摘要：研究了机会阵雷达的方向图综合问题,提出了一种基于模糊相关机会规划的方向图综合算法.该算法基于可信性理论,综合考虑天线单元分布的随机性以及工作状态的不确定性,以模糊变量来刻画天线单元参与方向图综合时的复杂不确定环境,建立方向图综合的规划模型.并结合模糊模拟算法和遗传算法设计了一种混合智能优化算法,用于求解该模型,仿真实验验证了所设计算法的有效性和稳定性.

摘要：针对目前智能优化算法在处理具有多零点、凹口和低旁瓣等要求的复杂阵列天线方向图综合问题时易出现收敛速度慢或局部最优的问题,引入一种新型入侵杂草优化算法,并在此基础上设计了一种自适应入侵杂草优化算法.新算法既提高了收敛速度,又平衡了全局和局部搜索能力.与同类算法相比,新算法在处理复杂阵列天线方向图综合问题中性能更佳,具有更高的收敛速度和计算精度.

摘要：针对传统智能方法在方向图综合中易于早熟和局部寻优能力不足等缺陷,在基于量子位概率幅编码的量子粒子群优化算法(QPSO)的基础上,设计一种进行收敛停滞检测,并对粒子选择性变异的新量子粒子群算法,然后将其应用于阵列天线方向图综合.仿真结果表明,在多零点和低旁瓣约束情况下新算法均可以取得良好的优化效果,而且该算法相对于近邻粒子群算法(NPSO)和免疫克隆选择算法(ICSA)来说,在方向图综合中精度更高,速度更快,具有很好的推广能力.

摘要：围绕机会阵雷达(opportunistic array radar,OAR)阵列动态机会组阵的资源管理问题,以面向多任务为应用需求背景,针对机会布置在平台3D空间多个区域内的天线单元,提出了一种基于现代数学不确定性理论中的相关机会约束规划方法用于机会阵方向图综合。该方法建立在不确定性理论和模糊数学基础上,考虑OAR大量天线单元空间位置分布的不确定性和各单元激励(开/关)状态的不确定性,用模糊随机变量来刻画不确定环境中的模糊性和随机性,在天线资源受约束的不确定条件下,建立不确定规划模型来实现方向图综合。并设计将遗传算法和模糊随机模拟算法相结合的智能混合优化算法以获得模型的最优解。最后利用仿真实例验证了不确定规划模型和所设计算法的可行性和鲁棒性。

摘要：本文面向阵列天线低副瓣的实际应用需求,利用空时编码的思路设计加权矢量,分别提出序贯快速傅里叶变换(fast Fourier transform,FFT)方法、约束方程计算方法和优化函数求解方法,对应多脉冲低副瓣方向图综合时加权矢量时变、不变和奇偶交替变的3种不同工作模式。理论分析和仿真实验表明,序贯FFT和约束方程计算方法均能实现超低副瓣方向图(优于-50 dB),而优化函数求解方法在实现低副瓣的同时仍能保持方向图主瓣的良好性能,避免了传统方向图综合方法无法同时兼顾主副瓣性能的缺点。另外,从计算复杂度、随机幅相误差、干扰抑制等各方面综合分析了不同方法的优缺点,可为实际阵列天线的工程应用提供理论指导和技术参考。

摘要：提出一种基于多任务学习的共形阵列天线稀疏优化方法.该方法在考虑单元方向图的全局旋转变换和单元极化状态差异的情况下,建立了共形阵列天线导向矢量模型,结合多任务学习框架,以均匀分布共形阵列天线同一平面上阵元的方向图作为目标任务进行学习,通过稀疏向量支撑区的识别,将欠定的阵列流形矩阵方程转换为超定的特征矩阵方程进行求解,在实现阵列方向图逼近的前提下,建立了共形阵列天线阵元激励与位置联合稀疏优化的多任务学习模型.通过分块坐标下降法对稀布共形阵列天线多任务学习模型进行求解,实现了共形阵列天线的稀疏优化布阵.理论分析与实验仿真证明,该方法能有效减少共形阵的单元数量,简化共形阵列天线结构,获得与均匀分布的共形阵列天线性能一致的天线方向图,解决了稀疏共形阵列天线方向图综合优化设计难题.

摘要：针对机会阵雷达方向图综合的不确定问题,提出了一种基于模糊机会约束规划的方向图综合规划模型。该模型基于可信性理论,综合考虑天线单元分布的随机性以及激励状态的不确定性,将参与方向图综合时激励打开的天线数目看做一个梯形模糊变量,用以描述综合时的复杂不确定环境。随后,将规划模型转化为清晰等价形式,再结合遗传算法和灰关联综合评价法则设计了一种混合智能优化算法,用于求解该模型。以一维任意非均匀线阵为例,对主瓣宽度和最大副瓣电平进行了优化。仿真表明:优化后结果的可信性高于置信水平,验证了该算法的有效性。

摘要：在已有的迭代傅里叶变换方法的基础上,提出了一种用于阵列天线方向图综合的自适应迭代傅里叶算法.与原来算法相比,该算法的特点主要表现在:(1)能够自适应地计算所需的峰值旁瓣阈值,以获得满足特定需求的最优阵元激励分布.(2)采用非均匀阵元激励,从而较大程度地满足了旁瓣降低的需求.(3)对于被大幅度截断的阵列,该算法通过自适应调整主瓣边缘区域阵列因子的值来降低天线方向图的主瓣波束宽度,从而有效抑制了波束展宽效应.基于不同设计需求的方向图综合结果,表明了文中算法的有效性和高效性.

摘要：采用矩量法(MoM)分析天线阵列的辐射方向图,并使用遗传算法对天线阵列的方向图进行综合。由于遗传算法具有内在并行性,利用MATLAB分布式计算服务器和并行计算工具箱进行分布式并行程序设计,实现了主从式并行遗传算法,形成了天线阵方向图仿真综合软件,加快了天线阵列方向图的综合速度,得到了令人满意的结果。与传统串行算法相比,基于分布式计算的主从式并行遗传算法具有收敛速度快、仿真效率高的特点。

摘要：首先把待求阵因子分解为若干组子阵因子的叠加．每个子阵对应一组相位线性递变、幅度按一定规律加权的空间电流谐波，子阵阵因子的空间指向对应一定的空间抽样点．各空间谐波之和即为阵元的总激励，它对应等求的阵因子．调整空间谐波的个数、相对幅度及空间抽样点位置，即可综合出理想的方向图．综出一个设计实例以说明这种综合方法．