基于酉变换-矩阵束的稀布线阵方向图综合

该文提出一种非迭代的稀布线阵方向图综合方法。该方法首先对方向图采样数据进行centro-Hermit化处理,然后通过酉变换构造等价实矩阵束,得到非均匀单元位置与新矩阵束广义特征值的关系。在此基础上,对实矩阵奇异值分解,并舍弃非主要奇异值以获得低阶左奇异向量矩阵,进而求得稀布阵列的阵元位置和相应激励。相比于其他方法,该方法能够直接得到阵元位置的实数解,奇异值分解和特征值分解均在实数域进行,提高逼近程度的同时有效降低了计算量,仿真验证了该方法利用少量阵元即可高效实现线阵的方向图综合。     

非均匀阵列赋形功率方向图综合方法研究

本文介绍了一种赋形功率方向图的非均匀(包括阵元间隔)线阵综合方法.该方法首先通过求解一个线性不等式约束下的最小均方误差优化问题,得到满足要求的功率方向图.然后使用求根方法对功率方向图对应的多项式进行分解,得到场方向图.最后使用前向后向矩阵束方法给出优化的激励幅度、相位和位置估计.文中对比了激励向量采用加权和不加权的最小...     

基于自调整映射法则的矩形稀布阵列优化方法北大核心CSCD

针对多约束条件下的矩形稀布阵列优化问题,提出了一种基于自调整映射法则的矩形稀布阵列优化方法。该方法首先提出一种新的最优化问题用于确定阵元坐标矩阵维数以平衡放置阵元数的自由度和阵列孔径可调整空间,并引入用于稀疏阵元的阵元状态矩阵;其次,构建自调整映射法则,对矩形阵列不同方向进行相应的映射,并对阵列短轴方向进行自调整,使得阵元位置满足最小阵元间距,避免出现不可行解;然后,通过粒子群优化算法优化阵元位置得到最优阵元坐标;最后,考虑适应度函数为单波束指向和多波束指向,对算法进行仿真验证。仿真结果发现该算法可以满足多约束条件并有效降低阵列的峰值旁瓣电平,从而提高矩形稀布阵列的性能。     

基于序列二阶锥的平面稀疏阵方向图重构

针对稀疏阵列天线多方向图可重构问题提出了一种基于序列二阶锥的算法。通过引入共轭对称激励,将方向图的上下界约束转化成凸问题;通过辅助变量的迭代加权,将稀疏阵列的阵元位置优化和多方向图的赋形转化为序列二阶锥问题。文中将算法从线阵推广至面阵,在任意主瓣宽度、响应波纹、零陷及副瓣电平的约束下,通过改变阵元的激励,皆可优化阵元位置排布。仿真结果验证了算法的有效性,可以达到降低天线系统成本的目的。     

基于低秩块Hankel矩阵正则化的阵元故障MIMO雷达DOA估计

多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达在阵元故障时虚拟阵列输出数据矩阵会出现大量的整行数据丢失,由于阵列接收数据矩阵的不完整而导致对波达方向(Direction of Arrival,DOA)的估计性能恶化。大多数低秩矩阵填充算法要求缺失数据随机分布于不完整的矩阵中,无法适用于整行缺失数据的恢复问题。为此,提出了一种基于低秩块Hankel矩阵正则化的阵元故障MIMO雷达DOA估计方法。首先,通过奇异值分解(Singular Value Decomposition,SVD)降低虚拟阵列输出矩阵的维度,以减少计算复杂度。然后,对降维数据矩阵建立基于块Hankel矩阵正则化的低秩矩阵填充模型,在该模型中将MIMO雷达降维数据矩阵排列成块Hankel 矩阵并施加Schatten-p 范数作为正则项。最后,结合交替方向乘子法(Alternate Direction Multiplier Method,ADMM)求解该模型,获得完整的MIMO雷达降维数据矩阵。仿真结果表明,所提方法能够有效恢复降维数据矩阵中的整行数据缺失,具有较高的DOA估计精度和实时性,在阵元故障率低于50.0%时DOA估计精度优于现有方法。     

