六边形格点毫米波干涉阵列的稀疏与优化

研究了六边形格点干涉阵列的阵列稀疏和优化。通过阵列配置矩阵及其自相关矩阵和互相关矩阵,分析了六边形格点阵列的UV平面采样点分布规律,推导得到了六边形格点阵列实现UV平面采样点全覆盖的条件,并将六边形格点阵列的稀疏优化转化为矩形格点阵列的稀疏优化问题。利用差基序列低冗余度特性,提出了基于差基的六边形格点阵列稀疏与优化方法。仿真分析结果表明,采用所提方法得到的稀疏阵列,其冗余度优于经典X形阵。     

基于频域稀疏压缩感知的雷达目标三维散射中心反演方法

基于平面阵列的微波天线结构可以获取多视角下的目标散射中心三维分布。针对平面阵列稀疏分布导致的目标成像及散射中心反演精度较差的问题, 设计了一种基于组合巴克码的稀疏孔径分布方式。在此基础上, 利用稀疏孔径回波和频域主成分分析得到参考复数信号。利用该参考复数信号对原始回波进行干涉处理, 获得回波频谱的稀疏表征方式。在频域建立基于压缩感知的目标散射中心三维分布模型并进行优化求解, 得到重构后的目标三维频谱, 并逆变换至空间域, 可实现目标散射中心幅度及三维位置重建。暗室试验数据处理结果表明, 所提方法在X波段和稀疏采样率为50%的条件下, 目标散射中心幅度及三维位置反演精度均优于90%。     

稀疏阵列方向调制信号综合算法

方向调制技术是近年来物理层安全通信领域研究的热点之一。现有的研究都是采用均匀相控阵根据应用场景性能要求的不同来研究方向调制信号的综合算法,不同场景性能要求下综合算法不具有通用性。针对这一问题提出了一种基于稀疏阵列的方向调制信号综合算法,算法中首先利用前向后向矩阵束方法求解稀疏阵列的阵元位置,然后针对方向调制信号应用场景性能要求建立相应的优化问题,通过优化问题中的目标函数和约束条件将不同的性能要求统一到一个优化问题中求解稀疏阵元对应的激励。仿真结果表明所提的基于稀疏阵列的方向调制信号综合算法相比于均匀阵列的方向调制信号综合算法能够更好地适应不同场景性能要求下方向调制信号发射机的设计。     

多约束下矩形件排样问题的混合求解算法研究

针对板材和玻璃下料过程中存在的矩形件排样问题,提出了一种基于分割匹配算法与改进蚁群算法的混合算法进行求解。建立了以最大化均方利用率和剩余加工时间为目标的排样优化模型;利用蚁群算法作为排样顺序算法确定部分零件的排样顺序以满足零件的加工时间限制,为了提高蚁群算法搜索效率,提出了自适应信息素更新策略,引入基于遗传变异和2-opt变异的混合变异策略来增强局部搜索能力。针对于零件在毛坯上位置的排布问题,为提高毛坯的均方利用率同时又满足一刀切约束条件,提出分割匹配算法进行矩形件排布优化。将改后的算法与其他优化算法用国际标准测试案例和企业实际案例进行对比分析,验证了所提混合算法的有效性。     

多峰函数优化的免疫混沌网络算法

针对多峰函数优化问题,借鉴混沌遍历特性和免疫网络理论,提出一种免疫混沌网络算法。算法利用混沌运动的自身规律在不同的峰值区域内搜索最佳抗体,增强了算法的局部搜索能力;采用网络抑制策略,保持了种群的多样性;通过网络补充机制自适应地调节抗体群的规模,提高了算法对不同类型多峰函数的适应能力。仿真结果表明该算法能有效地改善种群的多样性,较好地保持全局搜索和局部搜索的动态平衡,具有更强的多峰函数优化能力。     

全局版人工鱼群算法

人工鱼群算法是一种基于动物行为的群体智能优化算法.针对基本人工鱼群算法运算速度慢的缺陷,提出了一种全局版人工鱼群算法.该算法用整个鱼群的中心位置和全局极值位置代替人工鱼的邻域中心位置和邻域极值位置,从而减少了算法的计算量,提高了运算速度;采用动态调整人工鱼视野和步长的方法,较好地平衡了全局搜索能力和局部搜索能力;在人工鱼的觅食行为中,让人工鱼直接移动到搜索到的较好位置,加快了搜索速度.仿真结果表明,该算法的优化性能优于基本人工鱼群算法.     

