CN108446437B - 一种阵列天线宽波束功率增益优化方法 - Google Patents
一种阵列天线宽波束功率增益优化方法 Download PDFInfo
- Publication number
- CN108446437B CN108446437B CN201810126969.1A CN201810126969A CN108446437B CN 108446437 B CN108446437 B CN 108446437B CN 201810126969 A CN201810126969 A CN 201810126969A CN 108446437 B CN108446437 B CN 108446437B
- Authority
- CN
- China
- Prior art keywords
- parameter
- array antenna
- antenna
- optimization model
- array
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000005457 optimization Methods 0.000 title claims abstract description 41
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000005855 radiation Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 241001270131 Agaricus moelleri Species 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 3
- 230000005684 electric field Effects 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 101710196742 Probable phosphatidylglycerophosphate synthase Proteins 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000013432 robust analysis Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01Q—ANTENNAS, i.e. RADIO AERIALS
- H01Q1/00—Details of, or arrangements associated with, antennas
- H01Q1/27—Adaptation for use in or on movable bodies
- H01Q1/32—Adaptation for use in or on road or rail vehicles
- H01Q1/3208—Adaptation for use in or on road or rail vehicles characterised by the application wherein the antenna is used
- H01Q1/3216—Adaptation for use in or on road or rail vehicles characterised by the application wherein the antenna is used where the road or rail vehicle is only used as transportation means
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01Q—ANTENNAS, i.e. RADIO AERIALS
- H01Q21/00—Antenna arrays or systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
本发明公开了一种阵列天线宽波束增益优化方法,属于阵列天线技术领域。本发明的技术方案为:以阵列天线的功率增益表达式为代价函数,构建优化模型,并通过迭代方法对所述优化模型进行求解,得到优化的阵元的权系数,从而完成对阵列天线的功率增益优化。相比较于传统的以天线方向图表达式为代价函数的方法,提高了阵列天线在宽主瓣波束范围内的增益。
Description
技术领域
本发明属于阵列天线技术领域,具体涉及阵列天线宽波束增益处理。
背景技术
移动车载智能天线接收卫星转发的多媒体信号时,要求天线的主瓣宽度足够宽以适应车辆的随机移动,确保天线在不同角度都能很好地接收多媒体信号;同时考虑卫星信号的长距离衰落,要求天线具有一定的增益,以压制背景噪声和机内噪声,有效恢复多媒体信息。此应用要求智能天线具有较宽的主瓣角度,并且在宽主瓣角度内,天线的最小增益尽可能大。针对此应用,理想的天线增益图应具有平顶特性,即在整个主瓣角度内,具有恒定的增益,但在实际工程应用中,只能通过对阵列天线各阵元的有效加权以尽可能地提高天线主瓣角度内的最小增益。当前主要是通过方向图优化,即波束赋形(shaped beampattern synthesis,简写为SBPS问题),来解决此问题。此类方法分为两个步骤:1.以阵列天线的方向图表达式为代价函数,构建代价函数,对阵元的权系数进行优化,获得天线的平顶方向图;2.在此基础上,获得天线的功率增益。由于天线的增益同时受到天线方向图和阵元权系数的影响(权系数即约束方向图,又约束天线的总体辐射能力),主瓣范围内的最优平顶方向图,并不能保证主瓣范围内增益的最大化。
以线阵列天线为例,平面阵列天线或更高维阵列天线的结论可以以此类推。假定天线具有任意分布的N个阵元(均匀的或非均匀的),则阵列天线在接收信号时,天线上的感应电场强度可以简单描述为:
其中ωn、an(θ)和En(θ)分别为第n个阵元的复加权系数、阵因子以及远场电场强度,θ表示波束方向。
对上式进行向量化处理,可以得到:
Esyn(θ)=wHa(θ) (2)
其中,
则该阵列天线的合成波束fw(θ)可以表示为:
fw(θ)=c|Esyn(θ)|=c|wHa(θ)| (4)
其中c是与天线阵元以及接收电磁波相关的系数,(·)H表示矩阵或向量的共轭转置符。
通常情况下,阵列天线的阵元特性是相同的,因此远场电场强度En(θ)可以放入系数中,此时a(θ)=[a1(θ) … aN(θ)]H是只与阵因子有关的系数,基于式(4),天线的方向性系数可以表示为:
将式(4)带入式(5),可以得到:
根据天线原理,天线的增益可以表示为:G(θ)=ηaE(θ),ηa表示天线的辐射效率,由天线的硬件设计决定,与阵元的权系数w无关。
则传统的SBPS问题可以描述为以下优化问题:
其中,ΘML和ΘSL分别表示主瓣波束和旁瓣波束,fd(θ)为期望阵列方向图。ε和ρ是人工变量。式(7)具有以下三种形式:
方法1(SBPS1):使得ΘSL为0,ΘML包含所有的角度空间,则表示阵列天线得到的天线方向图fw(θ)与给定的期望方向图fd(θ)的差异在均方值意义下,尽量小。
方法2(SBPS2):在约束旁瓣电平ρ的情形下,使得主瓣纹波尽量小;
方法3(SBPS3):交换约束条件中ε和ρ的位置,则表示在约束主瓣纹波ρ的情形下,使得旁瓣电平尽量小;
这三种优化问题都可以化为凸优化形式,可以利用现有的工具如CVX,SeDumi等,快速得到其最优解。
关于SBPS问题的另一种描述为(SBPS4):
式(8)表示要求所求阵列方向图与期望方向图的功率差异尽量小。该问题具有非凸结构,其最优解只能通过搜索所有可能的权值系数w的不同组合来得到,这在工程上是不可实现的。
此外,文献““Shaped beam synthesis of arrays via sequential convexoptimizations,” IEEE Antennas and Wireless Propag.Lett.,vol.12,pp.1049–1052,2013.”还公开了一种快速的迭代方法,但该方法的性能依赖于初始化值,并不能完全保证算法的收敛性。
发明内容
本发明的发明目的在于:针对上述存在的问题,提供一种直接以阵列天线的功率增益表达式为代价函数而构建的优化问题(power gain pattern synthesis,简写为PGPS问题),通过求解此优化问题,对阵元权系数进行优化加权,提高主瓣角度内的最小增益值,从而得到比传统方法获得的主瓣角度范围内更高的增益。
本发明的阵列天线宽波束增益优化方法,以阵列天线的功率增益表达式为代价函数,构建优化问题(即优化模型),并通过迭代方法对所述优化问题进行求解,得到优化的阵元的权系数,从而完成对阵列天线的功率增益优化。
本发明的基于PGPS问题的阵列天线增益优化问题可以描述为:
由于wHAw表示的是天线在整个空间中的辐射功率,对任意非零的w均有wHAw>0,因此 A是正定矩阵,同时由A的定义可知其为Hermitian矩阵,因此矩阵A为可以表示为两个相同正定矩阵C的乘积,即:
A=CHC (10)
令Pθ=C-HAθC-1,xw=Cw,式(9)内,约束条件中的广义瑞利商可写为:
将常数2ηa并入G0项,构成新的G0参数,则优化问题(9)可以表示为:
考虑到式(13)仍然是一个非凸问题,其最优解的求解只能如问题(8)(8)那样通过搜索所有可能的权值组合来获取,为了提升求解速度,本发明还公开了一种快速的迭代算法求解其次优解的方式来获取(9)、(13)式的迭代求解结果。
首先,分别用xw,l和xw,r表示第一个约束条件中的左右xw,如果已知其中一个值,则可以通过迭代的方法来求解此问题。不妨假设已知xw,l,则,上述问题变为:
此时,该问题是一个凸问题,因此可以通过迭代的方式进行快速求解,每次迭代后,利用所求的xw,r对xw,l进行更新,直到xw,r=xw,l或|xw,r-xw,l|足够小,即|xw,r-xw,l|小于或等于一个满足需求的误差阈值,其具体步骤如下:
步骤1:初始化xw,l,参数α和δ,以及误差阈值gap;
其中xw,l的初始化方式为随机初始化,参数α的取值范围为[0.1,0.5],优选取值为α=0.2;参数δ的取值范围为[0.01,0.05],优选取值为δ=0.01;gap的数量级为10-3~10-2,优选取值范围为[0.005,0.05],优选取值为gap=0.01;
步骤2:求解问题(14),得到最优xw,r;
步骤3:对xw,l进行更新:xw,l=(0.5+α)xw,r+(0.5-α)xw,l;
步骤4:更新α=α-δ;
步骤5:判断是否|xw,r-xw,l|>gap且α>0,若是,则转入步骤2;否则转入步骤6;
步骤6:w=C-1xw,l,结束。
当然,本发明在通过迭代的方式进行快速求解时,也可随机初始化xw,r,将上述步骤1-6 中的xw,r与xw,l进行互换,来迭代求解得到w。即基于当前xw,r对式(14)进行求解,得到当前最优的xw,l;并更新xw,r=(0.5+α)xw,l+(0.5-α)xw,r,及α=α-δ;判断xw,r与xw,l的值是否足够接近(误差不超过预设的误差阈值)且α>0,若是则停止迭代更新,否则得到w=C-1xw,r。
因为对任何天线而言,在研究电磁波接收或发射时,天线的功率增益图是最终关
心的参量。而传统方法是以天线方向图,即wHAθw,为代价函数。在给定天线阵列布局的前提
下,式(9)中定义的矩阵A是一个已知正定矩阵,因此,以wHAθw为代价函数得到特定区域(主
瓣方向)的特定赋性波束后,每个天线阵元的权系数就确知,即w此时为确定参量,此时wHAw
亦为确知数,此时得到的天线功率增益图与天线的方向图有相似的形状。从这个意义来讲,
优化天线方向图可以得到优化的天线的功率增益图。但是,由于wHAw同样受到天线阵元权
系数w的约束,仅仅约束天线方向图wHAθw,并不能保证得到最优的天线功率增益本
发明优化方法,则通过直接约束天线功率增益,得到了最优的结果。事实上,由问题(14) 所
用方法得到的最优阵元权系数w1为阵列天线的功率增益提供了上限,即:
综上所述,由于采用了上述技术方案,本发明的有益效果是:提高天线的主瓣角度内的最小增益值,从而得到比传统方法获得的主瓣角度范围内更高的增益。
附图说明
图1是现有的四种SBPS方法在三个不同主瓣方向的天线功率增益图,其中1-a对应方法 SBPS1,1-b对应方法SBS2,1-c对应方法SBPS3,1-d对应方法SBPS4;
图2是是本发明方法(Proposed)在三个不同主瓣方向的天线功率增益图;
图3是本发明方法与现有的四种SBPS方法的鲁棒性分析对比图;
图4是本发明方法与现有的四种SBPS方法在不同角度的主瓣最小功率增益的比较图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合实施方式和附图,对本发明作进一步地详细描述。
实施例
采用如表1所示的41阵元非均匀分布的线阵列天线对本发明所设计的方法进行实验验证:
表1 41阵元阵列天线的位置信息
本发明的优化方法与传统的四种方法的结果比较:1.式(7)对应于三种方法,分别记为SBPSi(i=1,2,3);2.式(8)对应于第四种传统方法,记为SBPS4;3.式(14)对应于本发明的优化方法。
(1)不同主瓣方向各种方法的比较:
主瓣波束分别取[40°,60°],[60°,80°],[80°,100°](分别对应于图1、2中的实线、虚线和带标记的实线),旁瓣与主瓣间的最小距离取5°。方法SBPS1和SBPS2中的ρ分别为-30dB 和0.1dB,分别表示方向图旁瓣电平在-30dB以下和方向图主瓣纹波在0.1dB之间,参见图1-a和1-b。由图1和图2的对比可以看出,本发明的优化方法能够获得满足要求的更高的主瓣增益。
(2)鲁棒性分析。
为了验证本发明的优化方法对初始点选择的鲁棒性,本实验中做了200次蒙特卡洛仿真,如图3所示。为对比方便,也给出了同等条件下,四种传统方法(SBPS1~SBPS4)的结果图。从均值意义上来讲,本发明的优化方法优于另外四种方法;而从统计意义上来讲,本发明的优化方法在200次蒙特卡洛仿真中,始终能获得最优的主瓣增益,因而本发明的优化方法能以压倒性概率优势获得更好的主瓣增益。
(3)主瓣方向进行扫描时的比较。
设置主瓣方向宽度为20°,在整个区域进行扫描,分别获得不同的主瓣增益,如图4所示,由图4可知,本发明的优化方法在任意角度都能获得最好的主瓣增益。
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 (5)
1.一种阵列天线宽波束功率增益优化方法,其特征在于,包括下列步骤:
以阵列天线的功率增益表达式为代价函数,构建优化模型,并通过迭代方法对所述优化模型进行求解,得到优化的阵元的权系数;
其中,G0表示阵列天线的功率增益,ηa表示阵列天线的辐射效率,θ表示波束方向,ΘML表示阵列天线的主瓣波束,w表示阵元的权系数,矩阵Aθ=a(θ)aH(θ),a(θ)=[a1(θ) … aN(θ)]H,an(θ)表示第n个阵元的阵元因子,其中n=1,…,N,N表示阵元数,(·)H表示矩阵或向量的共轭转置符;
将矩阵A分解为两个相同正定矩阵C的乘积,并将优化模型替换为:
并对优化模型的迭代求解方式为:
分别用xw,l和xw,r代替优化模型中的左xw和右xw,得到新优化模型:
对所述新优化模型进行迭代求解:
从xw,l和xw,r中任意选择一个对象作为迭代更新对象,记为参量B,未选中的记为参量S;
初始化参量B,以及参数α和δ,其中α的取值范围为[0.1,0.5],δ的取值范围为[0.01,0.05];
对参量B进行迭代更新:
基于参量B的当前值求解所述新优化模型,得到参量S的当前值;
再更新参量B=(0.5+α)S+(0.5-α)B,以及更新参数α=α-δ;
判断是否满足迭代收敛条件,若是,则根据公式w=C-1B得到优化的阵元的权系数w;否则继续对参量B进行迭代更新;
其中,迭代收敛条件为α≤0或参量B与S的误差不超过满足需求的误差阈值。
2.如权利要求1所述的方法,其特征在于,所述误差阈值的数量级为10-3~10-2。
3.如权利要求2所述的方法,其特征在于,所述误差阈值的取值范围为[0.005,0.05]。
4.如权利要求2或3所述的方法,其特征在于,参数α的取值为α=0.2。
5.如权利要求2或3所述的方法,其特征在于,参数δ的取值为δ=0.01。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810126969.1A CN108446437B (zh) | 2018-02-08 | 2018-02-08 | 一种阵列天线宽波束功率增益优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810126969.1A CN108446437B (zh) | 2018-02-08 | 2018-02-08 | 一种阵列天线宽波束功率增益优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108446437A CN108446437A (zh) | 2018-08-24 |
CN108446437B true CN108446437B (zh) | 2021-04-30 |
Family
ID=63191914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810126969.1A Active CN108446437B (zh) | 2018-02-08 | 2018-02-08 | 一种阵列天线宽波束功率增益优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108446437B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109541643B (zh) * | 2018-11-09 | 2023-02-03 | 电子科技大学 | 一种阵列天线的副瓣和交叉极化抑制方法 |
CN111062142B (zh) * | 2019-12-30 | 2022-10-14 | 电子科技大学 | 一种基于线性规划的阵列天线宽波束增益优化方法 |
CN111551923B (zh) * | 2020-05-27 | 2022-11-04 | 电子科技大学 | 一种多约束下的均匀线性阵列低旁瓣波束形成优化方法 |
CN112769465B (zh) * | 2020-12-29 | 2021-10-26 | 电子科技大学 | 一种基于交替投影的宽主瓣阵列天线增益增强方法 |
CN114722868B (zh) * | 2022-03-29 | 2023-05-23 | 电子科技大学 | 一种阵列激励动态范围可控的宽波束增益增强方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102273282A (zh) * | 2009-01-09 | 2011-12-07 | 索尼公司 | 用于mimo***中的功率控制的***和方法 |
CN104486775A (zh) * | 2015-01-08 | 2015-04-01 | 西安电子科技大学 | 基于用户位置的跟踪预测的有源天线阵列波束优化方法 |
CN105655727A (zh) * | 2015-09-28 | 2016-06-08 | 中国电子科技集团公司第二十九研究所 | 一种基于凸优化的增益损失恒定波束的形成方法及装置 |
CN106454870A (zh) * | 2015-08-05 | 2017-02-22 | 北京信威通信技术股份有限公司 | 一种二维天线阵列的波束合成方法 |
CN107346986A (zh) * | 2017-07-12 | 2017-11-14 | 电子科技大学 | 一种基于稀疏频控传感器天线阵列的多波束形成方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101026444B (zh) * | 2006-02-20 | 2010-05-12 | 华为技术有限公司 | 采用ofdma技术的***的下行多用户资源分配方法 |
CN101394212B (zh) * | 2007-09-21 | 2012-04-25 | 电信科学技术研究院 | 一种波束赋形方法及装置 |
CN102595429A (zh) * | 2011-01-17 | 2012-07-18 | 中兴通讯股份有限公司 | 上行无线协作多点传输通信网络及其传输方法 |
CN103916174B (zh) * | 2014-03-27 | 2017-01-18 | 西安空间无线电技术研究所 | 一种频分双工***中的联合空域与极化域波束形成方法 |
CN104618946B (zh) * | 2015-01-08 | 2019-01-08 | 西安电子科技大学 | 基于有源天线三维波束模型的lte异构网络干扰协调方法 |
CN105760600B (zh) * | 2016-02-17 | 2018-10-09 | 西安电子科技大学 | 基于机电耦合的星载有源相控阵天线组件热功耗确定方法 |
CN107483125B (zh) * | 2016-06-08 | 2020-06-09 | 大唐移动通信设备有限公司 | 基于lte/lte升级版小区的数据处理方法和*** |
CN106886656B (zh) * | 2017-03-15 | 2020-12-25 | 南京航空航天大学 | 一种三维阵列天线方向图旁瓣抑制方法 |
-
2018
- 2018-02-08 CN CN201810126969.1A patent/CN108446437B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102273282A (zh) * | 2009-01-09 | 2011-12-07 | 索尼公司 | 用于mimo***中的功率控制的***和方法 |
CN104486775A (zh) * | 2015-01-08 | 2015-04-01 | 西安电子科技大学 | 基于用户位置的跟踪预测的有源天线阵列波束优化方法 |
CN106454870A (zh) * | 2015-08-05 | 2017-02-22 | 北京信威通信技术股份有限公司 | 一种二维天线阵列的波束合成方法 |
CN105655727A (zh) * | 2015-09-28 | 2016-06-08 | 中国电子科技集团公司第二十九研究所 | 一种基于凸优化的增益损失恒定波束的形成方法及装置 |
CN107346986A (zh) * | 2017-07-12 | 2017-11-14 | 电子科技大学 | 一种基于稀疏频控传感器天线阵列的多波束形成方法 |
Non-Patent Citations (1)
Title |
---|
Power Gain Optimization Method for Wide-Beam Array Antenna via Convex Optimization;Shiwen Lei;《IEEE Transactions on Antennas and Propagation》;20181204;第67卷(第3期);1-10 * |
Also Published As
Publication number | Publication date |
---|---|
CN108446437A (zh) | 2018-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108446437B (zh) | 一种阵列天线宽波束功率增益优化方法 | |
CN106886656B (zh) | 一种三维阵列天线方向图旁瓣抑制方法 | |
CN111062142B (zh) | 一种基于线性规划的阵列天线宽波束增益优化方法 | |
Xu et al. | Pattern synthesis of conformal antenna array by the hybrid genetic algorithm | |
CN105137399B (zh) | 基于斜投影滤波的雷达自适应波束形成方法 | |
CN113032989A (zh) | 一种约束方向性系数的最小化阵元数目的稀布阵优化算法 | |
CN106779161B (zh) | 一种气动外形约束下分布式三维阵的阵列布局优化方法 | |
CN111430915B (zh) | 一种基于方向图重构单元的阵列波束赋形方法 | |
CN111400919A (zh) | 阵列天线中的低旁瓣波束设计方法 | |
CN103513225B (zh) | 一种基于空间增益的稀疏平面阵形优化方法 | |
CN106021766B (zh) | 基于机电集成优化的圆极化网状天线高指向精度设计方法 | |
Rocca et al. | Polyomino subarraying through genetic algorithms | |
CN112016662B (zh) | 基于混合差分进化算法与加权总体最小二乘法的阵列方向图综合法 | |
Jayaprakasam et al. | A PARETO ELITE SELECTION GENETIC ALGORITHM FOR RANDOM ANTENNA ARRAY BEAMFORMING WITH LOW SIDELOBE LEVEL. | |
Bhattacharyya | Accuracy of floquet model in predicting performances of finite arrays | |
Gebrekrstos et al. | Performance evaluation of elliptical-cylindrical antenna array (EcAA) using SaDE optimized hyper beam | |
CN116911162A (zh) | 基于改进蜉蝣算法的唯相星载相控阵天线综合方法及*** | |
CN110083923B (zh) | 一种基于高阶泰勒展开的低副瓣阵列天线的优化布局方法 | |
CN114510879B (zh) | 一种任意间隔直线阵列端射增强的相位配置方法 | |
Rahimian et al. | Enhanced RF steerable beamforming networks based on Butler matrix and Rotman lens for ITS applications | |
Fu et al. | Optimization of planar thinned antenna array based on genetic and convex hybrid algorithm | |
CN112234336A (zh) | 副瓣约束的阵列方向图增益优化方法 | |
Noaman et al. | Optimal sidelobes reduction and synthesis of circular array antennas using hybrid adaptive genetic algorithms | |
CN116796640B (zh) | 一种基于蛇优化算法的共形稀疏阵列优化方法 | |
Li et al. | A novel algorithm for null broadending beamforming based on subspace projection and virtual antenna array |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |