摘要：针对实际场景中不可避免存在的阵列误差所带来的阵列天线旁瓣电平抬高、零点移位甚至方向图畸变等问题,提出了一种基于改进编码器-解码器的阵列稳健波束形成方法。该方法基于一维卷积神经网络(1D-CNN)和人工神经网络(ANN)分别设计了编码器和解码器,其中编码器和解码器分别起到阵列综合和阵列分析的功能。首先训练解码器,通过在该训练过程中考虑阵列误差,建立实际阵列的激励权矢量与阵列方向图之间的映射关系;然后训练编码器,建立期望方向图与产生该方向图所需激励权矢量的映射关系,该过程需联合已训练好的解码器,不断迭代,最终求得最优激励权矢量。为验证该方法的有效性,开展了存在阵列误差情况下16阵元的波束综合,实现了-20 dB低旁瓣下的-45 dB单零点和-40 dB多零点综合,实验结果均证明了该方法的有效性。

摘要：阵列天线方向图综合通常须选择适当的方向图模板。然而,目前还没有方向图模板选择方案的研究,因此无法保证现有模板的合理性。为避免所预设的方向图模板不可行,本文提出以最小化旁瓣最大值与主瓣最小值的比值为准则,构建方向图综合优化设计问题。该问题的不等式约束是非凸且耦合的。采用罚函数法将不等式约束引入目标函数中,然后设计一个光滑函数来逼近并替代目标函数中不可微部分,从而得到原问题的可微逼近问题,最后使用拉格朗日神经网络法求解逼近问题进而得到原问题的近似解。仿真试验验证了本文所提方法的有效性。