基于遗传算法的共形阵副瓣电平抑制研究

针对扫描范围有限的共形阵列天线,在保证天线孔径不变的情况下,基于遗传算法提出了以天线开关矩阵为变量,以最大副瓣电平最小化为优化目标的优化算法。仿真结果表明,该方法可以有效降低天线副瓣电平,提升阵列优化效率。     

基于"三步"解耦思想的分布式目标最优极化求解法

针对现有分布式目标天线接收功率优化求解运算量偏大、不易编程实现等不足,本文提出了一种基于"三步"解耦思想的分布式目标最优极化求解新方法.考虑到分布式目标的散射回波多为部分极化,文中首先讨论了部分极化波的天线最优接收,得到了部分极化波的天线接收失匹配条件及天线接收功率上下限,并给出了该上下限对应的发射天线最优极化数值求解.以此为基础,借鉴确定性目标"三步"解耦求解思路,给出了收发天线无约束情形的分布式目标最优极化求解具体步骤.算法关键是通过优化部分极化波天线失匹配接收条件下的天线接收功率得到发射天线最优极化,而不是通过优化目标散射回波功率得到.与现有算法相比,由于"三步"解耦思想简化了分布式目标天线接收功率优化求解,因而它较现有算法更具有实用性.旧金山地区的AIRSAR实测极化数据的实验结果验证了新方法的有效性.     

融合智能算法和代理模型的天线快速优化平台设计

电磁仿真软件作为天线设计的主要工具,针对其内置的优化器在优化效率、支持优化类型以及优化结果可用性上的问题,提出建立一种天线快速优化平台的解决方案。该平台采用Ansoft HFSS和Matlab联合仿真,并基于天线优化流程提供友好的图形化操作界面;融合前沿的智能优化算法和代理模型方法,用于处理天线多目标优化问题并生成Pareto最优解集;同时为其他复杂天线执行性能优化提供参考。小型多频段平面单极子天线设计实例表明,该平台能够实现多参数天线结构的快速优化,提高天线设计的效率。     

多用户STBC下行链路预处理优化算法

给出了一种基于天线选择的多用户STBC下行链路预处理优化算法.该方法对发送端天线进行组合,即从所有发送天线中选出部分天线组成多个天线集合,每个天线集合中发送天线个数为能够获得空间分集增益的最小数目,从这些天线集合中选出最大化多用户STBC系统分集增益的一个集合作为最终发送天线.对基于天线选择的算法进行了仿真分析,结果表明,该算法比未采用选择的算法可以获得更高的分集增益,还与基于特征模式选择的算法进行了比较,结果表明:该方法比基于特征模式选择的算法使系统获得了更高的性价比.     

基于PSO-MUSIC算法的分布式目标DOA估计

提出了一种基于粒子群优化算法（PSO）和多重信号分类（MUSIC）算法的分布式目标波达方向（Direction of Arrival,DOA）估计方法。在空间欠采样情况下,该方法首先利用粒子群优化算法优化阵列阵元间距,得到阵列天线方向图高旁瓣电平最小情况下的阵元间距,阵列阵元间距决定了阵列流形,然后在该阵列流形下构造分布式目标信号模型,最后结合分布式目标导向矢量和MUSIC算法获得空间欠采样情况下分布式目标中心DOA的准确估计。仿真结果表明了该方法的有效性。     

一种改进的大规模MIMO发射天线选择算法

为了降低天线选择算法在大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）系统下的误码率和复杂度,以用户端接收的总功率为优化目标,提出一种最大化所有用户接收总功率的天线选择算法。该算法将优化目标函数转化为凸函数,并利用凸优化方法求得其有效解。仿真结果表明,所提天线选择算法与传统的最大和容量算法相比,具有较好的系统误码率性能,且运算复杂度低,但系统容量有所降低。     

大规模MIMO系统中收发联合阈值天线选择算法

在大规模多输入多输出(massive MIMO)系统中使用天线选择算法可提高能效和系统吞吐量,然而适用于传统MIMO系统的天线选择算法具有高复杂度,很难用于massive MIMO系统。为优化天线选择算法,以算法复杂度和系统容量为优化目标,提出了收发联合阈值天线选择算法。该算法在发射端使用最大范数双向天线选择算法进行天线选择,在接收端使用分组maxvol算法并通过仿真实验结果的预设阈值进行天线选择。仿真实验表明,收发联合阈值天线选择算法在降低复杂度的同时可以提高系统容量,与递增天线选择算法相比,系统容量最多可提高52.2 bit/s/Hz。提出的天线选择算法可以满足不同天线相关度和信噪比的传输环境。     

分集接收的STBC-MC-CDMA系统中基于PSO算法的多用户检测

该文提出了一种使用多天线分集接收的空时分组码多载波码分多址(STBC-MC-CDMA)系统中基于粒子群优化(PSO)算法的多用户检测(MUD)方案。当采用多天线分集接收时,各个天线接收的信号经历了相互独立的衰落,导致不同天线分支对应的匹配度函数相互独立。为解决多天线分集接收的多目标优化问题,提出了虚拟Pareto前端的概念,并使粒子按照Pareto优化准则进行速度和位置更新。仿真结果表明,所提方案获得了增强的开发和探索能力,其性能优于常规PSO算法和多目标遗传算法。     

风驱动优化的共享孔径方向图综合

针对共享孔径阵列天线,基于一种新型的全局优化算法——风驱动优化,提出了一种新的共享孔径方向图综合方法。首先,设计两阵列相邻阵元的间距约束条件,将两个子阵波束图的最高旁瓣电平作为优化目标。然后,在约束公式条件下,先后确定子阵1和子阵2阵列单元的初始坐标,通过利用风驱动算法优化两子阵单元坐标位置来降低旁瓣电平,实现不同频率的共享孔径阵列天线设计。最后,通过与粒子群算法和传统SMI算法对比,验证了该算法在共享孔径方向图中的可行性和有效性。     

基于遗传优化的天线阵元LMS改进算法

最小均方（LMS）算法是自适应阵列天线中得以广泛应用的阵列天线加权算法。提出了一种基于遗传优化的LMS改进算法,该基于遗传优化的最小均方（GA—LMS）算法充分结合了遗传算法的并行处理和全局搜索的优点。实验结果表明,与传统的LMS算法相比,GA—LMS算法具有良好的收敛性能,并可更好地抑制干扰信号,有效改善自适应阵列天...