论文部分内容阅读
提出一种基于多任务学习的线阵阵元位置与激励的联合稀疏优化方法。该方法可以在先验知识不足的情况下,从目标方向图中获得更多的特征信息,并将阵列天线稀疏优化问题转换成为稀疏矩阵的线性回归问题。通过稀疏向量支撑区的识别,将欠定的导向矢量矩阵方程转换为超定的特征矩阵方程的求解,在实现阵列方向图逼近的前提下,对阵元的激励与位置进行联合稀疏优化。仿真结果证明,该方法在优化阵元激励和位置的同时,实现了对天线阵列功能方向图波束的有效赋形。