CN112182953A - 一种模块化平面阵列稀疏优化方法及系统 - Google Patents
一种模块化平面阵列稀疏优化方法及系统 Download PDFInfo
- Publication number
- CN112182953A CN112182953A CN202010922530.7A CN202010922530A CN112182953A CN 112182953 A CN112182953 A CN 112182953A CN 202010922530 A CN202010922530 A CN 202010922530A CN 112182953 A CN112182953 A CN 112182953A
- Authority
- CN
- China
- Prior art keywords
- module
- optimization
- array
- modules
- optimization method
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01Q—ANTENNAS, i.e. RADIO AERIALS
- H01Q21/00—Antenna arrays or systems
Abstract
本发明公开了一种模块化平面阵列稀疏优化方法及系统,属于阵列天线设计领域,包括以下步骤:S1:模块化操作;S2:初始优化参数;S3:优化计算。本发明在应用于大型平面阵列天线稀疏优化时具有高效性,在稀疏度低于2%的情况下,副瓣电平可以达到‑20dB以下,阵元两两之间最小距离小于期望值,可提高阵列辐射性能;采用模块化操作将目标平面划分成多个模块,各模块形状与尺寸统一有利于降低后期加工成本;适用于大型雷达系统和射电天文系统,可大幅度降低系统的重量与成本,提高工程可实现性,值得被推广使用。
Description
技术领域
本发明涉及阵列天线设计技术领域,具体涉及一种模块化平面阵列稀疏优化方法及系统。
背景技术
现代雷达为了提高雷达的观测距离和分辨率,对天线阵列的规模要求越来越大,很多大型雷达的单元数量都达到万以上的量级。射电天文领域为了获得更大的视野和更灵活的工作模式,也开始从传统的大型发射面天线向超大规模平面阵列转型。但是每个单元都是一个天线单元和有源通道组件,超大规模阵列会导致整个雷达系统的成本高昂,阵列的稀疏设计则是有效降低大规模雷达的阵元数量和成本的有效方法。
现有的稀疏阵列优化方案,所有阵元可随机排布于目标区域内任意位置,优化算法根据交叉和变异获得新个体后需判断阵元间最小间距是否满足距离限制条件,当限制距离较大时该判断过程耗费时间多,优化效率低。尽管该方案的阵元位置排布自由度大,但操作难度也很大;当阵元间距较大时,优化结果易陷入局部最优解,不易获得全局最优解。此外,为了满足系统对副瓣的要求,目前稀疏阵列的结果单元位置是随机性毫无规律的,对于超大规模阵列不具备工程实现的可能。上述问题亟待解决,为此,提出一种模块化平面阵列稀疏优化方法及系统。
发明内容
本发明所要解决的技术问题在于:如何提高存在间距限制条件下的稀疏阵列优化效率,同时增加大规模稀疏阵列的工程实现性,提供了一种模块化平面阵列稀疏优化方法。
本发明是通过以下技术方案解决上述技术问题的,本发明包括以下步骤:
S1:模块化操作
将目标区域划分成统一形状、尺寸的模块,输出所有模块的位置信息;
S2:初始优化参数
确定表征所有阵元位置信息的具体参数,生成初始值;
S3:优化计算
构建适用于多目标优化问题的适应度函数,将初始值和适应度函数代入优化方法中进行计算。
更进一步地,在所述步骤S1中,模块化操作的具体过程如下:
S11:在目标区域所在平面上建立坐标系,设置x轴和y轴;
S12:设置模块的形状和尺寸;
S13:将目标平面划分成步骤S2中形状和尺寸的模块,获得各模块的中心位置信息;
S14:确定模块总数N,输出每个模块的位置信息。
更进一步地,在所述步骤S12中,模块形状具有可拼接性,拼接后相邻模块间无缝隙且不重合。
