论文部分内容阅读
与单个天线相比,阵列天线因其能够实现高增益、窄波束、低旁瓣等电性能在现代无线电系统中获得了广泛的应用。阵列综合是阵列天线设计的核心问题之一,研究高效的阵列综合算法有助于设计出高性能阵列天线。因此,研究大型阵列的高效综合算法具有重要的理论意义和实用价值。本文以阵列综合算法为主线,依次研究了遗传算法、入侵杂草优化算法和迭代傅里叶算法在低旁瓣阵列综合中的应用,重点研究了迭代傅里叶算法及其改进形式在直线阵和大型稀疏平面阵综合方面的应用。论文的主要研究工作体现在以下几个方面:1.针对已有的实数编码遗传算法(GA),提出了一种新型交叉算子,改进了其全局搜索能力。把改进遗传算法应用于低旁瓣直线阵方向图综合,所得阵列在波束宽度、零陷基本满足要求的情况下,旁瓣电平比原算法的结果降低11-12dB。2.将GA和入侵杂草优化算法(Invasive Weed Optimization)相结合,提出了用于阵列天线综合的GA-IWO算法。该算法将GA初步进化(粗GA)得到的结果作为初始解,利用IWO算法对其进行微扰,以提升算法的全局搜索能力,加快其收敛速度。20元直线阵的综合结果表明,采用GA-IWO算法求得的阵列,在波束宽度一致,零陷值相差很小的情况下,旁瓣电平比分别单独采用细GA和IWO算法的结果降低了约0.8~2dB。GA-IWO算法的收敛速度远高于细GA,但低于IWO算法。3.在迭代傅里叶算法(Iterative Fourier Technique,简称IFT)的基础上,提出了一种用于等间距直线阵综合的自适应迭代傅里叶算法(Adaptive Iterative Fourier Technique,简称AIFT)。与原算法相比,该算法无须预先给定获得最佳阵列所需的旁瓣电平阈值(Sidelobe Level Threshold,简称SLLT,或旁瓣闽值)。对于阵元激励被大幅截断的阵列,该算法通过自动调整主瓣边缘区域阵列方向图的值,来降低方向图的主瓣波束宽度,有效抑制了波束展宽效应。不同设计需求的直线阵综合结果表明,与IFT算法相比,AIFT算法所得阵列在波束展宽较小的情况下,旁瓣电平降低了4-5dB。4.提出了一种改进的迭代傅里叶算法(Modified Iterative Fourier Technique,简称MIFT),分别用于综合稀疏直线阵以及大型稀疏平面阵。与IFT算法相比,使用MIFT算法综合稀疏直线阵时,计算时间最多仅为前者的1/17。把该算法用于综合大型稀疏平面阵时,在阵列的填充因子高于40%的情况下,所得阵列的旁瓣电平比IFT算法的结果低0.9-8.6dB,且方向图的主瓣波束宽度几乎不变。与DDT(Deterministic Density Taper)算法的结果相比,阵列的旁瓣电平降低了4-5dB。由于旁瓣阈值的大小对MIFT算法能否收敛到最优解至关重要,本文给出了利用MIFT算法综合大型稀疏平面阵时,旁瓣阈值的取值方式及范围。5.当阵列的填充因子小于40%时,使用MIFT算法综合大型稀疏平面阵变得不可行,而采用IFT算法可能陷入局部最小解。因此,本文提出了IWO-IFT算法。该算法的初始群体由IFT算法产生,利用IWO算法对初始群体中的个体进行微扰,使阵列方向图在主瓣宽度基本保持不变的情况下,获得尽可能低的旁瓣电平。仿真结果表明,IWO-IFT算法可用于综合任意孔径和填充因子的稀疏平面阵,所得阵列的旁瓣电平比IFT算法的结果有不同程度的降低,其中最大降幅为2.6dB。