基于迭代加权?q范数最小化的稀疏阵列综合方法

摘 要：针对非均匀稀疏阵列综合问题,提出一种利用迭代加权?q(0相似文献   

一种低副瓣稀布阵列天线的方向图综合算法

提出了一种对含有较多单元的稀布直线阵列,以及稀布平面阵列天线进行低副瓣综合的二阶算法。采用迭代傅里叶算法获得一个具有较低副瓣,栅格间距为半波长的稀疏直线平面阵列。针对所得到的稀疏阵列,选择相邻间距大于半波长的单元作为被优化对象,进一步采用差分进化算法,在满足单元间距不小于半波长的约束条件下,对被选中单元的位置和激励相位进行优化来获取具有更低副瓣的稀布阵列天线。根据上述约束条件,在执行完算法的第一步后,阵列中大部分单元的位置已经固定下来,因此,只有少量单元进入下一步的优化进程,从而有效缩减了差分进化算法的寻优空间,加速算法的收敛。基于不同直线阵列和矩形平面阵列的方向图综合结果表明,采用本算法得到的稀布阵列天线,其旁瓣电平值相比文献中已有的结果均表现出不同程度的下降。     

球面共形天线阵列的稀布优化方法

为了抑制球面阵列峰值旁瓣电平,提出了一种基于改进遗传算法的阵元球面稀布优化算法(ESSA).首先采用遗传算法染色体对阵元位置信息进行特征提取,并利用染色体的的交叉、变异对位置信息进行优化重组,然后将重组前后的阵元位置信息合并成新的种群,最后在迭代过程中根据遗传算法适应度函数对阵元分布进行优化选择,从而建立最优阵元分布模型.与阵元球面均匀分布方法相比,EESA具有更大的阵元分布空间.仿真实验表明,经过遗传算法优化后所得最优阵元分布模型的峰值旁瓣电平较优化前约降低2.6dB,实验结果证明了ESSA可完全实现阵元可分布空间的随机寻优.     

基于改进交叉熵算法多目标不等间距阵列综合

将模糊C均值聚类算法与传统交叉算法相结合,提出改进交叉熵算法.利用该算法成功完成阵元个数分别为6、8、10、12不等间距阵列综合,解决了不等间距阵列综合中峰值旁瓣电平和波束宽度的多目标优化问题,得到了对应情况下不等间距阵列的峰值旁瓣电平和波束宽度的平衡曲线.优化结果表明,给定波束宽度,阵元个数相同的不等间距阵列的峰值旁瓣电平比均匀阵列下降近30%.在均匀阵列超出截止间距时,可以更加有效准确地找寻峰值旁瓣和波束宽度的折中点.     

基于迭代加权l_q范数最小化的稀疏阵列综合方法

针对非均匀稀疏阵列综合问题,提出一种利用迭代加权lq(0q1)范数最小化的阵列综合方法。该方法利用稀疏阵列天线的稀疏物理特性,将稀疏阵列综合问题转化为一系列迭代加权lq(0q1)范数最小化的稀疏重构问题,并在每次迭代中求解出用于下次迭代的阵列加权向量闭式解,由满足迭代终止条件时的阵列加权向量的非零值来确定阵列的阵元位置及其激励幅度。仿真结果表明,与基于迭代加权l1范数的阵列综合方法相比,该方法在满足辐射特性前提下能以更少的迭代次数来综合出稀疏程度更高的稀疏阵列。     

便携式三维成像声纳的非网格化稀疏阵列技术

为降低便携式三维成像声纳系统的硬件开销,同时保证阵列的波束性能,提出了一种非网格化阵列稀疏方法.该方法基于十字型阵列,在模拟退火算法中加入阵元位置扰动,以实现对十字型阵列的非网格稀疏优化,降低阵元数量;引入多频发射和并行子阵接收波束形成算法,构建模拟退火算法中新的能量函数,以保证十字型稀疏阵列具有成像实时性以及较低的计算需求.最后利用该方法对100+100的十字型阵列进行稀疏优化.实验结果表明,该方法获得的非网格化稀疏阵列能够获得预设的波束性能,并具有成像的实时性和较低的计算需求;与现有文献相比,在保持相同波束性能的条件下,该稀疏阵列具有最少的阵元数量.     

基于FFT技术微波集成电路及阵列天线快速电磁仿真

该文开展了混合位积分方程(MPIE)的空域矩量法(MoM)对单片微波集成电路(MMIC)及阵列天线的全波分析,并采用了共轭梯度快速傅里叶变换(CGFFT)算法减少矩量法的内存需求与计算复杂度.并针对此方法必须采用等间距离散的限制,采用了基于快速傅里叶变换(FFT)技术的修正算法,包括稀疏矩阵规则网格方法(SMCG)、自适应积分方法(AIM)和预校准快速傅里叶变换方法(Precorrected-FFT).此类方法既保留了三角基函数精确建模的能力又具备CGFFT算法高效计算的优点,实现了对复杂结构、电大尺寸的微波集成电路及阵列天线的快速电磁仿真.     

兼具高自由度低互耦的间距约束稀疏阵列设计

针对传统稀疏阵列难以实现孔径和互耦同步优化导致测向误差的问题,设计了一种兼具高自由度低互耦的间距约束稀疏阵列.该阵列由四段均匀线阵以一定间隔首尾相连构成,约束每段均匀线阵的阵元间距以及各段均匀线阵之间的间距尽可能大,形成了3段稀疏的均匀线阵和1段密布的线阵,有效减少了阵元间的互耦效应,基于该阵列推导了物理阵元位置、差联合阵列的闭式解以及自由度的闭式解.与相同阵元数的传统稀疏阵列以及改进稀疏阵列相比,设计的间距约束稀疏阵列拥有更大的孔径、更低的互耦以及更多的连续虚拟阵元,通过实验仿真验证了间距约束稀疏阵列的优越性.     

模拟退火粒子群算法的同心圆阵稀疏优化设计

提出一种基于模拟退火粒子群算法(SAPSO)的同心圆阵稀疏优化方法,该方法以同心圆阵阵元位置为优化参量,以第一零点波束宽度和峰值旁瓣电平为优化目标,结合了模拟退火算法和粒子群算法的优点,提高了算法的收敛速度,具有摆脱局部最优的能力。仿真结果表明,相比于目前常用的4种优化算法,相同迭代次数下,该方法收敛迭代次数最小,且在约束同心圆阵第一零点波束宽度的同时得到的稀疏同心圆阵具有最低的峰值旁瓣电平。     

模式耦合稀疏贝叶斯MIMO雷达成像

通过压缩感知稀疏恢复理论可利用少量MIMO雷达收发阵元实现对目标的高分辨成像。利用MIMO雷达目标图像的块稀疏特性,将模式耦合稀疏贝叶斯学习算法应用于MIMO雷达成像,首先建立MIMO面阵回波信号模型,引入模式耦合稀疏贝叶斯分层模型,将相邻系数通过共用超参数的方法耦合起来。通过贝叶斯推理得到雷达信号的估计式,再通过EM算法实现对超参数的迭代估计,进而实现对雷达信号的估计,直到信号满足误差允许范围,最后重构信号实现MIMO阵列高分辨成像。仿真实验表明,该方法的成像效果在图像的聚焦性能上优于传统的傅里叶、稀疏贝叶斯算法,在散射点重构上优于OMP算法。