基于互相关抽样分解的分布式非圆信号DOA快速估计

在非相干分布式非圆信号波达方向(DOA)估计中,针对利用信号非圆特性后输出矩阵维数扩展带来的较大运算量问题,该文提出一种基于互相关抽样分解的DOA快速估计算法。该算法仅需要从子阵间的扩展互相关矩阵中抽样出少量行元素和列元素,构成两个低维子矩阵,进而通过低秩近似分解便可快速地同时求出左右奇异矢量,即分别对应两个子阵的信号子空间,避免了计算整个互相关矩阵及其奇异值分解运算;最后利用两个子阵信号子空间的旋转不变性通过最小二乘得到DOA估计。仿真分析表明,当行列抽样数大于信源数的两倍时,所提算法与直接基于互相关矩阵奇异值分解的非相干分布式非圆信号DOA估计算法性能相近,但复杂度得到了大幅度降低;而相比于传统的低复杂度非相干分布源DOA估计算法,所提算法利用信号非圆特性具有更高的估计性能。     

2 m望远镜消旋K镜转台的模型辨识

针对某2 m望远镜消旋K镜转台,提出了一种基于Hankel矩阵奇异值分解的特征系统实现算法对系统的参数和阶次进行辨识。首先,以正弦扫描信号激励转台并同步采集位置反馈信息,利用谱分析法对测试数据进行分析,得到了系统的频率特性曲线;其次,对系统的Hankel矩阵进行奇异值分解,得到了K镜转台的结构模型;最后,采用特征系统实现算法对Hankel矩阵进行辨识,得到了K镜转台的参数模型。实验结果显示:K镜转台相对均衡的最小阶阶次为6阶,在系统的中低频段获得幅度0.31 dB和相位0.87的辨识精度,相对于参数递阶辨识方法,分别提高了50.7%和23%。结果表明:该方法能够确定一个与系统外特性等价的相对均衡的最小阶状态空间模型,在辨识系统阶次和参数估计方面具有较好的可行性和实用性。     

一种有阵元间距约束的稀布阵天线综合方法

提出了一种基于改进遗传算法的稀布阵综合新方法,用于优化设计有最小阵元间距约束的稀布线阵.该方法利用个体的实值编码提高了遗传算法的优化效率,通过设计遗传操作预处理和后处理,并采用一种广义的交叉算子和变异算子,有效地避免了基因重组和变异时出现不可行解.在给定阵列孔径和阵元数的条件下,高效地实现了任意最小阵元间距约束下抑制稀布线阵峰值旁瓣电平的稀布直线阵列综合.给出了应用该方法的具体步骤,并通过仿真实验证实了该方法的有效性和稳健性.     

基于整数编码遗传算法的稀疏阵列综合

该文针对稀布阵列综合问题,提出一种基于整数编码遗传算法的优化设计方法。采用整数编码的个体描述方式在保证阵元稀布率恒定的同时,减小了搜索的空间。在优化阵元分布的基础上采用凸优化方法进一步优化阵列权值,显著提高了阵列方向图的主副瓣比。仿真数据结果验证了方法的有效性和优越性。     

基于改进麻雀搜索算法的稀布线阵综合方法

针对阵列天线中阵列孔径、阵元数目、阵元间距等多约束的稀布线阵综合问题,文中提出了一种基于改 进麻雀搜索算法的稀布阵列综合优化方法。给出了改进麻雀搜索算法的流程,并在确定阵列孔径、阵元数目和最小阵 元间距的约束条件下,采用Tent 混沌映射进行天线阵元位置的初始化,提高算法的搜索性和收敛性,实现了抑制天线 峰值旁瓣电平(PSLL)的稀布线阵综合仿真。仿真结果表明,所提出的方法相比于其它文献中的优化方法,能够得到更 低的峰值旁瓣电平,稳健性好,效率高。在仿真结果的基础上,引入实际天线进行组阵分析,验证了该方法的可行性。