更进一步地,在所述步骤S2中,初始优化参数的具体过程如下:
S21:确定模块编号
将所有模块编号,待优化阵元数量为Na,每个阵元放置在一个模块中,对应优化参数为Na个模块的编号;
S22:确定模块位置信息
根据模块内阵元排布规律确定影响阵元相对模块中心的位置参数;
S23:生成初始值
随机生成一组阵元的模块编号和模块位置信息。
更进一步地,在所述步骤S21中,每个模块与一个阵元对应,阵元的Na个编号均不相同,每个编号均为小于N的正整数。
更进一步地,在所述步骤S23中,所述初始值需满足所有阵元两两之间最小距离大于最小间距;如不满足,则重新生成直到满足条件为止。
更进一步地,在所述步骤S3中,优化方法为遗传算法,优化计算的具体过程如下:
S31:对于新产生的个体,根据待优化参数和模块内阵元排布规律获得种群中个体的阵元排布位置;
S32:根据阵元位置和待优化扫描状态,计算扫描状态下单个或多个切面的方向图副瓣;
S33:设定目标副瓣与优化系数,构建适应度函数;
S34:将初始值和适应度函数代入遗传算法中,进行优化设置,当达到优化次数过程结束,当所有扫描状态的副瓣均小于目标副瓣,保存参数。
更进一步地,在所述步骤S33中,目标副瓣为g,优化系数为α1,α2,…,αn,α,适应度函数fitness表达式如下:
fitness=α1f1+α2f2+...+αnfn+αfa
其中f1,f2,…,fn为各扫描状态的独立适应值,计算公式为:
其中,pslli为各扫描状态下方向图的副瓣;
fa为联动适应值,计算公式为:
其中,psllmax为各扫描状态下方向图副瓣的最大值。
本发明还提供了一种模块化平面阵列稀疏优化系统,包括:
模块化操作模块,用于将目标区域划分成统一形状、尺寸的模块,输出所有模块的位置信息;
初始优化参数模块,用于确定表征所有阵元位置信息的具体参数,生成初始值;
优化计算模块,用于构建适用于多目标优化问题的适应度函数,将初始值和适应度函数代入优化方法中进行计算;
控制处理模块,用于向各模块发出指令,完成相关动作;
所述模块化操作模块、所述初始优化参数模块、所述优化计算模块均与所述控制处理模块电连接。
本发明相比现有技术具有以下优点:
1.本发明应用于雷达系统时,对天线阵列进行稀疏化设计,大幅度减少了阵元数,降低了雷达成本;同时本发明对目标区域进行了模块化操作,将阵面划分为形状和尺寸统一的模块,有利于后期天线阵面加工制造和架设,降低了加工成本;
2.本发明将阵元放置于模块中且每个模块内部仅放置一个阵元,一定程度上提高稀疏阵列中阵元的均匀度,避免小范围内同时放置多个阵元;通过改变模块尺寸实现灵活调整阵元间距,进而调节阵元间的互耦,有助于改善阵列天线的辐射性能;阵元按一定规律放置于模块中不同位置可有效避免阵列方向图出现栅瓣,在提高优化自由度的同时简化了优化参数;
3.本发明构建了适用于多扫描状态的适应度函数,以目标副瓣为参考设置了独立适应值和联动适应值,提高了阵列天线方向图副瓣的优化效率;
4.本发明实现了一种模块化平面阵列稀疏优化方法,该方法优化效率高,在降低天线阵列成本的同时实现多扫描状态辐射性能优化,为复杂形状平面阵列天线稀疏优化提供新途径;由该方法获得的阵列方向图主瓣增益高、雷达作用距离远,副瓣水平低、分辨率高、抗干扰能力强;本发明可应用于大型雷达系统和射电天文系统,有助于实现系统的低成本与轻量化,提高了工程可实现性。
附图说明
图1是本发明实施例一中模块化平面阵列稀疏优化方法的流程示意图;
图2a是本发明实施例二中圆口径阵列天线的阵元位置示意图(图中黑点为阵元);
图2b是图2a中H处的放大图(图中黑点为阵元);
图5a是本发明实施例三中椭圆口径阵列天线的阵元位置示意图(图中黑点为阵元);
图5b是图5a中K处的放大图(图中黑点为阵元);
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例一
本实施例提供一种模块化平面阵列稀疏优化方法,最终得到最优稀疏阵列的阵元分布以及最低副瓣时阵列方向图。
如图1所示,图1为本实施例中的模块化平面阵列稀疏优化方法流程图,该方法包括以下步骤:
S1:模块化操作
将目标区域划分成统一形状、尺寸的模块,输出所有模块的位置信息,具体步骤如下:
(1)在目标区域所在平面上建立二维直角坐标系,设置x轴和y轴;
(2)设置模块的形状和尺寸:模块形状需满足可拼接性,拼接后相邻模块间无缝隙且不重合;默认形状为矩形;
(3)将目标平面划分成上述形状和尺寸的模块,获得各模块的中心位置信息;模块化方法不限定,原则上模块布满整个目标平面,即直到最外层模块边缘与目标平面区域边界之间空白处放不下一个模块为止。本实施例使用了其中一种模块化方法:首先确定目标平面沿着y轴方向的模块数,即确定模块的行数;接着计算目标平面在每行模块处沿着x轴方向的长度;最后分别计算每行的模块数获得整个目标平面的模块排布;
(4)确定模块总数N,输出所有模块的位置信息(位置信息即模块的几何中心坐标)。
S2:初始优化参数
确定表征所有阵元位置信息的具体参数,生成初始值,具体步骤如下:
(1)确定模块编号:将所有模块编号;待优化阵元数Na,每个阵元放置于一个模块中,对应优化参数为Na个模块的编号;每个模块仅可放置一个阵元,Na个编号均不相同,每个编号均为小于N的正整数;
(2)确定模块位置信息:根据模块内排布规律确定影响阵元相对模块中心的位置参数。本实施例提出一种模块内排布规律:当阵元排布在模块内的圆环上,圆环圆心位于模块中心且半径为定值,阵元的位置通过其与圆心连线与x轴的夹角确定,夹角为待优化参数;
(3)生成初始值:随机生成一组阵元的模块编号和模块位置信息,该初始值需满足所有阵元两两之间最小距离大于Dmin;如不满足,重新生成直到满足条件为止。
S3:优化计算
构建适用于多目标优化问题的适应度函数,将初始值和适应度函数代入遗传算法进行计算。本发明选择遗传算法,该算法为借鉴生物界进化规律演化而来的自适应概率性随机化迭代搜索算法,基于适应度随机选择双亲,并按交叉和变异算子产生新的种群。优化具体步骤如下:
(1)对于新产生的个体,根据待优化参数和模块内排布规律获得种群中个体的阵元排布位置;判断其所有阵元两两之间最小距离是否大于Dmin,如不满足,根据交叉和变异规则重新生成个体;
(2)计算方向图副瓣:根据阵元位置和待优化扫描状态(State1,State2,…,Staten)计算扫描状态下单个或多个切面的方向图副瓣(psll1,psll2,…,psllm);
(3)构建适应度函数:本发明涉及多目标优化问题,目标副瓣为g,(α1,α2,…,αn,α)为优化系数,构建适应度函数fitness如下:
fitness=α1f1+α2f2+...+αnfn+αfa
其中,(f1,f2,…,fn)为各扫描状态的独立适应值,计算公式为:
fa为联动适应值,psllmax为各扫描状态下方向图副瓣的最大值,计算公式为:
(4)开始优化过程:将初始值和适应度函数代入遗传算法中;进行优化设置,当达到优化次数过程结束;当所有扫描状态副瓣均小于g,保存参数。
大型平面阵列天线通道数多、成本高,常规阵列天线存在阵元间距过小引起的阵元间强互耦作用对天线的辐射性能造成影响。本发明采用模块化阵列稀疏方案来解决上述问题,尝试将目标平面区域划分成模块,在降低阵元间互耦效应的同时降低了阵列天线的成本。为了打破模块化带来的周期性以及提高待优化阵元位置的自由度,本发明按一定规律将阵元放置于模块内特殊轨迹上,在有效避免了方向图产生栅瓣的同时实现了低副瓣特性。考虑到遗传算法出现较早,经过长时间发展收敛稳定性好,效率高,本发明优化过程使用该算法。
实施例二
本实施例优化了圆口径阵列天线方向图性能,待优化频点为f,对应波长为λ。设置x轴和y轴如图2所示。目标阵面直径为2500λ,模块形状为方形,尺寸为10λ×10λ,模块按矩形栅格排布,模块化操作后模块总数为48833个。对每个模块进行编号,每个编号与其位置相对应。待优化天线阵元数为500个,目标副瓣为-20dB,待优化方向图为法向和切面,优化系数αi均为1。为提高阵元位置的自由度,阵元被放置于各模块内圆心在模块中心、半径为3.5λ的圆环上,决定每个阵元位置信息的变量为阵元与圆心连线和x轴的夹角。优化过程中待优化参数由500个阵元的模块编号和500个模块位置信息组成,随机生成一组待优化参数作为初始值。按上述说明构建适应度函数,将初始值和适应度函数代入遗传算法进行计算,种群个数为1000个,优化次数设置为100次。当达到优化次数过程结束,副瓣达到要求时保存当前参数。
由上述可得,本实施例的阵列直径达到2500个波长,稀疏度达到1%。经过优化,法向的副瓣电平实现-20dB以下,±50°范围内未出现栅瓣。
实施例三
本实施例优化了椭圆口径阵列天线方向图性能,待优化频点为15GHz。椭圆长轴长为30m,短轴长为20m,模块形状为方形,尺寸为130mm×130mm。设置x轴和y轴如图5所示,模块边界分别平行于x轴和y轴,相邻两行模块间可存在交错,模块化操作后模块总数为27802个。对每个模块进行编号,每个编号与其位置相对应。待优化天线阵元数为550个,目标副瓣为-20dB,待优化方向图为切面法向和扫描30°,优化系数αi均为1。为提高阵元位置的自由度,阵元被放置于各模块内沿着四条对角线(A:左上,B:右上,C:左下,D:右下)上,对角线上可放置最远点到模块中心距离65mm,决定每个阵元位置信息的变量为阵元到模块中心的距离和阵元所在对角线编号。优化过程中待优化参数由550个阵元的模块编号和1100个模块位置信息组成,随机生成一组待优化参数作为初始值。按上述说明构建适应度函数,将初始值和适应度函数代入遗传算法进行计算,种群个数为1000个,优化次数设置为100次。当达到优化次数过程结束,副瓣达到要求时保存当前参数。
综上所述,上述实施例中的模块化平面阵列稀疏优化方法,在应用于大型平面阵列天线稀疏优化时具有高效性,在稀疏度低于2%的情况下,副瓣电平可以达到-20dB以下,阵元两两之间最小距离小于期望值,可提高阵列辐射性能;采用模块化操作将目标平面划分成多个模块,各模块形状与尺寸统一有利于降低后期加工成本;适用于大型雷达系统和射电天文系统,可大幅度降低系统的重量与成本,提高工程可实现性,值得被推广使用。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种模块化平面阵列稀疏优化方法,其特征在于,包括以下步骤:
S1:模块化操作
将目标区域划分成相同形状、尺寸的模块,输出所有模块的位置信息;
S2:初始优化参数
确定表征所有阵元位置信息的具体参数,生成初始值;
S3:优化计算
构建适用于多目标优化问题的适应度函数,将初始值和适应度函数代入优化方法中进行计算。
2.根据权利要求1所述的一种模块化平面阵列稀疏优化方法,其特征在于:在所述步骤S1中,模块化操作的具体过程如下:
S11:在目标区域所在平面上建立坐标系,设置x轴和y轴;
S12:设置模块的形状和尺寸;
S13:将目标平面划分成步骤S2中形状和尺寸的模块,获得各模块的中心位置信息;
S14:确定模块总数N,输出每个模块的位置信息。
3.根据权利要求2所述的一种模块化平面阵列稀疏优化方法,其特征在于:在所述步骤S12中,模块形状具有可拼接性,拼接后相邻模块间无缝隙且不重合。
4.根据权利要求3所述的一种模块化平面阵列稀疏优化方法,其特征在于:在所述步骤S2中,初始优化参数的具体过程如下:
S21:确定模块编号
将所有模块编号,待优化阵元数量为Na,每个阵元放置在一个模块中,对应优化参数为Na个模块的编号;
S22:确定模块位置信息
根据模块内阵元排布规律确定影响阵元相对模块中心的位置参数;
S23:生成初始值
随机生成一组阵元的模块编号和模块位置信息。
5.根据权利要求4所述的一种模块化平面阵列稀疏优化方法,其特征在于:在所述步骤S21中,每个模块与一个阵元对应,阵元的Na个编号均不相同,每个编号均为小于N的正整数。
6.根据权利要求5所述的一种模块化平面阵列稀疏优化方法,其特征在于:在所述步骤S22中,模块形状为矩形,阵元排布规律为当阵元排布在模块内的圆环上,圆环圆心位于模块中心且半径为定值,阵元的位置通过阵元、圆心之间的连线与x轴的夹角确定,夹角为待优化参数。
7.根据权利要求6所述的一种模块化平面阵列稀疏优化方法,其特征在于:在所述步骤S23中,所述初始值需满足所有阵元两两之间最小距离大于最小间距;如不满足,则重新生成直到满足条件为止。
8.根据权利要求7所述的一种模块化平面阵列稀疏优化方法,其特征在于:在所述步骤S3中,优化方法为遗传算法,优化计算的具体过程如下:
S31:对于新产生的个体,根据待优化参数和模块内阵元排布规律获得种群中个体的阵元排布位置;
S32:根据阵元位置和待优化扫描状态,计算扫描状态下单个或多个切面的方向图副瓣;
S33:设置目标副瓣与优化系数,构建适应度函数;
S34:将初始值和适应度函数代入遗传算法中,进行优化设置,当达到优化次数过程结束,当所有扫描状态的副瓣均小于目标副瓣,保存参数。
10.一种模块化平面阵列稀疏优化系统,其特征在于,利用如权利要求1~9任一项所述的优化方法对平面阵列进行优化,包括:
模块化操作模块,用于将目标区域划分成统一形状、尺寸的模块,输出所有模块的位置信息;
初始优化参数模块,用于确定表征所有阵元位置信息的具体参数,生成初始值;
优化计算模块,用于构建适用于多目标优化问题的适应度函数,将初始值和适应度函数代入优化方法中进行计算;
控制处理模块,用于向各模块发出指令,完成相关动作;
所述模块化操作模块、所述初始优化参数模块、所述优化计算模块均与所述控制处理模块电连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010922530.7A CN112182953B (zh) | 2020-09-04 | 2020-09-04 | 一种模块化平面阵列稀疏优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010922530.7A CN112182953B (zh) | 2020-09-04 | 2020-09-04 | 一种模块化平面阵列稀疏优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112182953A true CN112182953A (zh) | 2021-01-05 |
CN112182953B CN112182953B (zh) | 2023-06-13 |
Family
ID=73924076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010922530.7A Active CN112182953B (zh) | 2020-09-04 | 2020-09-04 | 一种模块化平面阵列稀疏优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112182953B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103715518A (zh) * | 2014-01-24 | 2014-04-09 | 厦门大学 | 泰勒-指数复合不等距模组化阵列天线的设计方法 |
CN103810325A (zh) * | 2014-01-08 | 2014-05-21 | 西安电子科技大学 | 基于序列二次规划的低旁瓣线性稀布阵列天线优化方法 |
CN104181531A (zh) * | 2014-08-22 | 2014-12-03 | 西安电子科技大学 | 一种基于相控阵雷达的三维关联成像方法 |
CN106099393A (zh) * | 2016-08-25 | 2016-11-09 | 电子科技大学 | 基于遗传算法的子阵稀布与阵元稀疏天线阵列综合布阵方法 |
CN106407723A (zh) * | 2016-11-17 | 2017-02-15 | 西安电子科技大学 | 面向低副瓣的稀疏排布阵列天线激励电流幅度的确定方法 |
CN107302140A (zh) * | 2017-05-12 | 2017-10-27 | 哈尔滨工程大学 | 基于量子蜘蛛群演化机制的平面天线阵列稀疏方法 |
CN108808266A (zh) * | 2018-06-12 | 2018-11-13 | 电子科技大学 | 一种用于不规则子阵排列的四维天线阵联合优化方法 |
CN108987941A (zh) * | 2018-05-22 | 2018-12-11 | 中国科学院国家空间科学中心 | 一种基于压缩感知的一维子阵划分方法 |
CN109037969A (zh) * | 2018-07-31 | 2018-12-18 | 中国人民解放军火箭军工程大学 | 一种卫星动中通天线阵列的布阵方法及布阵系统 |
CN109214088A (zh) * | 2018-09-07 | 2019-01-15 | 厦门大学深圳研究院 | 一种最小间距可控的大规模超稀疏平面阵列快速布局方法 |
CN109885872A (zh) * | 2019-01-10 | 2019-06-14 | 杭州电子科技大学 | 一种基于差分进化算法的均匀面阵稀疏优化方法 |
CN111474418A (zh) * | 2020-06-23 | 2020-07-31 | 上海莱天通信技术有限公司 | 一种基于平面波综合技术的紧缩场准直器及其优化方法 |
-
2020
- 2020-09-04 CN CN202010922530.7A patent/CN112182953B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810325A (zh) * | 2014-01-08 | 2014-05-21 | 西安电子科技大学 | 基于序列二次规划的低旁瓣线性稀布阵列天线优化方法 |
CN103715518A (zh) * | 2014-01-24 | 2014-04-09 | 厦门大学 | 泰勒-指数复合不等距模组化阵列天线的设计方法 |
CN104181531A (zh) * | 2014-08-22 | 2014-12-03 | 西安电子科技大学 | 一种基于相控阵雷达的三维关联成像方法 |
CN106099393A (zh) * | 2016-08-25 | 2016-11-09 | 电子科技大学 | 基于遗传算法的子阵稀布与阵元稀疏天线阵列综合布阵方法 |
CN106407723A (zh) * | 2016-11-17 | 2017-02-15 | 西安电子科技大学 | 面向低副瓣的稀疏排布阵列天线激励电流幅度的确定方法 |
CN107302140A (zh) * | 2017-05-12 | 2017-10-27 | 哈尔滨工程大学 | 基于量子蜘蛛群演化机制的平面天线阵列稀疏方法 |
CN108987941A (zh) * | 2018-05-22 | 2018-12-11 | 中国科学院国家空间科学中心 | 一种基于压缩感知的一维子阵划分方法 |
CN108808266A (zh) * | 2018-06-12 | 2018-11-13 | 电子科技大学 | 一种用于不规则子阵排列的四维天线阵联合优化方法 |
CN109037969A (zh) * | 2018-07-31 | 2018-12-18 | 中国人民解放军火箭军工程大学 | 一种卫星动中通天线阵列的布阵方法及布阵系统 |
CN109214088A (zh) * | 2018-09-07 | 2019-01-15 | 厦门大学深圳研究院 | 一种最小间距可控的大规模超稀疏平面阵列快速布局方法 |
CN109885872A (zh) * | 2019-01-10 | 2019-06-14 | 杭州电子科技大学 | 一种基于差分进化算法的均匀面阵稀疏优化方法 |
CN111474418A (zh) * | 2020-06-23 | 2020-07-31 | 上海莱天通信技术有限公司 | 一种基于平面波综合技术的紧缩场准直器及其优化方法 |
Non-Patent Citations (3)
Title |
---|
