稀布阵天线的性价比高，应用在雷达系统中能够降低雷达总的系统花费。阵列天线的孔径越大，则波束越窄，方向性越好。对于均匀阵而言，若要求达到一定的分辨率，可以通过增加阵元个数使孔径增大的方法来实现，但是是以增加了系统的繁杂度和阵列的构造成本为代价，也为进一步的信号处理带来挑战。另外，也可以通过增加均匀阵阵元间距的方式来增加孔径，但是此条件下均匀阵有可能会出现栅瓣。均匀阵的自由度较少，没有足够的参数变动进一步来调整阵列性能。相比于通过增大阵元数来增大孔径而言，通过稀布阵元来达到增大孔径的目的是降低雷达系统构造成本的方法之一。例如固态有源相控阵天线，阵面的花费很大，占据构建雷达系统耗资的一大部分。另外，在实际应用中，很多系统只需要具有较高的分辨力，而不必具有较高的天线增益。稀布阵的优点是不会出现栅瓣，但是对应的旁瓣电平比较高。为降低稀布阵的旁瓣电平，本文研究了利用智能算法进行稀布阵综合进而进行布阵以得到较低旁瓣水平的算法。主要内容如下：第一部分：阵列天线的方向图乘积原理是进行阵列天线性能研究的基础，故文中详细推导了方向图乘积原理。模型的构建是求解计算公式的一个前提，文中给出了稀布阵、均匀阵的的定义以及阵元分布模型。为了对阵列天线方向图有一个直观的概念，并且为了表明稀布阵相比于均匀阵列的优势，文中给出了两者的方向图，其中均匀阵是和稀布阵具有相同的孔径和相同的阵元数。方向图的性能好坏由对应定义的参数来评价，其中旁瓣电平、主瓣宽度、增益、方向性、带宽是比较重要的几个参数，它们表征了方向图的特征。第二部分：文中采用三种改进的遗传算法进行稀布阵阵元位置综合，故首先说明了算法的基本知识，即遗传算法的常用术语以及标准遗传算法的选择、交叉和变异操作，这是引进三个改进遗传算法的基础。文中又进一步给出了三种改进遗传算法的定义以及算法的实现过程。到此为止，已经对遗传算法的原理性知识给予了完整性介绍，故文中利用这三种遗传算法进行了多个仿真前提下的稀布阵阵元位置综合。为了能够保证算法的有效性以及算法的适用性，文中给出的仿真前提主要涉及一下几种：与稀布阵具有相同孔径、相同阵元数均匀阵是否存在栅瓣；阵元数目的奇偶；阵元在阵列中心两端是否对称分布；算法优化的参数种类。第三部分：利用粒子群算法进行稀布阵阵元位置综合。为了研究哪一种算法在稀布阵综合优化问题上的适用性更好，分析了粒子群算法和三种遗传算法的结果。第四部分：为了能够清楚认识阵列的参数对旁瓣电平的影响程度，文中分析了阵列天线单元数、阵列孔径和阵元最小间隔的影响度。适应度函数是算法迭代进行的控制因子，它是由阵列旁瓣水平转换而成。通过在适应度函数中加窗函数的方式能够有效降低旁瓣电平的。文中提出对海明窗进行改进，然后将其加入到适应度函数中。阵元间相位的改变可以改变最大辐射方向，以上算法的研究均是在最大辐射方向是阵列法线方向的前提下进行的。本文继续研究辐射方向改变时稀布阵的旁瓣和主瓣宽度性能。由于阵列天线工作的频率应具有一定的范围，故文中最后研究了稀布阵的工作带宽性能。