阵列天线波束赋形的混合遗传算法优化

本文提出了一种应用于阵列天线波束赋形优化的混合遗传算法.该算法将简化的步长加速法作为一个局部搜索算子,融入到基于实数编码的遗传算法中.局部搜索算子的引入,使得新算法同时具有了传统遗传算法在全局搜索时的鲁棒性和步长加速法在局部搜索中搜索较快的优点.文中分别利用该算法对16元直线阵列进行了平顶波束和余割平方波束赋形优化,仿真结果表明了该算法在阵列天线波束赋形优化问题上的应用是有效的.     

遗传算法在赋形波束阵列天线优化中的应用

本文对遗传算法应用于赋形波束阵列天线优化进行了研究,通过对算法的综合和改进,使赋形波束阵列天线在给定副瓣电平和波束覆盖的条件下,增益得到了明显改善,达到了优化的目的,证实了遗传算法应用于此类问题的可行性和有效性.     

基于粒子群算法的天线阵方向图优化

雷达阵列天线常涉及方向图综合,而天线阵综合常常是利用优化算法优化单元幅相及间距等参数的过程。粒子群算法具有理论简单、参数少和易于实现等特点,文中基于这一简单易行的优化算法,给出一种阵列天线赋形波束综合方法。通过优化阵列天线中各单元的馈电幅度和相位同时实现主瓣的赋形和副瓣电平的抑制,或通过仅相位加权实现主瓣波束赋形,得到优良的余割平方赋形。通过实例设计验证了粒子群算法优化天线阵方向图的有效性。     

遗传算法在阵列天线赋形波束综合中的应用

基于遗传算法，提出了一种新的阵列天线赋形波束综合方法，在阵列天线单元数，单元间距一定的情况下，对阵列天线单元馈电幅度，相位进行优化选择，使赋形波束达到设计要求，解决了遗传算法在阵列天线赋形波束应用时的关键技术和实现方法，进行了实验例证，获得了优良的赋形波束形状，显示了遗传算法在天线设计中的广泛应用前景。     

具有散射对消功能的赋形阵列天线优化

针对阵列天线的隐身问题,提出了一种基于对消式有源隐身的新方法。首先通过粒子群算法（PSO）对阵列天线进行优化综合,分别产生赋形主波束和与阵列天线结构项散射场等幅反相的对消波束,然后根据主波束与对消波束的相对大小将两组激励线性叠加,叠加后的激励能够使得阵列天线在产生赋形主波束的同时生成对消波束,以抵消阵列天线自身的散射。该方法为低RCS阵列天线的设计提供了一种新思路,数值计算结果表明了方法的可行性。     

基于改进粒子群算法的天线方向图综合技术

针对基本粒子群算法的早熟收敛、易收敛于局部极值的特点，提出一种改进的粒子群优化算法，采用对全局最佳微扰和惯性权重跳变阈值的设置改善了算法的优化速度和收敛精度。经过对一系列测试函数的计算，证明该方法具有良好的优化效果。最后，给出了该方法应用于阵列天线方向图综合中的模型和仿真实例。     

一种阵列天线快速波束赋形方法

介绍了一种阵列天线快速赋形方法,该方法基于Orchard综合,采用遗传算法对Schelkunoff单位圆零点的位置移动实现波束赋形。波束赋形分为两个步骤:1)根据副瓣电平采用解析法确定初始零点位置;2)以赋形区域内零点径向位移作为自由度,用遗传算法进行赋形区域单目标寻优。相对常见以阵元的幅度相位作为自由度编码的遗传算法赋形,该方法不仅有效避免了副瓣和赋形区的多目标均衡问题,而且算法自由度大幅减少,收敛速度快,能够同时实现较低副瓣电平和赋形区精度要求。通过余割平方赋形和扇形波束两个实例说明该方法的有效性,可以应用于阵列天线快速赋形设计。     

一种新混合粒子群算法及其在阵列天线方向图综合中的应用

针对传统粒子群算法(PSO)中存在的易陷入局部最优解和后期收敛速度慢的问题,首次提出一种新混合粒子群算法(NHPSO),采用杂交粒子群算法和固定惯性权重策略,并把简化的二次插值法融入杂交粒子群算法中。实验证明新算法大大提高了收敛速度,改善了解的质量。对阵列天线特殊主瓣形式的波束赋形和旁瓣电平优化结果取得了非常好的效果,计算机仿真证实该新算法应用于此类问题非常有效。     

基于改进粒子群算法的仅相位加权波束赋形

为有效提高雷达天线抑制强烈地海杂波的要求,文中提出了一种改进的粒子群算法,可以很好的实现阵列天线仅相位加权不对称波束赋形。该算法通过引入自适应收缩因子和适应度函数加权因子,并在非优胜粒子位置更新时引入混沌扰动,避免搜索过程陷入局部最优。计算结果表明,与普通粒子群算法相比有效提高了全局搜索能力和收敛速度,大量减少了迭代次数,在方向图综合中有着非常好的实际工程应用性。     

基于改进粒子群算法的天线方面图综合技术

针对基本粒子群算法的早熟收敛、易收敛于局部极值的特点,提出一种改进的粒子群优化算法,采用对全局最佳微扰和惯性权重跳变阈值的设置改善了算法的优化速度和收敛精度.经过对一系列测试函数的计算,证明该方法具有良好的优化效果.最后,给出了该方法应用于阵列天线方向图综合中的模型和仿真实例.     

基于仅相位加权的阵列天线波束赋形优化方法

给出了一种仅改变相位分布的阵列天线波束赋形优化算法.在不改变阵列天线各单元的馈电幅度分布的前提下,为了使天线的辐射波束形成给定的方向图形状,采用联合应用DFP和BFGS公式的变度量优化算法对阵列天线各单元的馈电相位分布进行优化,使得优化后的阵列天线主波束形状能够与预给的波束形状吻合,从而达到设计要求.该方法为N维函数无约束极小值方法,具有快速收敛、计算量小的优点,是一种阵列天线波束赋形的通用方法.     

低副瓣任意波束直接合成算法研究

在传统阵列天线波束赋形设计中，通过对阵元天线辐射方向图进行幅度相位加权，获得阵列合成方向图.通常阵元激励幅度相位权值的获取，取决于优化算法对目标方向图和阵列合成方向图的对比，通过对阵元激励幅度相位进行大量随机选参后，获得优化结果.由于算法通常是基于相关的阵元方向图，且算法中缺乏副瓣抑制机制，使得方向图合成效率不高且副瓣效果通常不理想.该文设计了一种任意波束直接合成算法.该方法首先在阵元方向图的基础上获得一组互相独立的高增益窄波束（自由基波束），然后基于此波束进行方向图的直接合成，使波束赋形问题统一到基于自由基波束权值运算的范畴内，对波束赋形问题进行了统一，避免了未知参量的随机优选过程，极大提升了阵列天线波束赋形设计的效率.同时在自由基设计的过程中结合了副瓣抑制机制，且这种副瓣抑制机制与波束赋形过程互相独立，使合成波束的副瓣天然地具备了低副瓣的特征.     

自适应遗传粒子群混合算法用于基站天线综合

常规方向图综合算法由于没有考虑天线本身特性、阵元互耦及周围电磁环境影响,理论综合结果与实际情况相差较大.为了解决这个问题,在有源方向图理论基础上,结合遗传算法和粒子群算法的优势,得到了一种改进算法——自适应遗传粒子群混合算法(Hybrid Adaptive Genetic Particle Swarm Optimization,HAGPSO).利用优化的权值对LTE基站天线波束赋形,仿真情况与综合结果一致.     

基于混沌粒子群算法的宽零陷方向图综合方法

自适应阵列天线常需要采用宽零陷技术,以增强阵列天线抗干扰的稳健性。为此,提出了一种基于混沌粒子群算法（CPSO）的阵列天线宽零陷方向图综合方法。该算法首先采用混沌序列初始化粒子位置,以增强搜索多样性,并在对部分非优胜粒子的位置更新时引入混沌扰动项,在每次迭代中对全局最优位置进行变尺度混沌优化,提高了全局和局部搜索能力,加快了收敛速度。仿真结果验证了混沌粒子群算法在阵列天线宽零陷方向图综合时的收敛速度和精度方面均优于标准粒子群算法。     

一种利用相控天线阵综合扇区波束的方法

提出一种利用遗传算法优化得到的阵列天线综合扇区方向图的方法，并分析了其性能及对误差的敏感度。该阵列可用于TD-SCDMA系统实现分扇区技术和波束赋形技术的结合使用。     

基于粒子群算法实现相控阵天线波束赋形

本文利用改进后的粒子群算法实现了相控阵天线的波束赋形,赋形后的波束形状满足设计要求。     

一种阵列天线赋形波束综合方法

给出一种基于反离散傅里叶变换阵列天线赋形波束的综合算法,综合后的阵列天线波束形状与预给的波束形状吻合较好,从而达到设计要求。该方法具有计算速度快、计算量小、计算数值稳定性好的优点。是一种阵列天线波束赋形的实用方法。     

遗传算法综合智能天线的赋形波束

余割赋形波束由于其在很宽的角度内有强度近于恒定的回波,被广泛应用于阵列天线中。建议在智能天线中引入余割赋形波束,采用遗传算法进行综合,并结合遗传算法和实验,得到了期望的结果。仿真和测试结果均表明了此方法的有效性。     

任务驱动的自组织蜂群柔性阵列波束赋形算法研究

根据无人机蜂群构型自组织调整位置和权向量能够实现波束指向特定方向的任务需求，该文提出了一种新颖的任务驱动的自组织蜂群柔性阵列波束赋形算法。首先，建立以无人机蜂群距离为约束、以无人机机载天线坐标位置及权向量为优化变量的波束赋形数学模型。接着，应用Lawson准则简化目标函数，将天线坐标位置及权向量的两类变量优化问题简化为天线坐标位置的单类变量优化，解决了波束赋形模型优化变量耦合带来的求解难题。同时，引入辅助变量，进行约束和复杂目标函数的分离，并通过交替方向乘子法进行求解，降低了包含约束的高度非线性优化问题的求解难度。此外，该文将上述算法扩展至目标方向不精确的应用场景。仿真结果表明，该方法可有效降低波束赋形峰值旁边电平。      

卫星反射面天线波束赋形的研究

卫星波束赋形天线普遍采用阵馈抛物反射面天线和单馈成形反射面天线。针对前者阵馈和后者反射面表面形状复杂的特点,本文分别采用了遗传算法和共轭梯度法对这两种天线进行了优化,并获得了中国版图的波束赋形,说明上述算法在卫星反射面天线波束赋形优化中是有效的。