KESONG CHEN ET AL.: "Modified Real GA for the Synthesis of Sparse Planar Circular Arrays", 《IEEE ANTENNAS AND WIRELESS PROPAGATION LETTERS》, vol. 15, pages 274 - 276 * |
TING WANG ET AL.: "A Modified Wolf Pack Algorithm for Multiconstrained Sparse Linear Array Synthesis", 《INTERNATIONAL JOURNAL OF ANTENNAS AND PROPAGATION》, vol. 2020, pages 3 - 7 * |
张艳艳: "不同规模/构型阵列的阵形优化算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 2, pages 136 - 1913 * |
Also Published As
Publication number | Publication date |
---|---|
CN112182953B (zh) | 2023-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106654601B (zh) | 无栅瓣宽角扫描混合阵列超稀疏布局方法 | |
CN112733334B (zh) | 一种多频段共口径阵列天线稀疏优化方法及系统 | |
CN112952402B (zh) | 一种基于镜像模块的子阵级非周期阵列天线及设计方法 | |
CN111985145B (zh) | 一种大间距相控阵天线栅瓣抑制方法及抑制系统 | |
CN113131225B (zh) | 一种基于子阵阵因子增益最大化的不规则天线阵优化方法 | |
CN112347696B (zh) | 一种离散化区域扫描子阵级稀疏优化方法及系统 | |
CN111160556A (zh) | 一种基于自适应遗传算法的阵列稀疏优化方法 | |
CN111353605A (zh) | 基于改进遗传算法的新型平面分子阵天线阵列综合布阵方法 | |
CN112421242B (zh) | 一种极宽带综合口径阵列天线的布阵方法 | |
CN112182953A (zh) | 一种模块化平面阵列稀疏优化方法及系统 | |
CN115133291A (zh) | 非规则天线子阵、相控阵天线及相控阵天线的设计方法 | |
CN116227590A (zh) | 基于改进遗传算法的太赫兹相控阵旁瓣抑制方法及装置 | |
CN115510733A (zh) | 一种基于改进交叉遗传算法的阵列天线旁瓣优化方法 | |
CN113553711B (zh) | 一种任意曲面共形阵列天线设计方法 | |
CN213184579U (zh) | 非周期矩形阵列排布的二维相控阵天线 | |
CN114861446A (zh) | 天线阵列稀疏稀布优化方法、装置、设备及可读存储介质 | |
CN113851854A (zh) | 一种宽角扫描透镜终端天线及其扫描方式 | |
CN116632561B (zh) | 一种稀布高增益天线阵列设计方法、存储介质 | |
CN110705680B (zh) | 一种分布式阵列的子阵列位置优化方法及系统 | |
CN117113459B (zh) | 一种天线阵列的旁瓣优化方法、装置及电子设备 | |
CN218586361U (zh) | 一种可扩展子阵级非周期稀布阵列天线 | |
CN115566446B (zh) | 一种非规则二元子阵天线阵列的优化方法 | |
CN113964523A (zh) | 一种基于可重构透镜单元方向图的栅瓣抑制方法 | |
CN116011190A (zh) | 有源太赫兹相控阵的设计方法、装置及电子设备 | |
CN115098903A (zh) | 一种低成本可扩展相控阵列稀疏优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |