利用基因算法确定阵列天线的激励系数

为了提高天线增益和辐射效率，降低副瓣电平，特别是在许多应用中需要天线方向图形成赋形波束以达到所需的效果而采用天线阵^[1],[3]。对于形成辐射方向图已提出许多方法来确定阵列天线的激励系数，通常这些方法是以波束控制或旁瓣抑制为根据，采用解析逼近共轭梯度法。但是如果调整n个参变量或要形成多波束的话，那么要找出最佳性能指标是困难的。并且大多数天线方向图在零点或接近零点处的斜率很大，这意味着收敛性差。为了解决这些问题，可以采用基因算法（Genetic Algorithms）来确定激励系数的最佳集合。基因算法是模拟生物进化过程的计算模型，作为一种新的全局优化搜索算法，其简单通用、鲁捧性强，适于并行处理而得到了广泛应用。     

一种阵列天线赋形波束综合优化方法

基于前后向矩阵束研究了阵列天线的方向图赋形问题,提出了一种阵列天线赋形波束综合优化方法.在该方法中,首先确定适当的阵元数目,然后再优化设计激励幅度和阵元位置,最后设计出需要的赋形方向图.在此过程中,先由期望方向图的均匀采样数据构造Hankel-Toeplitz矩阵;然后再对它进行奇异值分解,舍弃不重要的奇异值,得到此矩阵的低秩逼近矩阵;最后基于广义特征值分解求得重构阵列的阵元位置和激励.同时,采用特殊的前后向矩阵来约束极点分布,以保证重构赋形波束方向图的精度可控.仿真实例验证了该方法的快速性和有效性.     

一种阵列天线的波束赋形设计

对俯仰面波束需要赋形的阵列天线进行了分析和设计。采用数值方法对阵列天线的方向图进行了综合,将平均偏差用于目标函数的构造之中,同时结合工程实际,给出了约束条件。通过优化目标函数,得到所需的单元馈电电流。天线的实测方向图完全符合赋形波束的要求,表明该设计方法是可行的。     

考虑互耦的改进型Vivaldi天线阵列优化设计

设计了一种改进的Vivaldi天线,采用基于指数和椭圆的混合渐变线方法,实现了天线的小型化设计,同时具有超宽带的性能。将该天线沿x轴组成了一个8元直线排列的天线阵列,采用有源单元方向图方法来考虑天线单元间的互耦,得到的阵列方向图与全波模拟结果吻合很好。与微分进化-连续蚁群优化算法的混合算法相结合,通过调整单元的激励幅度,实现了方向图的综合。与切比雪夫综合方法相比,可以获得更低的副瓣电平,同时减小了全波模拟的计算次数,节省了优化时间。     

CDMA系统中自适应阵列天线的改进算法

为改善调节阵列天线阵元权向量自适应算法的收敛稳定性 ,提出了一个改进算法。该改进算法不仅稳定、简单 ,而且能大大降低误码率。仿真结果对改进算法给予了有力的支持。     

平面六边形天线阵列波达方向估计

分析了智能天线自适应算法波达方向估计（DOA）问题,在一维MUSIC算法的基础上讨论了二维六边形天线阵列的空间谱并进行了Matlab仿真实验;仿真结果表明,六边形天线阵列不仅可以判断波达方向的俯仰角而且可以判断方位角;同时讨论了DOA算法的分辨率,与一维MUSIC算法相似,二维条件下六边形天线阵列具有良好的角分辨率,可以满足非相干信号的工程要求。     

自适应阵列天线区域覆盖算法研究

文章分析了自适应阵列天线信号空间分割原理,介绍了自适应阵列天线区域资源传统分配算法:固定式区域资源分配算法和最大最小区域资源分配算法.针对自适应阵列天线区域资源传统分配算法存在的问题,提出了基于最小标准差的区域资源改进分配算法,并介绍了其区域资源分配原理和计算方法.通过对以上三种区域资源分配算法的通话阻塞率仿真可知,最小标准差区域资源分配算法相对于区域资源传统分配算法可降低通话阻塞率,负载平衡效果最好.     

基站自适应阵列天线码资源分配算法的比较研究

采用空间切割方式对移动基站自适应阵列天线进行码资源分配,可以提高系统功率资源的使用效率,降低空中信号的整体干扰,从而提高系统容量.介绍了移动基站自适应阵列天线区域覆盖原理和码资源常见分配算法:固定码资源分配算法和群组码资源分配算法,分析了两种码资源分配算法的基本思路和码分配策略.通过两种分配算法的通话阻塞率仿真比较分析可知,群组码资源分配算法所产生的通话阻塞率比固定码资源分配算法所产生的通话阻塞率要低.     

平面螺旋天线圆形阵列及其测向性能研究

分析仿真了单个平面阿基米德螺旋天线阵元的辐射特性,在此基础上,研究了由该天线为阵元构成的8单元圆形阵列方向图特性,相比于全向阵元构成的8单元圆阵,平面阿基米德螺旋天线阵列可以有效地降低副瓣电平,改善阵列方向图特性。最后讨论了基于MUSIC算法的该阵列测向性能并给出了仿真结果。     

TD-SCDMA系统中阵列天线的校正算法

针对TD-SCDMA系统中阵列天线通道幅度和相位不一致会影响天线系统的性能这一现象,提出了一种在加入参考信号下,结合J.C.liberti算法对阵列天线通道不一致性的校正.算法通过计算参考信号的波达方向角估计值来校正阵列天线中各参数的不一致性,并通过波束形成算法,得到通道校正后的和差波束.仿真结果表明,算法一方面提高了波达方向估计值的准确性,另一方面改善了单脉冲和差波束的瞄准精度.     

基于遗传算法的基站天线赋形波束综合

提出了一种改进的适应度函数确定方法,通过改变适应度函数中的待定参数,有效提高了搜索效率。采用遗传算法对基站天线的方向图赋形,其结果优于同种条件下用WoodWard法得到的结果。结合工程实践,考察了本文遗传算法的解的稳定性。文中的结果对工程和理论研究都具有重要意义。     

基于基片集成脊波导的缝隙阵列天线的仿真与实验研究

为了降低缝隙天线阵列的重量和体积,提出了基于介质集成脊波导的缝隙阵列天线。专门设计了一种渐变微带线与介质集成脊波导的过渡结构,使得天线可以使用SMA接头进行馈电。在CST Microwave Studio软件中建立了工作于C波段的介质集成脊波导4缝天线阵列模型并进行了仿真分析,并使用仿真数据建立了天线的等效磁流阵列模型,很好地解释了天线的辐射特性。仿真与实验结果表明,4缝天线具有10.8%的阻抗带宽(4.4~4.9 GHz),带内增益为8.5 d Bi。天线为印刷型结构,具有剖面低、重量轻、易于集成、带宽较宽及增益较高的特点,可以广泛应用在相应频段的通信设备中。     

一种改进的遗传算法

传统的遗传算法有两个严重的缺点,即不能有效地克服过早收敛现象,以及在进化后期搜索效率较低。模拟退火算法是基于金属退火的机理而建立起来的一种全局最优化方法,它能够以随机搜索技术从概率的意义上找到目标函数的全局最小点。本文将遗传算法与模拟退火算法相结合,提出模拟退火遗传算法,实验结果表明,该算法在性能上有较大的提高。     

遗传算法的并行处理分析

随着高性能计算机与网络的发展,将遗传算法与并行处理相结合,可大大提高遗传算法的执行效率.分析了遗传算法并行化的动因和实现模型.     

全相位算法在相控阵天线幅相校正测量中的应用

相控阵天线波束的精确指向对各阵元通道幅相一致性提出了很高的要求,在实际的相控阵天线系统中,各阵元通道幅度和相位不可能完全保持一致,需要对阵列通道幅相误差进行实时地监测和校正。阵列单元校正的本质是对通道幅相误差的精确测量或估计,在现有幅相测量方法的基础上,提出一种全相位时移相位差算法。该算法需对存在时移关系的两输入序列分别进行全相位FFT,直接取主谱线的相位值无需校正即可得到输入信号的中间点相位信息,利用两序列主谱线的相位差求解信号的幅度值。由于全相位FFT具有"相位不变性",此方法能够很好地抑制频谱泄漏。仿真结果表明,该方法可有效避免第一类相位差法在不同步采样时误差较大的情形,测量结果明显优于第一类相位差法。     

基于遗传算法神经网络集成股票市场预测研究

神经网络集成技术能有效地提高神经网络的学习能力和泛化能力,已经成为机器学习和神经计算领域的一个研究热点.本文利用不同的神经网络算法产生神经网络集成个体,以误差平方和最小为准则,用遗传算法动态求解集成个体的非负权重系数,进行最优组合集成建模研究,并以此建立股市预测模型.通过上证指数开盘价、收盘价进行实例分析,计算结果表明该方法相对传统的简单平均集成模型,具有预测精度高、稳定性好,易于操作的特点.     

用遗传基因算法实现切削实验数据拟合

采用遗传基因算法实现切削数据的拟合,用数据库技术实现算法—将基因(gene)视为字段、染色体(chromo-some)视为记录、种群(population)视为库,以数据库的基本操作替代遗传过程;解决了传统回归分析方法的不足,使回归过程简单、结果稳定、可靠,并为回归分析提供了一条新途径。     

遗传算法在温室控制中的应用

遗传算法是一种基于自然选择规律的优化方法,适合解决温室控制中复杂的、非线性的优化控制问题.综合论述了遗传算法,包括差分进化算法在温室控制中的应用,以及今后的发展方向.     

基于改进遗传算法的多维函数的优化计算

针对标准ＧＡｓ在多维优化中存在的弊端,提出了一种改进ＧＡｓ,在染色体基因解码方式,交换与变异算子、适应函数设计等方面做了改进。通过对极难优化函数的优化计算,说明该算法有良好的全局搜索能力和较快的收敛速度。     

遗传算法在结构损伤模式识别中的应用

研究了遗传算法在结构损伤诊断中的应用。将结构的损伤诊断问题等价为结构的损伤模式的识别问题,并应用遗传算法的全局搜索功能来实现损伤状态的优化识别。其中应用结构的第一阶振型变化率作为结构的损伤诊断标识量,从而减小遗传操作的种群规模,极大的提高了遗传算法的计算效率。四边固支板结构的单位置以及多位置损伤诊断算例说明了该方法是可行的,具有较高的识别精度。