CN114417557B - 超宽带rcs缩减超表面阵列的优化方法、系统及介质 - Google Patents
超宽带rcs缩减超表面阵列的优化方法、系统及介质 Download PDFInfo
- Publication number
- CN114417557B CN114417557B CN202111538312.4A CN202111538312A CN114417557B CN 114417557 B CN114417557 B CN 114417557B CN 202111538312 A CN202111538312 A CN 202111538312A CN 114417557 B CN114417557 B CN 114417557B
- Authority
- CN
- China
- Prior art keywords
- rcs
- ultra
- optimization
- model
- unit
- 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.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000013507 mapping Methods 0.000 claims abstract description 13
- 230000002068 genetic effect Effects 0.000 claims abstract description 11
- 238000003491 array Methods 0.000 claims abstract description 6
- 230000004044 response Effects 0.000 claims description 17
- 238000004088 simulation Methods 0.000 claims description 16
- 230000009467 reduction Effects 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 11
- 239000002184 metal Substances 0.000 claims description 7
- 239000013598 vector Substances 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 abstract description 18
- 238000012795 verification Methods 0.000 abstract description 11
- 230000008878 coupling Effects 0.000 abstract description 5
- 238000010168 coupling process Methods 0.000 abstract description 5
- 238000005859 coupling reaction Methods 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Geometry (AREA)
- Bioinformatics & Computational Biology (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Genetics & Genomics (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种超宽带RCS缩减超表面阵列的优化方法、系统及介质，该方法包括：确定不同高度、不同方环边长组合的漫反射结构单元的RCS相位以及幅值；通过阵因子计算不同初始阵列的RCS，通过遗传算法对包含多元子阵的超表面阵列进行优化，通过空间映射算法和全波分析方法的验证进行进一步的优化，实现了对于超宽带雷达散射截面缩减超表面的快速设计。本发明相对于传统超表面算法优化设计方法，不仅考虑了子阵耦合的影响，而且极大缩短了电磁仿真软件的验证时间，具有编程简单、计算效率高的优点，具有较高实用价值。
Description
技术领域
本发明涉及RCS缩减技术领域，特别是一种超宽带RCS缩减超表面阵列的优化方法、系统及介质。
背景技术
雷达散射截面是定量表征目标散射特性的物理量，目标在入射雷达波照射时呈现的等效的散射面积。现代战争中，隐身和反隐身技术成为各个军事强国争相发展的技术。
传统超表面算法优化设计方法有几大缺点：首先选取的优化变量少，导致设计自由度低，无法设计出具有超宽带RCS缩减的超表面，实际战场雷达都有超宽带的探测能力，传统方法设计的隐身超材料难以满足日趋成熟的雷达探测技术。其次没有考虑单元、子阵间的互耦影响，优化出的结果与仿真结果有一定误差，导致需要多次优化仿真验证，费时费力。
发明内容
本发明的目的在于提供一种超宽带RCS缩减超表面阵列的优化方法、系统及介质，提高了优化精度，极大缩短了电磁仿真软件的验证时间，具有编程简单、计算效率高的优点。
实现本发明目的的技术解决方案为：一种超宽带RCS缩减超表面阵列的优化方法，包括步骤：
步骤1，选取k种不同高度、l种不同方环边长组合的组漫反射结构单元，确定k·l组漫反射结构单元的RCS相位以及幅值；
步骤2，基于RCS相位以及幅值，通过阵因子计算不同初始阵列的RCS，将不同频点下RCS缩减值之和作为适应度值，通过遗传算法对粗模型进行多次迭代获取最优组合获取t个子阵的高度H与金属环边长L参数，令初始细模型参数/> 判断当前适应度值是否满足设定阈值范围，如果不满足，执行步骤3，否则优化结束；
步骤3，初始化映射矩阵i＝1；B(1)为单位矩阵I，f(1)为初始残余向量，/>表示初始参数提取；
步骤4、求解B(i)h(i)＝-f(i)得到细模型的增量步长h(i)，确定新的细模型参数通过全波分析方法获取当前细模型的响应，如果响应的适应度值不满足设定阈值范围，执行步骤5，否则优化结束；
步骤5、对当前细模型的响应进行参数提取计算残余向量将映射矩阵B(i)更新为B(i+1)，另i＝i+1，执行步骤4。
一种超宽带RCS缩减超表面阵列的优化系统，包括RCS相位以及幅值确定单元、粗模型优化单元、全波分析仿真单元和细模型更新单元，其中：
所述RCS相位以及幅值确定单元通过选取k种不同高度、l种不同方环边长组合的组漫反射结构单元，用于确定k·l组漫反射结构单元的RCS相位以及幅值；
所述粗模型优化单元通过遗传算法对粗模型进行多次迭代获取最优组合；
所述全波分析仿真单元用于仿真验证细模型的相应是否符合设定要求；
所述细模型更新单元用于对细模型的迭代优化，直至细模型通过全波分析仿真单元验证符合设定要求。
一种计算机存储介质，所述计算机存储介质存储有可执行程序，所述可执行程序被处理器执行实现所述的超宽带RCS缩减超表面阵列的高效优化方法的步骤。
本发明与现有技术相比，其显著优点为：(1)将高度、金属方环边长两种变量组合成的27种单元进行优化，超表面阵列有16个子阵，具有2416种可能组合，有很高的算法优化自由度，这为超宽带RCS缩减超表面的实现提供了理论基础。(2)相较于传统算法优化超表面的方法，本发明通过引入空间映射算法，考虑了阵元间耦合的影响，弥补了算法计算误差大的缺点，提高了优化精度，而且极大缩短了电磁仿真软件的验证时间，具有编程简单、计算效率高的优点，具有较高实用价值。
附图说明
图1是本发明中算法流程图，其中图1(a)为空间映射算法流程图，图1(b)为遗传算法流程图。
图2是本发明中相位相消结构的单元模型图，其中图2(a)为俯视图，图2(b)为三维图。
图3是本发明中超表面阵列的排布图。
图4是本发明中仿真测试结果对比图。
具体实施方式
本发明将阵列阵因子的优化方法推广到超宽带RCS缩减超表面的设计中，利用遗传算法对包含多元子阵的超表面阵列进行优化，由于阵因子公式忽略了子阵间的耦合，结果存在一定误差，引入空间映射算法对超表面阵列进行进一步优化，利用快速的粗模型优化和高精度精细模型验证之间的映射关系，实现了对于超宽带雷达散射截面缩减超表面的快速设计，结合图1和图2，本发明提出的一种考虑阵元间互耦影响的超宽带RCS缩减超表面的混合高效优化方法，包含以下步骤：
步骤1、仿真漫反射结构单元，其高度不同，对应相位参数也不同，针对本设计优化得到的结果，该实施方式选取了3种不同高度，9种不同方环边长下，漫反射结构单元的RCS相位以及幅值数据，将一共27组相位以及幅值信息作为输入数据存在预先设置的表格中，由于不同的单元位置排布也会带来阵列RCS的不同和变化；
步骤2、利用阵因子公式计算出不同初始阵列的RCS，将各频点下RCS缩减值之和作为适应度值，利用遗传算法作为粗模型进行多次迭代优化出一组最优组合得到16个子阵的高度H与金属环边长L参数，令/> 若响应满足设计要求则算法终止。
步骤3、初始化i＝1；B(1)固定为单位矩阵I，f(1)为残余向量。
步骤4、对上述满足设计指标的粗模型的解进行细模型验证，i＝2，将代入全波分析方法(CST)计算第一次细模型的响应，如果响应指标满足要求，则算法终止。
步骤5、如果细模型的响应并不满足设计指标的要求，i＝i+1，则对细模型的响应进行参数提取，得到粗模型的解通过映射矩阵B(i)得到细模型的增长步长h(i)，计算新的细模型设计参数/>
步骤6、对新的细模型设计值进行仿真，若此时满足设计要求，算法终止，若不满足，执行参数提取并重新计算残余向量/>将B(i)更新为B(i+1)。
步骤7、重复步骤5和6，直到适应度函数满足设计要求满足设计要求。
进一步的，步骤6中B(i)使用Broyden算法的第一个公式更新：
当h(i)表示拟牛顿步长时，可简化为：
进一步的，步骤5、6中的参数提取过程为，将xf (i)代入全波分析仿真软件，得到细模型的响应曲线，将曲线数值写入表格，将遗传算法中每个阵列计算所得之RCS与响应曲线的差值之和作为适应度值，迭代多次得到与电磁仿真响应曲线最接近的结果作为粗模型的解
进一步的，假设多元人工磁导体单元AMC由M×N个单元组合而成，沿x轴每隔dx放置一个单元，沿y轴每隔dy放置一个单元，则步骤2中的阵因子公式可表示为：
其中表示金属平板的散射场，由于优化不改变单元周期大小，所以/>是一个固定值，而/>可由下式计算得出：
式中θ和分别是任意散射方向的俯仰角和方位角，Sm,n表示每个超表面单元的散射场，φm,n是不同超表面单元的反射相位，k＝2π/λ，λ为对应频率下的波长。
进一步的，步骤7中的适应度值评价标准为：
对于Q个优化频率(f1,f2,…,fQ)，其中表示垂直入射下第i个频点的RCS缩减，适应度越小，RCS缩减程度越高。
基于上述方法，提出一种超宽带RCS缩减超表面阵列的高效优化系统，包括RCS相位以及幅值确定单元、粗模型优化单元、全波分析仿真单元和细模型更新单元，其中：
所述RCS相位以及幅值确定单元通过选取k种不同高度、l种不同方环边长组合的组漫反射结构单元，用于确定k·l组漫反射结构单元的RCS相位以及幅值；
所述粗模型优化单元通过遗传算法对粗模型进行多次迭代获取最优组合；
所述全波分析仿真单元用于仿真验证细模型的相应是否符合设定要求；
所述细模型更新单元用于对细模型的迭代优化，直至细模型通过全波分析仿真单元验证符合设定要求。
所述高效优化系统各单元通过高效优化方法实现，包含高效优化方法的全部特征，在此不再累述。
实施例
结合图1～4，本发明基于优化算法，设计了一款工作于5.4-40GHz的宽带RCS缩减漫反射结构，能在5.4-40GHz内实现10dB的RCS缩减。
1、取3种不同高度H＝2.5mm、5.5mm、8.5mm，9种不同边长L＝1.7mm、2.8mm、3.9mm、5mm、6.1mm、7.2mm、8.3mm、9.4mm、10.5mm一共27种不同单元。利用电磁仿真软件CST对不同单元在周期性边界条件下仿真，得到其幅度与相位
2、曲线。根据阵因子公式确定阵列RCS缩减值，利用遗传算法优化出最优参数
2、令将优化参数代入CST中进行验证
3、对第一次细模型验证结果进行参数提取，即利用粗模型来拟合细模型的曲线，得到一组新的解定义映射矩阵B(1)＝I，残差/>由公式B(1)h(1)＝-f(1)计算增长步长h(1)，最终由式/>计算出下一次代入细模型的参数/>
4、将代入CST进行验证。
5、重复步骤3和步骤4，直到细模型验证结果满足指标要求，则迭代结束。
对AMC超表面模型进行了三次迭代，四次细模型全波仿真之后，达到设计指标要求，第4次细模型全波仿真结果在5.4GHz-40GHz内均能实现10dB的RCS缩减，实现了7.4个倍频程，与第一次粗模型优化结果吻合较好，此时超表面优化参数如表1所示，阵列排布如图3所示。
表1本发明最终优化得到的16个子阵的厚度h以及金属环边长L的参数
将仿真实例进行加工测试，对比结果如图4所示，可以看出，仿真与实测结果吻合较好，均能实现超宽带下的RCS缩减。
Claims (9)
1.一种超宽带RCS缩减超表面阵列的优化方法，其特征在于，包括步骤：
步骤1，选取k种不同高度、l种不同方环边长组合的组漫反射结构单元，确定k·l组漫反射结构单元的RCS相位以及幅值；
步骤2，基于RCS相位以及幅值，通过阵因子计算不同初始阵列的RCS，将不同频点下RCS缩减值之和作为适应度值，通过遗传算法对粗模型进行多次迭代获取最优组合获取t个子阵的高度H与金属环边长L参数，令初始细模型参数/>H2…，Ht，L1，L2…，Lt)，判断当前适应度值是否满足设定阈值范围，如果不满足，执行步骤3，否则优化结束；
步骤3，初始化映射矩阵B(1)＝I，B(1)为单位矩阵I，f(1)为初始残余向量，/>表示初始参数提取；
步骤4、求解B(i)h(i)＝-f(i)得到细模型的增量步长h(i)，确定新的细模型参数通过全波分析方法获取当前细模型的响应，如果响应的适应度值不满足设定阈值范围，执行步骤5，否则优化结束；
步骤5、对当前细模型的响应进行参数提取计算残余向量将映射矩阵B(i)更新为B(i+1)，另i＝i+1，执行步骤4；
所述通过阵因子计算不同初始阵列的RCS具体为:
假设阵列由M×N个单元组合而成，沿x轴每隔dx放置一个单元，沿y轴每隔dy放置一个单元，则：
其中，表示金属平板的散射场，θ和/>分别是任意散射方向的俯仰角和方位角，Sm,n表示每个超表面单元的散射场，φm,n是不同超表面单元的反射相位，k＝2π/λ，λ为波长，M、N表示。
2.根据权利要求1所述的一种超宽带RCS缩减超表面阵列的优化方法，其特征在于，所述适应度值为：
其中，Q表示优化频点的个数，表示垂直入射下第i个频点的RCS缩减。
3.根据权利要求1所述的一种超宽带RCS缩减超表面阵列的优化方法，其特征在于，所述映射矩阵B(i+1)采用Broyden算法更新。
4.根据权利要求3所述的一种超宽带RCS缩减超表面阵列的优化方法，其特征在于，所述映射矩阵B(i+1)：
其中，h(i)表示拟牛顿步长。
5.根据权利要求1所述的一种超宽带RCS缩减超表面阵列的优化方法，其特征在于，所述对当前细模型的响应进行参数提取具体为：将通过全波分析方法获取的细模型的响应曲线数值写入表格，计算适应度值，并得到与电磁仿真响应曲线最接近的结果作为粗模型的解
6.根据权利要求1所述的一种超宽带RCS缩减超表面阵列的优化方法，其特征在于，所述k＝3，l＝9，t＝16。
7.根据权利要求6所述的一种超宽带RCS缩减超表面阵列的优化方法，其特征在于，所述3种不同高度为：2.5mm、5.5mm和8.5mm，9种不同方环边长为：1.7mm、2.8mm、3.9mm、5mm、6.1mm、7.2mm、8.3mm、9.4mm和10.5mm。
8.一种实现权利要求1～7任一所述优化方法的超宽带RCS缩减超表面阵列的优化系统，其特征在于，包括RCS相位以及幅值确定单元、粗模型优化单元、全波分析仿真单元和细模型更新单元，其中：
所述RCS相位以及幅值确定单元通过选取k种不同高度、l种不同方环边长组合的组漫反射结构单元，用于确定k·l组漫反射结构单元的RCS相位以及幅值；
所述粗模型优化单元通过遗传算法对粗模型进行多次迭代获取最优组合；
所述全波分析仿真单元用于仿真验证细模型的相应是否符合设定要求；
所述细模型更新单元用于对细模型的迭代优化，直至细模型通过全波分析仿真单元验证符合设定要求。
9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有可执行程序，所述可执行程序被处理器执行实现权利要求1-7任一项所述的超宽带RCS缩减超表面阵列的高效优化方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111538312.4A CN114417557B (zh) | 2021-12-15 | 2021-12-15 | 超宽带rcs缩减超表面阵列的优化方法、系统及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111538312.4A CN114417557B (zh) | 2021-12-15 | 2021-12-15 | 超宽带rcs缩减超表面阵列的优化方法、系统及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114417557A CN114417557A (zh) | 2022-04-29 |
| CN114417557B true CN114417557B (zh) | 2024-03-22 |
Family
ID=81266588
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111538312.4A Active CN114417557B (zh) | 2021-12-15 | 2021-12-15 | 超宽带rcs缩减超表面阵列的优化方法、系统及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114417557B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103246781A (zh) * | 2013-05-17 | 2013-08-14 | 南京理工大学 | 基于空间映射的阵列天线雷达散射截面减缩方法 |
| KR101926107B1 (ko) * | 2017-09-26 | 2018-12-07 | 대한민국 | 항공 무장효과 분석 시뮬레이터 및 그 시뮬레이션 방법 |
| CN109713457A (zh) * | 2019-01-23 | 2019-05-03 | 西北大学 | 基于氮化钽材料的吸波/透波超表面的设计方法及其应用 |
| CN110276086A (zh) * | 2018-03-18 | 2019-09-24 | 南京理工大学 | 基于空间映射的隐身超表面雷达散射截面减缩方法 |
| US10500499B1 (en) * | 2019-01-16 | 2019-12-10 | Media Alliance Gaming Studio, Inc. | Method and apparatus for providing a resource confined simulation based on projected data in light of historical facts |
| CN111129784A (zh) * | 2020-01-10 | 2020-05-08 | 南京航空航天大学 | 一种适用于太阳能电池阵的高透光率超宽带低散射超表面 |
| CN112151969A (zh) * | 2020-09-25 | 2020-12-29 | 电子科技大学 | 基于广义散射矩阵的强耦合宽带相控阵带内rcs控制方法 |
| CN112736486A (zh) * | 2020-12-05 | 2021-04-30 | 南京理工大学 | 宽带rcs缩减漫反射结构及其设计方法 |
| CN213816429U (zh) * | 2020-12-23 | 2021-07-27 | 人民华智通讯技术有限公司 | 一种超宽带漫反射超表面 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7006047B2 (en) * | 2003-01-24 | 2006-02-28 | Bae Systems Information And Electronic Systems Integration Inc. | Compact low RCS ultra-wide bandwidth conical monopole antenna |
-
2021
- 2021-12-15 CN CN202111538312.4A patent/CN114417557B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103246781A (zh) * | 2013-05-17 | 2013-08-14 | 南京理工大学 | 基于空间映射的阵列天线雷达散射截面减缩方法 |
| KR101926107B1 (ko) * | 2017-09-26 | 2018-12-07 | 대한민국 | 항공 무장효과 분석 시뮬레이터 및 그 시뮬레이션 방법 |
| CN110276086A (zh) * | 2018-03-18 | 2019-09-24 | 南京理工大学 | 基于空间映射的隐身超表面雷达散射截面减缩方法 |
| US10500499B1 (en) * | 2019-01-16 | 2019-12-10 | Media Alliance Gaming Studio, Inc. | Method and apparatus for providing a resource confined simulation based on projected data in light of historical facts |
| CN109713457A (zh) * | 2019-01-23 | 2019-05-03 | 西北大学 | 基于氮化钽材料的吸波/透波超表面的设计方法及其应用 |
| CN111129784A (zh) * | 2020-01-10 | 2020-05-08 | 南京航空航天大学 | 一种适用于太阳能电池阵的高透光率超宽带低散射超表面 |
| CN112151969A (zh) * | 2020-09-25 | 2020-12-29 | 电子科技大学 | 基于广义散射矩阵的强耦合宽带相控阵带内rcs控制方法 |
| CN112736486A (zh) * | 2020-12-05 | 2021-04-30 | 南京理工大学 | 宽带rcs缩减漫反射结构及其设计方法 |
| CN213816429U (zh) * | 2020-12-23 | 2021-07-27 | 人民华智通讯技术有限公司 | 一种超宽带漫反射超表面 |
Non-Patent Citations (3)
| Title |
|---|
| Pattern Synthesis of Planar Phased Arrays via Subarray Division with User Freedom;Qiao Zhao等;IEEE;全文 * |
| 一种宽角域散射增强超表面的研究;丰茂昌;李勇峰;张介秋;王甲富;王超;马华;屈绍波;;物理学报(19);全文 * |
| 太赫兹超表面RCS缩减特性研究;梁兰菊;车凯琪;刘凤收;王亚茹;李院平;;枣庄学院学报(05);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114417557A (zh) | 2022-04-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108920767B (zh) | 余割平方和合成相位双约束波瓣阵列天线优化设计方法 | |
| CN106654566B (zh) | 一种飞行器天线罩的快速厚度设计方法 | |
| CN107944133B (zh) | 基于多目标量子蜘蛛群演化机制的环形天线阵列稀疏方法 | |
| CN109033647B (zh) | 基于l1范数约束的近场稀布天线阵列优化方法 | |
| CN111276822B (zh) | 一种天线方向图主瓣可控的天线阵列设计方法 | |
| CN106469850A (zh) | 一种天线罩的厚度设计方法 | |
| CN109635343A (zh) | 一种天线快速优化设计方法 | |
| CN109472066A (zh) | 基于单元中心点位移的反射面天线随机误差分析方法 | |
| CN103513225B (zh) | 一种基于空间增益的稀疏平面阵形优化方法 | |
| CN110276086B (zh) | 基于空间映射的隐身超表面雷达散射截面减缩方法 | |
| CN116430303A (zh) | 宽带平面阵列多波束形成方法及比幅测角方法 | |
| CN114417557B (zh) | 超宽带rcs缩减超表面阵列的优化方法、系统及介质 | |
| CN113985408B (zh) | 一种结合门单元和迁移学习的逆合成孔径雷达成像方法 | |
| CN113671485B (zh) | 基于admm的米波面阵雷达二维doa估计方法 | |
| CN107729627A (zh) | 机会阵列天线的单元快速选取方法 | |
| CN112329203B (zh) | 宽带宽角扫描相控阵天线阵元失效后的方向图重构及修复方法 | |
| CN117113544A (zh) | 一种带罩阵列天线的和、差波束优化方法 | |
| CN110146841B (zh) | 一种提高阵列波达方向估计性能的优化方法 | |
| CN108828503B (zh) | 一种基于量子模因演化机理的波束空间测向方法 | |
| CN109541557B (zh) | 一种雷达天线保护通道生成方法 | |
| CN108984902B (zh) | 基于相位调整的飞行器天线罩快速厚度设计方法 | |
| CN114065486A (zh) | 一种基于新的优化问题的快速阵列天线方向图综合方法 | |
| CN116306199A (zh) | 一种基于多元矢量控制交叉眼干扰技术实现的高效优化方法 | |
| CN114239439A (zh) | 一种基于部落算法的自动化滤波器的设计方法 | |
| CN113067615A (zh) | 一种近场阵列波束控制方法 |
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 |