CN106099393A - 基于遗传算法的子阵稀布与阵元稀疏天线阵列综合布阵方法 - Google Patents
基于遗传算法的子阵稀布与阵元稀疏天线阵列综合布阵方法 Download PDFInfo
- Publication number
- CN106099393A CN106099393A CN201610723577.4A CN201610723577A CN106099393A CN 106099393 A CN106099393 A CN 106099393A CN 201610723577 A CN201610723577 A CN 201610723577A CN 106099393 A CN106099393 A CN 106099393A
- Authority
- CN
- China
- Prior art keywords
- array
- submatrix
- theta
- array element
- individuality
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01Q—ANTENNAS, i.e. RADIO AERIALS
- H01Q21/00—Antenna arrays or systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Genetics & Genomics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
本发明属于天线阵列布阵优化技术领域,特别涉及子阵级天线阵列的优化布阵方法,具体提供基于遗传算法的子阵稀布与阵元稀疏天线阵列综合布阵方法;本发明首先采用子阵级阵列思想与阵元稀疏布阵结合建立布阵模型,然后将天线阵列的峰值旁瓣电平设为适应度函数建立优化模型,最后采用遗传算法对该优化模型求解最优结果。本发明将采用子阵级阵列思想与阵元稀疏布阵结合不但能够克服地形问题,灵活的划分子阵进行布阵,同时又通过“子阵稀布”和“阵元稀疏”的联合优化方法进一步有效的降低PSLL,与分子阵技术布阵方法相比PSLL有显著的降低;另外,本发明收敛速度为现有稀布阵列布阵收敛速度的5到10倍,收敛速度显著提升。
Description
技术领域
本发明属于天线阵列布阵优化技术领域,特别涉及子阵级天线阵列的优化布阵方法,具体涉及基于遗传算法的子阵稀布与阵元稀疏天线阵列综合布阵方法。
背景技术
天线阵列的优化布阵技术是在研究天线阵列性能与阵列几何结构关系的基础上,对阵列结构进行优化设计,包括对阵列的形状(如直线、圆环、方形等)设计和对阵元的排列位置(稀疏、稀布等)的设计等;其目的是为了获得优良的性能指标,以满足电子***对天线阵列的设计要求。天线的峰值旁瓣电平(PSLL:Peak Side-Lobe Level)是评价天线性能的一个重要参数,对稀布天线阵列而言,如何设计一组阵元间距的最优解,使得稀布天线阵列的峰值旁瓣电平在整个可见区最小是天线布阵技术要解决的主要问题。
目前,用于天线布阵设计的方法有很多,传统的如穷举法、阵元位置分布公式、动态规划法等;广泛应用的如智能算法中的遗传算法、模拟退火法等。近年来随着大数据等技术的发展,人工智能技术更是被广泛应用在各个领域,如医疗、模式识别、机器学习等。遗传算法的基本思想是模拟生物进化过程,它具有简单通用、鲁棒性强、适于并行处理等特点,尤其适用于解决传统搜索方法难以解决的复杂和非线性问题;它实际上是使用群体搜索技术,将种群代表一组问题解,通过对当前种群施加选择、交叉和变异等一系列遗传操作,从而产生新一代的种群,并逐步使种群进化到包含近似最优解的状态。
现有大多数的阵列结构为均匀间隔阵列结构或在孔径范围内对阵元稀疏布置得到的稀布天线阵列结构,其中稀布阵列布阵方法是在一片连续的、平坦的地形上,根据预先设定的几何结构、阵元数和阵列孔径等某个或某几个约束,以每一个阵元为单位,通过各种算法对阵列所有阵元的间距都进行优化布置;该方法的缺点一是在阵元布置上灵活性较低,阵元需要在一块连续的孔径长度的区域内放置,而在现代的一些工程或军事应用中希望能够突破地域限制,使得天线阵列能够快速的部署在地形条件相对较差的地区,因此遇到恶劣地形或阵列中间某处需要较大断离的情况时,上述阵列结构无法实现要求;缺点二是该方法工作量计算量较大,当阵元数庞大时,对所有阵元间距的优化必然会增大计算量;缺点三是算法收敛速度较慢,达到稳定时需要经过几百至几千代。
另外,目前也有少量采用分子阵技术的阵列规划和阵元布置方法,即对大规模的均匀阵列按照一定设计结构进行划分,成为若干个含有阵元数较少的子阵列,子阵内部为均匀阵元阵列;这种布阵方式的缺点一是对阵列方向图的优化效果不好,其旁瓣电平太高;二是所需的阵元依然较多,成本较高。
发明内容
本发明的目的在于针对上述缺陷提供了一种基于遗传算法的子阵稀布与阵元稀疏天线阵列综合布阵方法,采用该方法布阵得到天线阵列峰值旁瓣电平显著降低,同时该方法计算量小、收敛速度快。
