30 西安电子科技大学 基于蚁狮算法的稀疏天线方向图综合方法
CN109241576A (zh) * 2018-08-14 2019-01-18 西安电子科技大学 基于蚁狮算法的稀疏天线方向图综合方法
CN110032805A (zh) * 2019-04-16 2019-07-19 电子科技大学 一种地理约束下的稀疏线性阵列优化布阵方法
CN111062109A (zh) * 2019-07-11 2020-04-24 中国地质大学(武汉) 一种天线设计的多目标约束优化建模与演化求解方法
CN111062109B (zh) * 2019-07-11 2022-03-15 中国地质大学(武汉) 一种天线设计的多目标约束优化建模与演化求解方法
CN112016209A (zh) * 2020-08-28 2020-12-01 哈尔滨工业大学 基于蚁群算法的分布式嵌套圆阵列综合布阵方法
CN112016209B (zh) * 2020-08-28 2021-09-03 哈尔滨工业大学 基于蚁群算法的分布式嵌套圆阵列综合布阵方法
CN113255119A (zh) * 2021-05-13 2021-08-13 电子科技大学 基于非规则阵元重构的网络化雷达低栅副瓣波束优化方法
CN113255119B (zh) * 2021-05-13 2022-11-22 电子科技大学 基于非规则阵元重构的网络化雷达低栅副瓣波束优化方法
CN114491876A (zh) * 2022-04-13 2022-05-13 杭州兆华电子股份有限公司 一种漏损声波检测阵列的自适应重构组阵方法及系统

Also Published As

Publication number Publication date
CN105406203B (zh) 2018-02-02

Similar Documents

Publication Publication Date Title
CN105406203A (zh) 一种基于地理约束的稀疏天线阵列的优化布阵方法
CN103852751B (zh) 基于接收波束形成的集中式mimo雷达波形设计方法
CN104537185B (zh) 基于量子蝙蝠搜索的天线阵稀疏构建与方向图综合方法
CN107450047B (zh) 嵌套阵下基于未知互耦信息的压缩感知doa估计方法
CN108931758A (zh) 一种使用互质线阵进行低复杂度角度估计的方法
CN109212466B (zh) 一种基于量子蜻蜓演化机制的宽带测向方法
CN109241576B (zh) 基于蚁狮算法的稀疏天线方向图综合方法
CN106443663A (zh) 一种用于相控阵雷达降维四通道和差波束测角的方法
CN112100701B (zh) 基于遗传算法的二维分布式天线子阵位置优化方法
CN110531312B (zh) 一种基于稀疏对称阵列的doa估计方法和系统
CN107658573B (zh) 一种基于量子搜寻者搜索机制的圆环阵方向图综合方法
CN107024681A (zh) 基于杂波知识未确知条件下mimo雷达收发联合优化方法
CN110007283A (zh) 雷达波达方向估计方法、装置、计算机设备及存储介质
CN107037398B (zh) 一种二维music算法估计波达方向的并行计算方法
He et al. Polarization difference smoothing for direction finding of coherent signals
Khalaf et al. Different adaptive beamforming algorithms for performance investigation of smart antenna system
Yang et al. Robust adaptive beamforming using an iterative FFT algorithm
CN109212465B (zh) 一种基于文化蚁狮机制的特殊阵列动态测向方法
CN111487594A (zh) 一种基于粒子群优化的圆阵列波束形成方法
Magdy et al. Direction of arrival estimation based on maximum likelihood criteria using gravitational search algorithm
CN100380134C (zh) 小型天线阵口径扩展与空间信号处理方法
CN115146544A (zh) 一种采用知识和数据混合驱动的阵列天线设计方法
Rattan et al. Antenna Array Optimization using Evolutionary Approaches.
CN115421098A (zh) 嵌套面阵下降维求根music的二维doa估计方法
Ma et al. Computation-efficient 2-D DOA estimation algorithm with array motion strategy

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant