基于GS算法的圆柱共形微带阵列自适应零点形成

运用GS算法研究了圆柱共形微带阵列天线的自适应零点形成.根据腔模理论和逐元法得到圆柱共形微带阵列天线的方向性函数,将GS算法运用于共形阵列进行自适应零点形成.仿真结果表明,采用GS算法的圆柱共形微带天线阵列能准确地在干扰方向形成零陷.     

考虑互耦修正的共形天线阵方向图综合研究

基于建立的双层背腔微带天线共形阵模型,提出了一种改进的互耦修正投影法,并成功用于该类共形阵列的方向图综合。通过引入包含空间位置信息的广义阵元方向图概念,完成了对阵元激励幅相的同步求解;将阵元有源方向图思想与最小二乘法结合,简化了互耦系数矩阵的提取;综合过程计入了阵元相位方向图的贡献,使该方法的可靠性显著提高,阵列综合结果与全波分析结果的完全吻合,验证了该方法的正确性。     

基于自适应算法的锥面共形天线阵列方向图综合

以弹载共形相控阵雷达导引头天线为应用背景,将共形天线技术与自适应阵列处理技术相结合,通过欧拉坐标变换,建立了基于有向阵元的锥面共形天线阵列方向图模型,应用了一种基于最大信噪比准则的自适应算法对锥面天线阵列进行了方向图综合。该算法通过对副瓣区域干扰信号的迭代得到一组最优复加权矢量,仿真结果表明该算法可以在三维空间实现对主波束指向以及副瓣电平的控制。     

利用迭代线性约束最小二乘方法实现不规则阵列的方向图综合

研究了用自适应波束形成技术实现不规则阵列的方向图综合问题,改进了应用于方向图综合的迭代线性约束最小二乘方法,改进后的算法提高了数值稳定性和对随机稀疏阵的适应性。对特定的阵列如果指定的理想方向图无法达到,该算法可以获得最好的逼近。仿真结果验证了算法的性能。     

基于入侵性野草优化算法的平面天线阵列的方向图综合

针对入侵性野草优化(invasive weed optimization,IWO)算法存在早熟收敛和陷入局部最优的问题,提出了一种混沌自适应IWO(chaotic adaptive IWO,CAIWO)算法,并将改进的算法应用于平面阵列天线的方向图综合问题。计算结果表明:该算法的优化结果均优于对比文献中的结果,更适合于阵列天线方向图综合问题。     

基于改进自适应遗传算法的阵列优化

提出了一种改进的自适应遗传算法,对约束了阵列孔径、阵元数目和最小阵元间距的非均匀稀布阵列进行优化布阵。该算法采用实值编码,改进了适应度函数,避免了不可行解的产生。同时选取新的选择算子和改进的双重最佳保留策略,对传统自适应遗传算法的交叉、变异概率进行了动态改进。仿真结果表明,该方法能较好地抑制"早熟",增加了获取全局最优解的概率,获得了更低的峰值旁瓣电平。     

基于凸-改进遗传算法的圆阵列方向图联合优化

针对圆形阵列方向图具有较高旁瓣的问题,提出一种新的基于凸优化和改进遗传算法的优化方法。该方法首先采用遗传算法将阵元位置和阵元权值作为优化变量,以最小化波束方向图峰值旁瓣为目标函数进行联合优化,既增加了变量的自由度,又符合理论意义上的全局寻优;同时,为了避免算法的早熟收敛,对基本遗传算法进行了必要的改进。然后采用凸优化方法对阵元权值进行二次优化可进一步降低旁瓣电平,与传统方法相比能够明显提高优化效果的稳定性。仿真数据证实了该方法的有效性和正确性。     

改进的遗传算法在图像边缘提取中的应用

提出了一种改进的遗传算法,采取了确定性采样选择算子对选择算子进行了改进;明确了非等概率融合单阈值单点交叉算子,对交叉算子进行了改进;同时还提出了一种新的变异算子,它依据一种新的判断群体"集中"与否的准则,根据群体的进化程度自适应地调整变异概率pm的值。将改进的遗传算法用于图像的边缘提取问题中,试验结果表明,与穷尽法和普通遗传算法相比,提出的算法在保证有效地提取出边缘的基础上,节省了运算时间。     

基于二分粒子群优化的阵列天线方向图综合

在阵列方向图综合中,粒子群优化技术通过简单的算法就可以达到很好的综合效果.然而基本的粒子群算法存在易于陷入局域最优值、迭代次数大的缺点,针对这些缺点,提出了一种新的算法——二分粒子群优化算法.该算法利用基本粒子群算法中的随机因素将其下一代的粒子分裂为2个粒子,在这2个粒子中选优处理.仿真结果表明,改进算法改善了基本粒子群算法容易收敛到局域最优值和迭代次数大的缺点,在阵列方向图的综合中取得了良好的效果.     

递进型优化算法对相控阵天线阵列的波束优化

针对相控阵导引头中存在的误差和干扰对阵列波束的影响,提出了权值近似和遗传算法结合的递进型算法实现对波束的最大优化。该算法综合考虑了阵列的互耦效应对波束的干扰以及量化误差,在权值近似的基础上将阵列波束的旁瓣电平、零深和波束宽度作为优化指标,引入遗传算法不断逼近实现波束的优化。该递进算法在权值近似的基础上优化,进一步提升了波束的性能,同时具有很强的灵活性。