为实现上述目的,本发明采用的技术方案为:
基于遗传算法的子阵稀布与阵元稀疏天线阵列综合布阵方法,包括以下步骤:
步骤1.建立布阵模型
阵列孔径为L,阵元总数为N,阵列栅格点总数为M,栅格间距为d;将阵列分为P个子阵,第i个子阵与第i+1个子阵的间距设为Di,i=1,2,...,P-1,Di>Dc、Dc为子阵间最小间距,阵列栅格点在子阵内均匀分布,子阵内的阵元基于栅格点稀疏分布,单个子阵内栅格数为:
设xm,m=1,2,...,M表示第m个栅格点在阵列中的位置,且x1=0,令其中[·]表示取整,B=m\M0、其中“\”表示取余,则:
设阵元均为全向性理想天线,即天线单元方向图函数Fa(θ)=1,则阵列方向图为:
其中,Fs(θ)表示阵因子,为激励电流、设λ为入射信号载波波长,θ为接收信号入射方向与水平方向的夹角、θ0为主波束指向位置;
步骤2.建立优化模型
加入天线标志位am,am=1表示第m个栅格点有阵元、am=0表示第m个栅格点无阵元,且a1=1、aM=1;则阵列方向图表示为:
将峰值旁瓣电平设为适应度函数,归一化后适应度函数为:
则建立得优化模型为:
min{Fitness(a1,a2,...,aM;D1,D2,...DP-1)};
步骤3.采用遗传算法优化上述优化模型
A、创建初始群体:
对于基于阵元的稀疏优化,优化变量为am;利用随机法对阵列中所有栅格点的标志位am进行随机赋值为1或0,生成由1和0组成的列向量,即为一个个体,其中赋值为1的个数等于N;依次生成g个个体组成种群group1;
对于基于子阵间距的稀布优化,优化变量为Di;利用随机法对Di随机赋值一个约束范围内的实数,组成列向量即为一个个体,依次生成g个个体组成种群group2;其约束范围为:Dc到Dc+[L-d×P(M0-1)]/(P-1)之间;
B、计算适应度函数:
将group1和group2中的个体依次组成g个个体对,依次带入适应度函数计算得g个函数值;
C、遗传选择:
根据计算出的适应度函数值按从小到大的顺序对个体对进行排序,并按比例转化为选中概率,根据选中概率分别对group1和group2中个体采用轮盘赌方法进行选择,生成新的种群group1'和group2';
D、遗传交叉:
分别对group1'和group2'中的个体进行两两随机配对;对每一对相互配对的个体,随机设置一个交叉点,根据预设的交叉概率在其交叉点处相互交换两个个体向量的左段,从而产生两个新的个体;
E、遗传变异:
对于基于阵元的稀疏优化,对每个个体随机选中两个基因值,依变异概率指定变异点,检测两个基因值的异或是否为1,若为1则分别对两个值进行取反运算,从而产生一个新的个体,否则重新选中两个基因值进行判断;
对于基于子阵间距的稀布优化,对每个个体随机选中一个基因值,替换为在约束范围内的一个新值;
F、返回步骤B开始循环迭代,直到完成预设遗传代数G,得到两个最终种群;
步骤4.将两个最终种群按步骤B计算适应度函数,函数最小值对应的个体对即为最优结果。
本发明的有益效果在于:
本发明提供一种基于遗传算法的子阵稀布与阵元稀疏天线阵列综合布阵方法,该方法将采用子阵级阵列思想与阵元稀疏布阵结合不但能够克服地形问题,灵活的划分子阵进行布阵,同时又通过“子阵稀布”和“阵元稀疏”的联合优化方法进一步有效的降低PSLL,与分子阵技术布阵方法相比PSLL有显著的降低;另外,本发明收敛速度为现有稀布阵列布阵收敛速度的5到10倍,收敛速度显著提升。
附图说明
图1为遗传算法的流程示意图。
图2为本发明天线阵列整体结构几何模型。
图3为以单个阵元为单位的稀疏直线阵列的几何模型。
图4为本发明基于遗传算法的子阵稀布与阵元稀疏综合布阵方法后的最佳阵列方向图和迭代示意图,其中,(a)为最佳方向图、(b)为迭代示意图。
图5是普通稀疏阵列优化的最佳阵列方向图和迭代示意图,其中,(a)为最佳方向图、(b)为迭代示意图。
图6是子阵间稀布子阵内均匀布阵的优化算法的最佳阵列方向图和迭代示意图,其中,(a)为最佳方向图、(b)为迭代示意图。
具体实施方式
下面结合附图和实施例对本发明做进一步详细说明,但本发明并不局限于该实施例。
本实施例提供基于遗传算法的子阵稀布与阵元稀疏天线阵列综合布阵方法,因为稀布天线阵列的主瓣宽度几乎与同口径的均匀满阵的主瓣宽度相同,即已由阵列孔径确定,所以本发明涉及的优化问题为:预先指定阵列的孔径以及阵元数量,在一定范围内对固定数量的阵元的位置进行稀疏布置,要求降低阵列的PSLL,使阵列获得最好的旁瓣特性。子阵内直线阵列上的阵元稀疏优化是指从阵元间距为d的均匀直线阵列中,依据最优化准则,稀疏部分阵元后得到的一种稀疏天线阵列;而子阵稀布的并非稀疏阵列那样有规则的栅格约束阵元的位置,即每个子阵间的间距并不局限与d的倍数。本发明的具体步骤如下:
步骤1.建立布阵模型,如图2、图3所示为本发明天线阵列整体结构几何模型、以及单个阵元为单位的稀疏直线阵列的几何模型;
阵列孔径为L,阵元总数为N,阵列栅格点总数为M,栅格间距为d;将阵列分为P个子阵,第i个子阵与第i+1个子阵的间距设为Di,i=1,2,...,P-1,Di>Dc、Dc为子阵间最小间距,阵列栅格点在子阵内均匀分布,子阵内的阵元基于栅格点稀疏分布,单个子阵内栅格数为:
设xm,m=1,2,...,M表示第m个栅格点在阵列中的位置,且x1=0,令其中[·]表示取整,B=m\M0、其中“\”表示取余,则:
设阵元均为全向性理想天线,即天线单元方向图函数Fa(θ)=1,采用传统相控阵体制,加入空域滤波器权向量:
其中,φ0=2πd cosθ0/λ为权向量相位,θ0是主波束指向位置;
则阵列方向图为:
其中,Fs(θ)表示阵因子,为激励电流、设λ为入射信号载波波长,θ为接收信号入射方向与水平方向的夹角、θ0为主波束指向位置;
为防止出现栅瓣需满足因cosθ0的取值范围是0~1,所以令d=λ/2;
步骤2.建立优化模型
加入天线标志位am,am=1表示第m个栅格点有阵元、am=0表示第m个栅格点无阵元,且a1=1、aM=1;则阵列方向图表示为:
将峰值旁瓣电平设为适应度函数,归一化后适应度函数为:
其中,变量为θ,FFmax为主瓣电平,上式θ的取值应排除主瓣区域;因为方向图的第一对零点出现在即所以变量θ的取值范围应是所以最终的适应度函数为:
则建立得优化模型为:
min{Fitness(a1,a2,...,aM;D1,D2,...DP-1)};
步骤3.采用遗传算法优化上述优化模型,其基本流程如图1所示;
A、创建初始群体:
对于基于阵元的稀疏优化,优化变量为am;利用随机法对阵列中所有栅格点的标志位am进行随机赋值为1或0,生成由1和0组成的列向量,即为一个个体,其中赋值为1的个数等于N;依次生成g个个体组成种群group1;
对于基于子阵间距的稀布优化,优化变量为Di;利用随机法对Di随机赋值一个约束范围内的实数,组成列向量即为一个个体,依次生成g个个体组成种群group2;由于有Dc和孔径约束限制,因此不能使用传统的标准遗传算法生成初始种群的方法,所以在其约束范围:Dc到Dc+[L-d×P(M0-1)]/(P-1)之间随机赋值;
B、计算适应度函数:
将group1和group2中的个体依次组成g个个体对,依次带入适应度函数计算得g个函数值;
C、遗传选择:
根据计算出的适应度函数值按从小到大的顺序对个体对进行排序,并按比例转化为选中概率,根据选中概率分别对group1和group2中个体采用轮盘赌方法进行选择,生成新的种群group1'和group2';
D、遗传交叉:
分别对group1'和group2'中的个体进行两两随机配对;对每一对相互配对的个体,随机设置一个交叉点,根据预设的交叉概率在其交叉点处相互交换两个个体向量的左段,从而产生两个新的个体;
E、遗传变异:
对于基于阵元的稀疏优化,对每个个体随机选中两个基因值,依变异概率指定变异点,检测两个基因值的异或是否为1,若为1则分别对两个值进行取反运算,从而产生一个新的个体,否则重新选中两个基因值进行判断;
对于基于子阵间距的稀布优化,对每个个体随机选中一个基因值,替换为在约束范围内的一个新值;
F、返回步骤B开始循环迭代,直到完成预设遗传代数G,得到两个最终种群;
步骤4.将两个最终种群按步骤B计算适应度函数,函数最小值对应的个体对即为最优结果;
步骤5.仿真测试
设计仿真参数:假设天线阵列波束指向θ0=90°,子阵内部栅格间距为半波长d=0.5λ;设交叉概率pc=0.5,变异概率pm=0.01;为使效果尽量优,将阵元稀疏率设在75%至80%之间、设为78%,即总栅格数为270,阵元数210,子阵数为P=10;群体数量group=100,遗传代数G分别测试了G=300和直至收敛的情况;
将参数代入程序,在matlab平台上进行仿真,最终得到最优阵列的结构向量,以及使用最优阵列结构画出的方向图;本实施例将本发明的综合布阵方法,与普通的基于遗传算法的稀疏阵列优化方法、子阵间稀布子阵内均匀布阵的优化方法进行对比,其最佳阵列方向图和迭代示意图分别如图4、图5、图6所示;将三者优化后的峰值旁瓣电平(PSLL)值的进行对比如下:
以上所述,仅为本发明的具体实施方式,本说明书中所公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换;所公开的所有特征、或所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以任何方式组合。
Claims (1)
1.基于遗传算法的子阵稀布与阵元稀疏天线阵列综合布阵方法,包括以下步骤:
步骤1.建立布阵模型
阵列孔径为L,阵元总数为N,阵列栅格点总数为M,栅格间距为d;将阵列分为P个子阵,第i个子阵与第i+1个子阵的间距设为Di,i=1,2,...,P-1,Di>Dc、Dc为子阵间最小间距,阵列栅格点在子阵内均匀分布,子阵内的阵元基于栅格点稀疏分布,单个子阵内栅格数为:
设xm,m=1,2,...,M表示第m个栅格点在阵列中的位置,且x1=0,令其中[·]表示取整,B=m\M0、其中“\”表示取余,则:
设阵元均为全向性理想天线,即天线单元方向图函数Fa(θ)=1,则阵列方向图为:
其中,Fs(θ)表示阵因子,为激励电流、设λ为入射信号载波波长,θ为接收信号入射方向与水平方向的夹角、θ0为主波束指向位置;
步骤2.建立优化模型
加入天线标志位am,am=1表示第m个栅格点有阵元、am=0表示第m个栅格点无阵元,且a1=1、aM=1;则阵列方向图表示为:
将峰值旁瓣电平设为适应度函数,归一化后适应度函数为:
则建立得优化模型为:
min{Fitness(a1,a2,...,aM;D1,D2,...DP-1)};
步骤3.采用遗传算法优化上述优化模型
A、创建初始群体:
对于基于阵元的稀疏优化,优化变量为am;利用随机法对阵列中所有栅格点的标志位am进行随机赋值为1或0,生成由1和0组成的列向量,即为一个个体,其中赋值为1的个数等于N;依次生成g个个体组成种群group1;
对于基于子阵间距的稀布优化,优化变量为Di;利用随机法对Di随机赋值一个约束范围内的实数,组成列向量即为一个个体,依次生成g个个体组成种群group2;其约束范围为:Dc到Dc+[L-d×P(M0-1)]/(P-1)之间;
B、计算适应度函数:
将group1和group2中的个体依次组成g个个体对,依次带入适应度函数计算得g个函数值;
C、遗传选择:
根据计算出的适应度函数值按从小到大的顺序对个体对进行排序,并按比例转化为选中概率,根据选中概率分别对group1和group2中个体采用轮盘赌方法进行选择,生成新的种群group1'和group2';
D、遗传交叉:
分别对group1'和group2'中的个体进行两两随机配对;对每一对相互配对的个体,随机设置一个交叉点,根据预设的交叉概率在其交叉点处相互交换两个个体向量的左段,从而产生两个新的个体;
E、遗传变异:
对于基于阵元的稀疏优化,对每个个体随机选中两个基因值,依变异概率指定变异点,检测两个基因值的异或是否为1,若为1则分别对两个值进行取反运算,从而产生一个新的个体,否则重新选中两个基因值进行判断;
对于基于子阵间距的稀布优化,对每个个体随机选中一个基因值,替换为在约束范围内的一个新值;
F、返回步骤B开始循环迭代,直到完成预设遗传代数G,得到两个最终种群;
步骤4.将两个最终种群按步骤B计算适应度函数,函数最小值对应的个体对即为最优结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610723577.4A CN106099393B (zh) | 2016-08-25 | 2016-08-25 | 基于遗传算法的子阵稀布与阵元稀疏天线阵列综合布阵方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610723577.4A CN106099393B (zh) | 2016-08-25 | 2016-08-25 | 基于遗传算法的子阵稀布与阵元稀疏天线阵列综合布阵方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106099393A true CN106099393A (zh) | 2016-11-09 |
CN106099393B CN106099393B (zh) | 2019-01-11 |
Family
ID=57225147
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610723577.4A Active CN106099393B (zh) | 2016-08-25 | 2016-08-25 | 基于遗传算法的子阵稀布与阵元稀疏天线阵列综合布阵方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106099393B (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107611624A (zh) * | 2017-08-24 | 2018-01-19 | 电子科技大学 | 低旁瓣的基于互质思想的分子阵布阵方法 |
CN107844632A (zh) * | 2017-10-09 | 2018-03-27 | 南京航空航天大学 | 基于和声搜索算法的稀布线阵栅瓣抑制方法 |
CN109037920A (zh) * | 2018-08-17 | 2018-12-18 | 中国电子科技集团公司第三十八研究所 | 一种基于蜂窝骨架的有源相控阵天线及其组阵方法 |
CN109031216A (zh) * | 2018-06-29 | 2018-12-18 | 西安电子科技大学 | 一种基于改进遗传算法的平面阵稀疏优化方法 |
CN109506763A (zh) * | 2018-11-30 | 2019-03-22 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于教与学优化的矢量水听器稀疏布阵方法 |
CN109711046A (zh) * | 2018-12-26 | 2019-05-03 | 电子科技大学 | 基于多智能体遗传算法的大型稀疏阵列高效综合方法 |
CN109800474A (zh) * | 2018-12-27 | 2019-05-24 | 南京信息工程大学 | 一种基于遗传算法的阵列天线能量调配方法 |
CN110011076A (zh) * | 2019-03-13 | 2019-07-12 | 成都聚利中宇科技有限公司 | 一种周期排列的稀疏阵列天线及排列方法 |
CN110069896A (zh) * | 2019-05-29 | 2019-07-30 | 重庆邮电大学 | 基于稀疏2d线性阵列的涡旋电磁波产生与优化方法 |
CN110596700A (zh) * | 2019-09-17 | 2019-12-20 | 西安电子科技大学 | 一种阵元排布和发射信号联合优化方法 |
CN111313158A (zh) * | 2018-12-12 | 2020-06-19 | 南京理工大学 | 对圆形状阵列进行稀疏的方法 |
CN111680414A (zh) * | 2020-05-31 | 2020-09-18 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 稀疏化削减球柱面阵列阵元规模的方法 |
CN112016209A (zh) * | 2020-08-28 | 2020-12-01 | 哈尔滨工业大学 | 基于蚁群算法的分布式嵌套圆阵列综合布阵方法 |
CN112182953A (zh) * | 2020-09-04 | 2021-01-05 | 中国电子科技集团公司第三十八研究所 | 一种模块化平面阵列稀疏优化方法及*** |
CN112347696A (zh) * | 2020-11-06 | 2021-02-09 | 中国电子科技集团公司第三十八研究所 | 一种离散化区域扫描子阵级稀疏优化方法及*** |
CN112367103A (zh) * | 2020-11-09 | 2021-02-12 | 重庆两江卫星移动通信有限公司 | 一种可扩展稀疏阵列天线布局的获取方法 |
CN112542684A (zh) * | 2020-12-15 | 2021-03-23 | 西安黄河机电有限公司 | 环形稀布天线阵列设计方法及环形稀布天线 |
CN112733334A (zh) * | 2020-12-28 | 2021-04-30 | 中国电子科技集团公司第三十八研究所 | 一种多频段共口径阵列天线稀疏优化方法及*** |
CN113051812A (zh) * | 2021-03-17 | 2021-06-29 | 浙江大学 | 一种同心圆环阵的稀布宽带优化方法 |
CN113158568A (zh) * | 2021-04-23 | 2021-07-23 | 电子科技大学 | 一种近场稀疏阵设计方法 |
CN113540791A (zh) * | 2021-06-04 | 2021-10-22 | 中山大学 | 一种孔径级收发同时阵列优化方法 |
CN114239380A (zh) * | 2021-11-17 | 2022-03-25 | 电子科技大学 | 基于自调整映射法则的矩形稀布阵列优化方法 |
CN114330112A (zh) * | 2021-12-15 | 2022-04-12 | 南京理工大学 | 一种不等间距紧耦合阵列天线优化方法 |
CN114818592A (zh) * | 2022-04-27 | 2022-07-29 | 电子科技大学 | 一种背馈芯片布局约束下的稀疏阵列优化布阵方法 |
CN115060803A (zh) * | 2022-05-24 | 2022-09-16 | 湖州市特种设备检测研究院(湖州市电梯应急救援指挥中心) | 一种稀疏优化相控阵探头的方法、装置、设备 |
CN117113459A (zh) * | 2023-10-23 | 2023-11-24 | 成都睿沿芯创科技有限公司 | 一种天线阵列的旁瓣优化方法、装置及电子设备 |
CN117933094A (zh) * | 2024-03-19 | 2024-04-26 | 艾索信息股份有限公司 | 天线阵元的稀疏方法、装置、电子设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6052082A (en) * | 1998-05-14 | 2000-04-18 | Wisconsin Alumni Research Foundation | Method for determining a value for the phase integer ambiguity and a computerized device and system using such a method |
US20030171122A1 (en) * | 2001-12-27 | 2003-09-11 | Kim Sang Taek | Method for dynamically assigning channel in real time based on genetic algorithm |
CN101349742A (zh) * | 2008-08-29 | 2009-01-21 | 西安电子科技大学 | 用于宽带相控阵阵元间距优化和频域多目标测频测向方法 |
US20090135944A1 (en) * | 2006-10-23 | 2009-05-28 | Dyer Justin S | Cooperative-MIMO Communications |
CN103810325A (zh) * | 2014-01-08 | 2014-05-21 | 西安电子科技大学 | 基于序列二次规划的低旁瓣线性稀布阵列天线优化方法 |
-
2016
- 2016-08-25 CN CN201610723577.4A patent/CN106099393B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6052082A (en) * | 1998-05-14 | 2000-04-18 | Wisconsin Alumni Research Foundation | Method for determining a value for the phase integer ambiguity and a computerized device and system using such a method |
US20030171122A1 (en) * | 2001-12-27 | 2003-09-11 | Kim Sang Taek | Method for dynamically assigning channel in real time based on genetic algorithm |
US20090135944A1 (en) * | 2006-10-23 | 2009-05-28 | Dyer Justin S | Cooperative-MIMO Communications |
CN101349742A (zh) * | 2008-08-29 | 2009-01-21 | 西安电子科技大学 | 用于宽带相控阵阵元间距优化和频域多目标测频测向方法 |
CN103810325A (zh) * | 2014-01-08 | 2014-05-21 | 西安电子科技大学 | 基于序列二次规划的低旁瓣线性稀布阵列天线优化方法 |
Non-Patent Citations (4)
Title |
---|
LORENZO POLI ETC.: "Adaptive GA-based thinning strategy for pattern nulling in sub-arrayed phased arrays", 《THE 8TH EUROPEAN CONFERENCE ON ANTENNAS AND PROPAGATION (EUCAP 2014)》 * |
YU FU ETC.: "Optimization of planar thinned antenna array based on genetic and convex hybrid algorithm", 《2016 PROGRESS IN ELECTROMAGNETIC RESEARCH SYMPOSIUM (PIERS)》 * |
刘畅: "天线布阵方法研究及GPU实现", 《万方数据库》 * |
刘畅: "天线布阵方法研究及GPU实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107611624A (zh) * | 2017-08-24 | 2018-01-19 | 电子科技大学 | 低旁瓣的基于互质思想的分子阵布阵方法 |
CN107844632A (zh) * | 2017-10-09 | 2018-03-27 | 南京航空航天大学 | 基于和声搜索算法的稀布线阵栅瓣抑制方法 |
CN109031216A (zh) * | 2018-06-29 | 2018-12-18 | 西安电子科技大学 | 一种基于改进遗传算法的平面阵稀疏优化方法 |
CN109037920B (zh) * | 2018-08-17 | 2020-01-21 | 中国电子科技集团公司第三十八研究所 | 一种基于蜂窝骨架的有源相控阵天线 |
CN109037920A (zh) * | 2018-08-17 | 2018-12-18 | 中国电子科技集团公司第三十八研究所 | 一种基于蜂窝骨架的有源相控阵天线及其组阵方法 |
CN109506763A (zh) * | 2018-11-30 | 2019-03-22 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于教与学优化的矢量水听器稀疏布阵方法 |
CN109506763B (zh) * | 2018-11-30 | 2020-09-25 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于教与学优化的矢量水听器稀疏布阵方法 |
CN111313158B (zh) * | 2018-12-12 | 2021-07-06 | 南京理工大学 | 对圆形状阵列进行稀疏的方法 |
CN111313158A (zh) * | 2018-12-12 | 2020-06-19 | 南京理工大学 | 对圆形状阵列进行稀疏的方法 |
CN109711046A (zh) * | 2018-12-26 | 2019-05-03 | 电子科技大学 | 基于多智能体遗传算法的大型稀疏阵列高效综合方法 |
CN109711046B (zh) * | 2018-12-26 | 2019-09-20 | 电子科技大学 | 基于多智能体遗传算法的大型稀疏阵列综合方法 |
CN109800474A (zh) * | 2018-12-27 | 2019-05-24 | 南京信息工程大学 | 一种基于遗传算法的阵列天线能量调配方法 |
CN109800474B (zh) * | 2018-12-27 | 2023-06-20 | 南京信息工程大学 | 一种基于遗传算法的阵列天线能量调配方法 |
CN110011076A (zh) * | 2019-03-13 | 2019-07-12 | 成都聚利中宇科技有限公司 | 一种周期排列的稀疏阵列天线及排列方法 |
CN110069896A (zh) * | 2019-05-29 | 2019-07-30 | 重庆邮电大学 | 基于稀疏2d线性阵列的涡旋电磁波产生与优化方法 |
CN110596700A (zh) * | 2019-09-17 | 2019-12-20 | 西安电子科技大学 | 一种阵元排布和发射信号联合优化方法 |
CN111680414A (zh) * | 2020-05-31 | 2020-09-18 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 稀疏化削减球柱面阵列阵元规模的方法 |
CN111680414B (zh) * | 2020-05-31 | 2022-07-08 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 稀疏化削减球柱面阵列阵元规模的方法 |
CN112016209A (zh) * | 2020-08-28 | 2020-12-01 | 哈尔滨工业大学 | 基于蚁群算法的分布式嵌套圆阵列综合布阵方法 |
CN112182953A (zh) * | 2020-09-04 | 2021-01-05 | 中国电子科技集团公司第三十八研究所 | 一种模块化平面阵列稀疏优化方法及*** |
CN112182953B (zh) * | 2020-09-04 | 2023-06-13 | 中国电子科技集团公司第三十八研究所 | 一种模块化平面阵列稀疏优化方法及*** |
CN112347696A (zh) * | 2020-11-06 | 2021-02-09 | 中国电子科技集团公司第三十八研究所 | 一种离散化区域扫描子阵级稀疏优化方法及*** |
CN112347696B (zh) * | 2020-11-06 | 2023-06-20 | 中国电子科技集团公司第三十八研究所 | 一种离散化区域扫描子阵级稀疏优化方法及*** |
CN112367103A (zh) * | 2020-11-09 | 2021-02-12 | 重庆两江卫星移动通信有限公司 | 一种可扩展稀疏阵列天线布局的获取方法 |
CN112542684A (zh) * | 2020-12-15 | 2021-03-23 | 西安黄河机电有限公司 | 环形稀布天线阵列设计方法及环形稀布天线 |
CN112733334A (zh) * | 2020-12-28 | 2021-04-30 | 中国电子科技集团公司第三十八研究所 | 一种多频段共口径阵列天线稀疏优化方法及*** |
CN113051812A (zh) * | 2021-03-17 | 2021-06-29 | 浙江大学 | 一种同心圆环阵的稀布宽带优化方法 |
CN113051812B (zh) * | 2021-03-17 | 2022-04-19 | 浙江大学 | 一种同心圆环阵的稀布宽带优化方法 |
CN113158568A (zh) * | 2021-04-23 | 2021-07-23 | 电子科技大学 | 一种近场稀疏阵设计方法 |
CN113540791B (zh) * | 2021-06-04 | 2022-12-06 | 中山大学 | 一种孔径级收发同时阵列优化方法 |
CN113540791A (zh) * | 2021-06-04 | 2021-10-22 | 中山大学 | 一种孔径级收发同时阵列优化方法 |
CN114239380A (zh) * | 2021-11-17 | 2022-03-25 | 电子科技大学 | 基于自调整映射法则的矩形稀布阵列优化方法 |
CN114239380B (zh) * | 2021-11-17 | 2024-05-17 | 电子科技大学 | 基于自调整映射法则的矩形稀布阵列优化方法 |
CN114330112A (zh) * | 2021-12-15 | 2022-04-12 | 南京理工大学 | 一种不等间距紧耦合阵列天线优化方法 |
CN114330112B (zh) * | 2021-12-15 | 2024-02-13 | 南京理工大学 | 一种不等间距紧耦合阵列天线优化方法 |
CN114818592A (zh) * | 2022-04-27 | 2022-07-29 | 电子科技大学 | 一种背馈芯片布局约束下的稀疏阵列优化布阵方法 |
CN114818592B (zh) * | 2022-04-27 | 2023-04-07 | 电子科技大学 | 一种背馈芯片布局约束下的稀疏阵列优化布阵方法 |
CN115060803A (zh) * | 2022-05-24 | 2022-09-16 | 湖州市特种设备检测研究院(湖州市电梯应急救援指挥中心) | 一种稀疏优化相控阵探头的方法、装置、设备 |
CN117113459A (zh) * | 2023-10-23 | 2023-11-24 | 成都睿沿芯创科技有限公司 | 一种天线阵列的旁瓣优化方法、装置及电子设备 |
CN117113459B (zh) * | 2023-10-23 | 2024-01-05 | 成都睿沿芯创科技有限公司 | 一种天线阵列的旁瓣优化方法、装置及电子设备 |
CN117933094A (zh) * | 2024-03-19 | 2024-04-26 | 艾索信息股份有限公司 | 天线阵元的稀疏方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106099393B (zh) | 2019-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106099393A (zh) | 基于遗传算法的子阵稀布与阵元稀疏天线阵列综合布阵方法 | |
AU2022203362B2 (en) | Fermionic simulation gates | |
CN103226644B (zh) | 基于柱面等效源区域分解的电磁散射特性仿真方法 | |
CN105205253B (zh) | 一种稀布圆形天线阵列的优化方法 | |
CN105572658B (zh) | 基于改进遗传算法的三维成像声纳接收平面阵阵元稀疏优化方法 | |
CN107944133B (zh) | 基于多目标量子蜘蛛群演化机制的环形天线阵列稀疏方法 | |
CN106772224A (zh) | 一种采用时频分析的l型阵列二维波达方向估计算法 | |
CN106329153A (zh) | 一种用于大型异构四维天线阵综合的联合优化方法 | |
CN103323845B (zh) | 一种非均匀采样综合孔径辐射计的图像反演方法 | |
CN103675799A (zh) | 一种相控阵声纳***换能器稀疏面阵优化方法 | |
CN107515956A (zh) | 一种基于hfss单元法的大型有限平面阵列分析方法 | |
CN103425816B (zh) | 快速获取金属旋转对称体电磁散射特性的矩阵抽取方法 | |
CN105954731A (zh) | 冲击噪声下基于免疫布谷鸟搜索的双基地mimo雷达测向方法 | |
CN105842666B (zh) | 基于差分算法的雷达子阵划分优化方法 | |
CN103744072A (zh) | 基于模拟退火算法和分布式并行子阵波束形成算法的稀疏阵列优化方法 | |
CN106602282A (zh) | 基于差分进化算法的含互耦时间调制阵列综合方法 | |
CN108733952A (zh) | 一种基于序贯模拟的土壤含水量空间变异性三维表征方法 | |
CN114879137A (zh) | 基于深度学习重构协方差矩阵的互质阵波达方向估计方法 | |
CN105302992A (zh) | 一种用于混响室内搅拌器的快速优化仿真设计方法 | |
CN104699879A (zh) | 复杂多目标电磁散射的多次旋转等效仿真方法 | |
CN106156475A (zh) | 电大尺寸目标的瞬态电磁特性快速提取方法 | |
CN102799940B (zh) | 基于遗传算法和先验知识的网络社区划分方法 | |
CN106372726A (zh) | 一种基于gasa的mimo雷达正交编码信号优化方法 | |
CN110361702A (zh) | 雷达干扰信号的处理方法 | |
CN106503349B (zh) | 一种类周期结构目标电磁散射特性快速计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |