用于有限大阵列RCS缩减的表面电流分析方法和阵列排布优化

来源 :华中科技大学 | 被引量 : 0次 | 上传用户:hqianhua
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
隐身技术中最为核心的指标之一是雷达散射截面(RCS)。在工程应用中,RCS缩减的主要手段是外形隐身和覆盖隐身材料。在隐身材料中,人工电磁表面比雷达吸波材料更薄更轻,具有广泛的应用前景。人工电磁表面的设计分为两步,针对无限大阵列设计单元图案和针对有限大阵列实现RCS缩减。对于有限大阵列RCS缩减问题,本文结合电磁辐射和阵列设计的相关内容,发展了表面电流分析方法,并用遗传算法实现了阵列优化。表面电流分析方法为有限大阵列RCS缩减提供了一种新的分析手段:通过对比部分区域与整体区域的RCS,可以定量地分析物体表面各区域的表面电流对RCS的贡献度,对实际设计具有重要的指导意义;基于遗传算法的阵列优化工作分别对于两种适应度函数分别优化了阵列分布,最终有效缩减了有限大阵列的双站RCS。本文主要研究内容如下:首先,介绍了面电流元的RCS辐射模型,在此基础上实现了表面电流分布计算RCS的算法。以该算法为基础实现了分区计算表面电流分布RCS的方法。通过对600×600 mm金属平板和金属球进行分析,表明了该计算方法的正确性,以及金属平板边缘区域对大角度区域RCS具有主要贡献。通过对加载了FSS的半径250 mm半圆柱面进行分析,表明入射波频率越高,半圆柱面RCS贡献的来源越集中在半圆柱面中高线附近更小角度范围。与物理光学法等方法的一致性表明了这些结果的正确性。其次,以切比雪夫天线阵的综合方法为例简要介绍了阵列综合方法。讨论了电流分布计算RCS与阵列综合的关系。讨论了阵列的零点分布和频率特性,以此为基础给出了根据栅瓣条件和带宽要求选择频率选择表面阵列分布的方法。最后,针对两种不同的适应度函数,利用遗传算法优化了单圆环图案频率选择表面的阵列分布。旁瓣抑制目标的适应度函数优化得到了旁瓣电平为-30 d B的阵列排布。CST仿真给出了该阵列优化频率选择表面在8、10、12 GHz时的RCS方向图,10 GHz时旁瓣电平为-26 d B。异常散射目标的适应度函数优化得到了异常的三辐射瓣阵列排布,并且在±30°时具有较低的RCS。CST仿真给出了该阵列优化频率选择表面在8、10、12 GHz时的RCS方向图,三个频点下的方向图都具有异常的三个辐射瓣,10 GHz时RCS在±30°方向达到极小值。
其他文献
学位
学位
学位
随着近些年智能终端以及互联网技术的飞速发展,人们对无线业务的需求越来越大,对网络速率和网络时延的要求也越来越高。为了满足人们的需求,越来越多的AP部署到无线局域网中,多AP场景下不同用户之间干扰带来的影响也日益突出。下一代Wi Fi标准802.11be(EHT)提出了进一步提高系统吞吐量、优化传输时延的目标,然而密集组网带来的多AP干扰已经成为严重限制Wi Fi性能提升的关键问题。为了解决这一问题
学位
学位
全球卫星导航系统(Global Navigation Satellite System,GNSS)正在扮演着越来越重要的角色,进一步提升GNSS的定位精度和实时性具有重要的意义。本文的主要工作如下:本文首先介绍了GNSS伪距定位及无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法的基本原理,并结合GNSS定位解算的应用场景,建立了相应模型。接着对伪距测量过程中存在的常见误
如今深度学习被越来越多的人所熟知,应用也更加广泛,计算机视觉领域中大多数模型都是深度学习网络。深度学习网络效果的好坏关键在于训练,其目标是训练出一个模型,并用这个模型去进行一系列的预测。训练深度学习网络离不开大量数据集,现有的数据集的大小和复杂度已落后于模型容量的增长,若训练并应用新的模型,数据将成为一个问题。获取数据最常见的方法是人工获取并标注,但这是一种较复杂、高成本的获取方式,并且当需求大量
移动应用(app)市场的快速发展和日益激烈的竞争环境使得开发者需要不断对产品进行更新迭代,从而维持产品生命力。在移动应用市场中,用户评论是用户对移动应用观感、问题和建议的体现,包含了大量有助于开发者进行下一步更新迭代的信息。但是,移动应用的用户评论数目往往十分巨大,并且用户评论内容通常是以不规则的自然语言来描述,这些问题使得开发者难以对用户评论进行有效的利用,阻碍了移动应用的发展。为了进一步对用户
学位