柱面共形阵列天线的极化-DOA估计

共形阵列受共形载体曲率的影响,呈现多极化特性,在共形阵列天线的波达方向(direction of arrival,DOA)估计的研究中考虑信号的极化参数就显得非常重要,现有共形阵列下空间超分辨率算法常缺失对信号极化参数的估计.针对柱面共形阵列的多极化特性,建立含有入射信号极化参数的柱面共形天线的导向矢量模型,结合MUSIC(multiple signal classification)算法实现了入射信号的极化参数与二维波达方向的联合估计,对阵列形式无特殊要求,不需要参数配对.仿真结果表明,改进方法能有效应用于柱面共形阵的DOA估计,并提高了信号的分辨率.     

基于改进差分进化算法的天线阵列优化研究

针对具有阵元数目、孔径尺寸以及最小阵元间距约束,以抑制峰值旁瓣电平(PSLL),使非均匀阵列单元得到优化布局.优化过程中由于搜索空间较大,优化结果可能出现不可行解.为有效地解决以上两个问题,提出了一种改进的差分进化算法,采用实值编码,通过使用新的个体描述方式,减小了优化搜索空间;同时通过改造适应度函数,避免了变异交叉后出现不可行解.给出了改进算法的流程,通过仿真实例验证了算法的有效性和稳健性.仿真结果表明,改进方法在有最小阵元间距约束下以抑制峰值旁瓣电平为目的的非均匀阵列单元优化布局问题中有良好的应用前景.     

一种基于引向因子和反向搜索的改进遗传算法

针对标准遗传算法应用于数值优化时存在收敛缓慢、易早熟收敛及收敛精度低的问题,提出了一种改进的遗传算法,对标准算法的交叉算子进行了改进——加入了引向因子,使参与交叉的个体向着最佳个体靠近,同时,还加强了群体之间的信息共享机制,使交叉运算中个体搜索方向受到更多个体的影响,使得算法不易陷入局部收敛.并将反向搜索技术结合到上述改进遗传算法之中,增加了算法探索新的解空间的能力,从而提高算法的全局搜索能力,改善了全局解的精度.最后,使用改进后的算法对5组典型的复杂测试函数进行优化,将优化结果与标准算法优化结果进行对比,结果表明改进的算法有效地克服了标准遗传算法应用于数值优化时存在收敛缓慢、易早熟收敛及收敛精度低的问题.