基于改进人工蜂群算法的MIMO雷达稀疏阵列优化

为了提高多输入多输出(multiple input multiple output, MIMO)雷达稀疏阵列性能,提出了一种基于云模型的改进离散人工蜂群算法对MIMO雷达稀疏阵列进行优化。该算法首先对人工蜂群算法进行改进,用云模型替代轮盘赌作为新的选择模型来选择较优蜜源。云模型的随机性和稳定倾向性,能够维持种群的多样性,从而克服了人工蜂群算法易陷入局部最优的问题。为了保证搜索过程中阵元数量保持不变,加入了新的限制条件。仿真实验结果表明,该算法具有良好的性能,能够在保持主瓣宽度不变的情况下,得到更低的旁瓣水平。     

基于Bloch球面搜索的混沌量子免疫算法

目前大多数量子智能优化算法的个体均采用基于平面单位圆描述的量子比特编码,由于量子比特只有一个可调参数,量子特性没有得到充分体现,从而限制了优化能力的进一步提高。针对这一问题提出一种基于Bloch球面搜索的混沌量子免疫算法。该方法采用Bloch球面描述的量子比特对抗体进行编码,用泡利矩阵建立旋转轴,用量子比特在Bloch球面上的绕轴旋转实现优良抗体的克隆,通过在旋转角度中引入混沌变量动态改变转角大小实现局部搜索;用Hadamard门实现较差抗体的变异,实现全局搜索。仿真结果表明,提出的方法在搜索能力和优化效率两方面均比其他量子智能优化算法有所提高。     

基于改进差分进化算法的圆阵稀布方法

针对稀布圆形阵列的天线单元,使旁瓣电平尽量降低的问题,应用改进的差分进化算法,取角度差值为个体元素,进行阵列孔径、单元个数、最小间隔一定的稀布优化排列,减小了差分进化算法的搜索空间,提高了搜索效率。仿真结果表明:该方法可有效地提高收敛速度、降低圆阵的旁瓣电平。     

稀布同心圆环阵列的优化设计

针对有阵列孔径以及阵元间隔约束的均匀激励稀布同心圆环阵列综合问题,提出了一种改进的差分进化算法,首先,构造了圆环数量的映射函数,解决了圆环数量不同的个体同时参与优化迭代的问题;其次,结合差分进化算法和和声搜索算法,引入随机噪声以提升种群的多样性,建立了动态变化的种群保留概率和变异概率模型,提高了优化算法的全局搜索能力;最后,进行了仿真实验,实验结果证明了算法的有效性。     

运用GA和FFT确定稀疏阵列的激励幅度

针对天线单元沿阵列中心非对称分布的稀疏直线阵列(单元从间距为半波长的规则栅格中稀疏),讨论了以激励幅度分布为决策变量,以最大相对旁瓣电平为优化目标的遗传算法(genetic algorithm,GA),运用个体的真值编码及其中间重组的交叉方法改进了遗传算法的收敛性能。由于阵元间距是栅格的整数倍,因此GA中凭借离散傅里叶变换,使适应度函数的计算可利用高效的FFT算法。仿真中对一个154阵元、孔径约100倍波长的非对称稀疏线阵的激励幅度进行优化,使其副瓣电平下降了1.36dB。两个仿真实例证实了算法的有效性。     

结构变形对相控阵天线电性能的影响分析

分析阵面变形误差对有源相控阵天线(active phased array antenna, APAA)电性能的影响,对研究和发展高性能APAA非常重要。将阵面随机误差和阵面变形作为附加的相位因子引入到天线方向图函数中,建立了平面矩形APAA的阵面变形误差与电性能之间的结构〖CD*2〗电磁耦合模型,并仿真分析了阵面存在变形误差时的天线远场方向图。通过所提方法与结论,工程设计人员可对加工公差提出更合理的要求。     

基于互相关矢量重构的解相干算法研究

针对相干信号源的波达方向角估计问题,提出了一种能有效解相干的互相关矢量Toeplitz算法。该算法利用了阵列接收数据互相关矢量的内在关系实现了相干源的完全解相干,在相干系数等于1的情况下,不损失阵列孔径,不需要通过空间平滑和加权。相对常规的空间平滑类算法,该方法实现简单,运算量小、鲁棒性好、估计精度高。通过仿真试验证明了该方法的有效性。     

基于二次编码的MIMO雷达阵列稀布与天线综合

研究MIMO雷达在阵元数有限、阵列孔径有限、水平维和垂直维分别存在最小阵元间距等约束条件下的天线方向图综合问题。MIMO雷达采用稀布天线,为了降低旁瓣电平,天线综合过程中同时考虑发射方向图和接收方向图的影响,将阵元间距的稀疏约束从规则栅格扩展为仅有两维坐标的约束,提出采用二次编码的改进遗传算法,有效地解决了MIMO雷达天线方向图综合中低旁瓣电平设计问题。结合某工程要求给出了某MIMO雷达天线阵优化结果。仿真结果证实了方法的有效性。     

矩形阵反向交叉眼干扰建模

交叉眼是干扰单脉冲雷达最有效的方式之一,针对两点源反向交叉眼的参数容限苛刻以及作用范围的局限性等问题,引入矩形阵反向交叉眼。采用扩展性分析法推导了矩形阵反向交叉眼干扰的数学模型,得到单脉冲雷达指示角与调制参数、干扰环路布局的一般公式,并分析了调制参数与干扰环路布局对交叉眼干扰效果的影响。以最优布局因子为指导,对矩形阵不同布局方式进行了研究,并与两点源交叉眼干扰效果展开了对比。仿真结果表明:矩形阵反向交叉眼在两组干扰环路的夹角为50°时干扰效果最佳,对单脉冲雷达测角造成的角度偏移以及干扰覆盖的范围均要优于两点源反向交叉眼。     

Analysis of electrical performances of planar active phased array antennas with distorted array plane

The influence of the distorted plane of the active phased array antenna on the electromagnetic performance is of great significance to the research on and development of the high-performance antennas. On the bent and bowl-shape distortion, the model is established of the relationship between the electromagnetic performance and the position error of the radiated elements. The method is presented of analyzing the far-field pattern of the distorted rectangular active phased array antenna. The analysis results of a planar phased array antenna with different distortions grades prove the validity of the model. Therefore, by the method, the antenna designers may set the reasonable requirement on the structural tolerance in manufacturing antenna.     

改进声矢量阵相干信号源方位估计算法

为提高声矢量阵相干信号方位估计能力,针对二维紧凑结构的声矢量均匀线阵情况,给出一种改进算法。该算法首先利用解析振速与声压信息,重构接收数据,求出协方差矩阵,并提取信号子空间第一列的3个分矢量进行孔径扩展。然后,利用类单块拍条件下的矩阵重构得到3个新矩阵并合并。最后,套用奇异值分解的多重信号分类算法得到目标波达方位估计。分析表明,所提算法利用数据的组织形式使信号矩阵对角化,最终恢复了矩阵的秩,而且具有一定的孔径扩展能力。同时,所提算法矢量阵阵列流形所具备的方向因子可以在模糊角度处形成抑制,保留了矢量阵的单边指向性。仿真结果证明,此算法无论在角度估计精度还是分辨率方面都要优于矢量阵空间平滑与矢量平滑算法。     

集成学习的多分类器动态融合方法研究

AdaBoost集成学习方法中,分类器一经学习成功,其投票权值就已确定,同一分类器对所有待测样本均有相同的投票权值。对于难于分类样本,具有良好分类性能的少数分类器权值却较低。提出适用于集成学习方法的权重自适应调整多分类器集成算法。根据多分类器行为信息,产生待测样本局部分类精度的有效判定区域,基于有效判定区域选择不同的分类器组合,并调整其相应权重,利用样本集上的统计信息来动态指导分类集成判决。实验结果表明,该算法提高了集成分类性能。     

Adaptive nonuniformity correction for IRFPA sensors based on neural network framework

For infrared focal plane array sensors, imagery is degraded during signal acquisition, particularly nonuniformity. In this paper, an adaptive nonuniformity correction technique is proposed which simultaneously estimates detector-level and readoutchannel-level correction parameters using neural network approaches. Firstly, an improved neural network framework is designed to compute the desired output. Secondly, an adaptive learning rate rule is used in the gain and offset parameter estimation process. Experimental results show the proposed algorithm can achieve a faster convergence speed and better stability, remove nonuniformity and track parameters drift effectively, and present a good adaptability to scene changes and nonuniformity conditions.