【摘 要】
:
阵列天线广泛应用于雷达、通信、导航等无线电系统中。为了使阵列天线方向图具有特定的形状和性能(如增益、波束宽度和旁瓣电平等),需要对阵列天线进行设计以满足特定应用场景的需求。阵列方向图综合(Array Pattern Synthesis,APS)是阵列天线设计的关键技术之一,其通过调节阵列权值来逼近期望的天线方向图响应。其中,一种有效途径是通过在待控制区域添加虚拟干扰,利用自适应阵列原理来计算权值。
论文部分内容阅读
阵列天线广泛应用于雷达、通信、导航等无线电系统中。为了使阵列天线方向图具有特定的形状和性能(如增益、波束宽度和旁瓣电平等),需要对阵列天线进行设计以满足特定应用场景的需求。阵列方向图综合(Array Pattern Synthesis,APS)是阵列天线设计的关键技术之一,其通过调节阵列权值来逼近期望的天线方向图响应。其中,一种有效途径是通过在待控制区域添加虚拟干扰,利用自适应阵列原理来计算权值。然而,现有的方法对虚拟干扰功率的选取大多基于经验值,无法实现对方向图响应的精确控制。对此,本文研究基于自适应阵列理论的方向图综合方法,通过迭代添加具有特定功率值的虚拟干扰,使得阵列方向图响应不断逼近期望值,从而更灵活、方便、精确地控制阵列方向图响应,完成的主要工作和创新点总结如下:(1)针对传统自适应APS方法难以确定干扰功率而无法灵活控制方向图响应的问题,给出了一种最大增益的单点阵列响应控制算法(Single-Point Array Response Control-Maximum Gain,SPARC-MG),该算法可以实现单点方向图电平的精确控制。具体通过设计迭代算法,逐个控制不同方向的响应值,实现方向图的灵活控制。该算法突破了传统的整体设计方向图的思路,利用单点精确控制的概念并结合迭代算法实现方向图响应的整体精准控制,且易于在实际应用中实现。(2)针对相邻迭代中单点方向图响应突变的问题,考虑同时对多点的方向图响应进行控制,进一步研究了最大增益的多点阵列响应控制算法(Multi-Point Array Response Control-Maximum Gain,MPARC-MG),该算法有效地减小了迭代运算量,大大节约了运行时间,从而实现了方向图的快速综合。由于MPARC-MG算法运算量较小,可实现大规模阵列的方向图综合,具有更广泛地适用范围。(3)针对SPARC-MG算法通过几何方式进行参数寻优而造成的精度较低的问题,本文给出一种最小偏差的单点阵列响应控制算法(Single-Point Array Response Control-Minimum Deviation,SPARC-MD),该算法通过精准计算虚拟干扰的功率值,给出了算法参数选取的一般化解析模型。SPARC-MD算法可以合成具有平顶主瓣、深凹口、低旁瓣特点的方向图,且经过实测数据验证效果良好,为提高波束形成抗干扰的稳健性提供了新途径。
其他文献
局部修复码(Locally Repairable Codes,LRCs)是一种广泛应用于分布式存储系统中的纠错编码。局部修复码的任意一个编码符号发生错误时,都可以通过访问其他最多r个符号进行恢复,正因为拥有这种特性,局部修复码在分布式存储系统中拥有广阔的前景。本文主要研究了LRC码的维度限和构造方法,主要有以下两方面内容:从LRC码的维度限出发,将C-M界作为基础,第一,推广了文献中已有的维度限,
近些年来,随着我国经济的飞速发展,人民群众的生活水平日益提高,可支配收入也大幅度提高,因此有了越来越高的投资需求。然而当前适合普通群众的投资手段非常有限,虽然股票市场的收益相对其他投资途径较高,但是也存在较高的风险。随着计算机领域相关技术的发展,将计算机和人工智能等相关技术应用于投资领域以满足普通群众的投资需求已经成为大势所趋。增强指数跟踪是这其中的热点问题,其主要目的是在被动投资策略——指数化投
近年来,随着集成电路工艺特征尺寸逐步演进到深纳米水平,市场也对消费类电子的功耗、性能与产品设计周期提出了更高与更加苛刻的要求。在传统后端物理实现设计流程中,一直采取着布图规划,电源规划,布局,时钟树综合,绕线,物理验证,签核的设计流程。但是随着先进工艺制程达到7nm和5nm与即将部署的3nm节点,电路时序收敛和功耗降低实现的难度急剧上升。如何优化改进目前传统的后端物理实现设计流程与方法,以得到更优
多光谱(Multispectral,MS)图像和全色(Panchromatic,PAN)图像的融合分类是遥感图像处理的一个研究热点。多光谱图像和全色图像是同一场景地物相同时刻的成像结果,但是由于成像技术的差异,两者呈现出一种表象差异,但本质相同的特性。目前常见的多光谱图像是具有四个光谱波段(RGB+近红外)的遥感图像数据,它的特点是光谱信息相对全色图像要更加丰富。而全色图像仅具有一个波段,它相较于
图像目标跟踪是现代信息化社会中一个重要的技术领域,在军事安防、卫生医疗、工业生产等多个方向都有广泛的应用。近些年来,多种算法在目标跟踪领域获得了快速发展。核相关滤波(Kernel Correlation Filter,KCF)算法是其中综合效果最为瞩目的一套跟踪算法,得益于梯度统计直方图的优势以及循环矩阵的特殊性质,无论是执行效率还是跟踪效果都达到了新的高度。但在实际的工程应用中,基于KCF的目标
星载空中动目标指示(AMTI)雷达以卫星为平台具有探测范围广、生存能力强、所受制约少等传统雷达所不具有的优势,在军事中有很大的应用价值,已经成为当今雷达技术研究的重点。但星载AMTI雷达实现技术难度大,设计复杂,至今还没有投入实际使用,因此利用计算机仿真技术对星载AMTI雷达系统进行建模与仿真,不仅能对星载AMTI雷达系统中的关键技术进行快速有效的研究,还可以为系统目标检测性能的评估提供有力的依据
随着遥感技术的快速发展,遥感影像数据形式越来越多样化,其所包含的信息也越来越丰富,具有重要的研究价值。而遥感影像分割作为遥感影像处理中重要的一项技术,已经被广泛应用于军用侦察、地质勘测、地图重建以及地质灾害预防等领域。近年来基于深度学习的遥感影像分割方法取得了一定的突破,但仍然存在目标边缘分割不连续及部分目标预测得分不精确等问题,本文针对这些难点问题,从网络结构设计方面做出了相应的改进以提高分割的
当代,伴随着无线电子通信技术的高速发展,天线行业已在我国国民生产生活中起到越来越重要的作用。现如今,随着时代的不断发展,工业生产对天线精度要求的不断提高,而天线测量是天线设计必不可少的一部分,因此,高精度的天线测量已经是天线设计生产的重要环节之一。但是在超短波频段,天线的设计和测量还存在一系列的问题。由于超短波天线自身体积相对来说比较大、常架设的地点在野外,常规的天线测量系统很难对超短波天线进行精