CN114609592A - 一种mimo雷达虚拟稀疏阵列优化布阵方法 - Google Patents
一种mimo雷达虚拟稀疏阵列优化布阵方法 Download PDFInfo
- Publication number
- CN114609592A CN114609592A CN202210275518.0A CN202210275518A CN114609592A CN 114609592 A CN114609592 A CN 114609592A CN 202210275518 A CN202210275518 A CN 202210275518A CN 114609592 A CN114609592 A CN 114609592A
- Authority
- CN
- China
- Prior art keywords
- array
- mimo radar
- antenna
- virtual
- transmitting
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/42—Diversity systems specially adapted for radar
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01Q—ANTENNAS, i.e. RADIO AERIALS
- H01Q21/00—Antenna arrays or systems
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
Description
技术领域
本发明属于相控阵雷达探测领域,特别涉及一种高分辨率相控阵雷达探测技术。
背景技术
相控阵雷达探测广泛应用在地基、空基、海基和天基雷达,目前基于毫米波相控阵列雷达的4D智慧交通、智慧驾驶、智慧安防等应用,对相控阵雷达探测角度分辨率和扫描范围都有很高要求。而角度分辨率跟相控阵雷达天线孔径有关系,角度分辨率的提高就要求增大阵列天线孔径,同时为保证扫描范围,需要增加阵元通道数目。而阵元通道数目增加会增加成本,降低***可实现性。
针对此问题,目前改善雷达角度分辨的解决办法包括超分辨信号处理算法、采用MIMO(multiple-input multiple-output,多输入多输出)雷达体制、稀疏布阵等。
超分辨算法对位于一个波束宽度内、在空间上相邻的多个信号有较好的测向性能,是阵列信号处理的重要研究方向。其中,多重信号分类(Multiple SignalClassification,MUSIC)算法是目前应用最为广泛的算法之一,其主要特点是通过对阵列接收的数据进行矩阵分解获取信号子空间和噪声子空间,其中信号子空间与信号的阵列流形空间相一致,并且与噪声子空间正交。但是超分辨信号处理算法要求信源数目不能大于接收天线数目,并且对信号正交性有要求。
MIMO雷达,通常包含多个发射天线和多个接收天线,发射天线依次发射相互正交的信号,每个发射信号经过目标反射后被多个接收天线同时接收。例如,发射天线数量为Nt,接收天线数量为Nr,每个发射信号都对应Nr根接收天线,最终接收端会形成Nt×Nr根虚拟接收天线,通过合理设计收发阵列排布,可以获得较大的虚拟雷达孔径。因此,MIMO雷达以延长阵列扫描时间和增加信号设计复杂度为代价增大了天线孔径,提高了角度分辨率。MIMO雷达在高精度角度测量方面具有巨大的优势,受到业界广泛关注。
采用稀疏布阵的方法可以在收发通道数目一定的情况下通过增大阵元间距,增加阵列有效孔径,从而改善角度分辨率。但是稀疏布阵也存在扫描范围减小、旁瓣水平提升、阵列优化变量多时间长等缺点。
综上,超分辨信号处理方法对信源数目和信号正交性有限制要求,而MIMO和稀疏布阵都可以在一定程度上改善角度分辨率,但是对角度分辨率的改善有限。
发明内容
本发明针对高分辨率相控阵雷达探测问题,提出了一种MIMO雷达虚拟孔径高分辨稀疏优化方法,具体采用遗传算法对MIMO虚拟阵列进行稀疏优化,进一步改善角度分辨率。
本发明采用的技术方案为:一种MIMO雷达虚拟孔径高分辨稀疏优化方法,具体步骤如下:
A1、确定所需的虚拟天线阵列孔径、虚拟阵列满阵时对应的发射天线数量NT和接收天线数量NR、初始稀疏率η0,计算得稀疏阵列实际发射天线数量Nt、实际接收天线数量Nr;
A2、在矩形MIMO雷达天线阵列的四个顶点各放置1根发射天线,在朝矩形MIMO雷达天线阵列中心点方向距离每根发射天线处各放置1根接收天线,在4根接收天线形成的矩形内,按最小间距为半倍波长λ/2随机放置剩余的发射天线和接收天线;
A3、采用遗传算法对MIMO雷达稀疏阵列的收发天线排布位置进行优化;从而得到优化后的MIMO雷达稀疏阵列的实际排布方式、对应的虚拟阵列和方向图,然后结束。
步骤A3具体所述的遗传算法的选择操作中采用“轮盘赌”的方法来选择用于交叉操作、变异操作的MIMO雷达稀疏阵列排布个体。
所述采用“轮盘赌”的方法来选择用于交叉操作、变异操作的MIMO雷达稀疏阵列排布个体,具体为:根据种群中每个个体的适应度函数值g占所有个体适应度函数值的和的比率来决定其被选择到的概率。
g=方位向方向图的最大旁瓣的绝对值+俯仰向方向图最大旁瓣的绝对值。
当最优适应度函数值大于最终的目标适应度函数值时,停止迭代。
最优适应度函数值计算过程为:
对于每个MIMO雷达稀疏阵列排布个体,Nt个发射天线依次发射相互正交的正弦信号,经目标反射后,每个发射信号被Nr个接收天线同时接收,得到Nt×Nr个虚拟接收天线信号,生成个体对应的MIMO雷达虚拟稀疏阵列;
然后对所有虚拟接收天线信号进行数字波束合成处理,得到阵列的俯仰向和方位向方向图,计算个体对应的适应度函数值,并进行归一化;
取所有个体中最优的适应度函数值g。
本发明的有益效果:本发明采用遗传算法对MIMO虚拟阵列进行稀疏优化,通过对MIMO雷达虚拟阵元位置进行遗传优化,增大MIMO雷达虚拟孔径,改善雷达角度分辨率。采用本发明方法得到的MIMO雷达阵列能生成比本身占用面积更大的虚拟阵列,因此其角度分辨率会比占用相同面积的均匀矩形平面阵列更高。
附图说明
图1为本发明MIMO雷达虚拟阵列优化方法的流程图。
图2为本实施例中提供的满足指标要求的均匀矩形平面阵列示意图。
图3为本实施例中提供的使用MIMO雷达实现的平面收发天线阵列示意图。
图4为本实施例中提供的优化后的MIMO雷达稀疏阵列收发天线的位置示意图。
图5为优化后的MIMO雷达稀疏阵列对应的虚拟阵列示意图。
图6为S8中遗传迭代时MIMO雷达稀疏阵列的适应度函数值进化曲线。
具体实施方式
为便于本领域技术人员理解本发明的技术内容,下面结合附图对本发明内容进一步阐释。
如图1所述,本发明的方法实现过程为:
S1、假设雷达阵列角度分辨率要求为1度,则至少需要102根接收天线,若采用如图2所示的均匀矩形平面阵列,所有天线按最小间距为半倍波长λ2均匀排列,横向与纵向的天线数量都选择为11,天线孔径即为[(11-1)×λ/2]×[(11-1)×λ/2],若采用如图3所示的MIMO雷达实现,则所需的发射天线数量NT=11、接收天线数量NR=11。若采用MIMO雷达虚拟稀疏阵列实现,设初始稀疏率η0=14%。这里的所有天线即包括发射天线与接收天线。λ表示雷达信号波长。
对于均匀矩形平面阵列,接收天线数量≈102°/角度分辨率。本领域的技术人员应注意这里的102°为一般情况下计算角度分辨率与天线数量关系的数值。
S2、设计评价MIMO虚拟阵列优化效果的适应度函数g,其评价标准为方向图的最大旁瓣的绝对值。适应度函数值越大,则说明此个体的旁瓣水平越低。满足最终要求的天线阵列对应的目标适应度函数值M。可以根据实际需要进行确定,本实施例中M=35。
g=方位向方向图的最大旁瓣的绝对值+俯仰向方向图最大旁瓣的绝对值
归一化方向图的主瓣水平为0dB,最大旁瓣的dB水平为负数,因此旁瓣数值越小,其绝对值越大。
S4、为保证在可视区内不出现栅瓣,天线之间的最小间距取半倍波长λ/2。在长宽都为6×λ/2的矩形MIMO雷达天线阵列的四个顶点各放置1根发射天线,在每根发射天线朝阵列中心点方向距离处各放置1根接收天线,剩余的天线都放置在由这4根接收天线形成的矩形内,由此可固定MIMO雷达虚拟阵列孔径。
S5、在上述的由4根接收天线形成的矩形内,按最小间距为半倍波长λ/2随机放置4根发射天线和4根接收天线,用矩阵描述MIMO雷达稀疏阵列孔径内的收发天线排布位置,在每个可以放置天线的位置处,0表示此处无天线,1表示此处有发射天线,2表示此处有接收天线,即等位基因值为0、1、2,按此方法排列收发天线,得到的一个MIMO雷达稀疏阵列即为一个初始个体,基因值数列即为此个体的基因。
S6、按照S5的方法随机生成50个初始个体,所有初始个体组成一个初始种群集合,种群的规模即为50,此种群用于优化MIMO雷达稀疏阵列的收发天线排布位置。初始遗传代数k=1,最大遗传代数G=100。
S7、对于每个MIMO雷达稀疏阵列个体,8根发射天线依次发射相互正交的正弦信号,经目标反射后,每个发射信号被8根接收天线接收,得到8×8个虚拟接收天线信号,生成此个体对应的MIMO雷达虚拟稀疏阵列。然后对所有信号进行数字波束合成处理,得到阵列的方位向方向图和俯仰向方向图,计算其适应度函数值,并进行归一化。取所有个体中最优的适应度函数值g。最优的适应度函数值即所有个体中适应度函数的最大值。
S8、采用遗传算法对MIMO雷达稀疏阵列的收发天线排列位置进行优化。优化后的MIMO雷达稀疏阵列收发天线的位置如图4所示;优化后的MIMO雷达稀疏阵列对应的虚拟阵列如图5所示;
根据均匀矩形平面阵列的角度分辨率与天线数量的关系式(接收天线数量≈102°/角度分辨率)可知,天线数量越多(即孔径越大),阵列面积越大,则角度分辨率越高。如图4、5所示,MIMO雷达阵列能生成比本身占用面积更大的虚拟阵列,因此其角度分辨率比占用相同面积的均匀矩形平面阵列高。
如图3,若采用相同面积的均匀矩形平面阵列,其角度分辨率≈102°/(7*7)≈2.1°,不满足目标1°。
如图6所示,在遗传迭代过程中适应度值不断上升,最终趋于平缓,说明本次优化结果已趋向于最优。
S9、得到优化后的MIMO雷达稀疏阵列的实际排布结果和方向图,然后结束。
进一步地,所述步骤S8具体实现方法为:
S8-1、判断遗传代数k是否达到最大值100,若达到最大,则执行S8-7。否则执行S8-2。
S8-2、选择操作,对当前种群采用基于“轮盘赌”的方法来进行多轮选择操作,选择用于后续操作的收发天线阵列排布个体,即根据该种群中每个个体的适应度函数值g占所有个体适应度函数值的和的比率来决定其被选择到的概率。
S8-3、交叉操作,将S8-2中被选中的MIMO雷达稀疏阵列个体进行两两配对,每对的两个个体按照交叉概率Pc=0.8交换他们的部分基因,形成一对新个体,所有新个体组成一个新种群。
S8-4、变异操作,对交叉后生成的新种群中的每一个MIMO雷达稀疏阵列个体采用基于概率的变异操作,按照变异概率Pm=0.05改变每个个体某一些基因座上的基因值为其他的等位基因值。
S8-5、需确保新生成的MIMO雷达稀疏阵列种群中每个个体的稀疏概率不变(即每个个体基因中0,1,2的个数不变),当子代种群中的某个个体的发射天线数目少于Nt时,从基因值为0的阵元中随机选择差额个阵元,强制其基因值为1;当子代种群中的某个个体的发射天线数目多于Nt时,从基因值为1的阵元中随机选择差额个阵元,强制其基因值为0。当子代种群中的某个个体的接收天线数目少于Nr时,从基因值为0的阵元中随机选择差额个阵元,强制其基因值为2;当子代种群中的某个个体的接收天线数目多于Nr时,从基因值为2的阵元中随机选择差额个阵元,强制其基因值为0。将最优个体保留在新一代种群中,k=k+1,然后执行S7。
S8-6、判断当前最优适应度函数值g是否大于最终的目标适应度函数值M,若大于,则执行S9。否则执行S8-7。
S8-7、当前稀疏率过低,无法满足目标旁瓣水平要求,因此需增大稀疏率η0,然后执行S3;实际应用中稀疏率η0每次可以增加1%。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (7)
1.一种MIMO雷达虚拟孔径高分辨稀疏优化方法,其特征在于,包括:
A1、确定所需的虚拟天线阵列孔径、虚拟阵列满阵时对应的发射天线数量NT和接收天线数量NR、初始稀疏率η0,计算得稀疏阵列实际发射天线数量Nt、实际接收天线数量Nr;
A2、在矩形MIMO雷达天线阵列的四个顶点各放置1根发射天线,在朝矩形MIMO雷达天线阵列中心点方向距离每根发射天线处各放置1根接收天线,在4根接收天线形成的矩形内,按最小间距为半倍波长λ/2随机放置剩余的发射天线和接收天线;
A3、采用遗传算法对MIMO雷达稀疏阵列的收发天线排布位置进行优化;从而得到优化后的MIMO雷达稀疏阵列的实际排布方式、对应的虚拟阵列和方向图,然后结束。
2.根据权利要求1所述的一种MIMO雷达虚拟孔径高分辨稀疏优化方法,其特征在于,步骤A3具体所述的遗传算法的选择操作中采用“轮盘赌”的方法来选择用于交叉操作、变异操作的MIMO雷达稀疏阵列排布个体。
3.根据权利要求2所述的一种MIMO雷达虚拟孔径高分辨稀疏优化方法,其特征在于,所述采用“轮盘赌”的方法来选择用于交叉操作、变异操作的MIMO雷达稀疏阵列排布个体,具体为:根据每个个体的适应度函数值g占所有个体适应度函数值的和的比例来决定其被选择到的概率。
4.根据权利要求3所述的一种MIMO雷达虚拟孔径高分辨稀疏优化方法,其特征在于,还包括在每一轮选择操作中产生一个在[0,1]内均匀分布的随机数,以该随机数作为选择指针确定被选择的个体。
5.根据权利要求3所述的一种MIMO雷达虚拟孔径高分辨稀疏优化方法,其特征在于,g=方位向方向图的最大旁瓣的绝对值+俯仰向方向图最大旁瓣的绝对值。
6.根据权利要求5所述的一种MIMO雷达虚拟孔径高分辨稀疏优化方法,其特征在于,当最优适应度函数值大于最终的目标适应度函数值时,停止迭代。
7.根据权利要求6所述的一种MIMO雷达虚拟孔径高分辨稀疏优化方法,其特征在于,最优适应度函数值计算过程为:
对于每个MIMO雷达稀疏阵列排布个体,Nt个发射天线依次发射相互正交的正弦信号,经目标反射后,每个发射信号被Nr个接收天线同时接收,得到Nt×Nr个虚拟接收天线信号,生成个体对应的MIMO雷达虚拟稀疏阵列;
然后对所有虚拟接收天线信号进行数字波束合成处理,得到阵列的俯仰向和方位向方向图,计算个体对应的适应度函数值,并进行归一化;
取所有个体中最优的适应度函数值g。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210275518.0A CN114609592B (zh) | 2022-03-21 | 2022-03-21 | 一种mimo雷达虚拟稀疏阵列优化布阵方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210275518.0A CN114609592B (zh) | 2022-03-21 | 2022-03-21 | 一种mimo雷达虚拟稀疏阵列优化布阵方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114609592A true CN114609592A (zh) | 2022-06-10 |
CN114609592B CN114609592B (zh) | 2023-05-05 |
Family
ID=81865975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210275518.0A Active CN114609592B (zh) | 2022-03-21 | 2022-03-21 | 一种mimo雷达虚拟稀疏阵列优化布阵方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114609592B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117973234A (zh) * | 2024-03-29 | 2024-05-03 | 南京隼眼电子科技有限公司 | 基于自适应差分进化算法的二维车载mimo雷达天线阵列设计方法及装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105426578A (zh) * | 2015-11-03 | 2016-03-23 | 电子科技大学 | 一种基于遗传算法的mimo-sar面阵天线阵元位置优化方法 |
US20160334498A1 (en) * | 2014-01-30 | 2016-11-17 | Ucl Business Plc | Apparatus and method for determining the location of a mobile device using multiple wireless access points |
US20160345286A1 (en) * | 2014-01-30 | 2016-11-24 | Ucl Business Plc | Apparatus and method for calibrating a wireless access point comprising an array of multiple antennas |
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 |
CN110376557A (zh) * | 2019-06-03 | 2019-10-25 | 西安电子科技大学 | 一种基于非均匀嵌套mimo雷达的栅瓣抑制方法 |
CN110456334A (zh) * | 2019-07-27 | 2019-11-15 | 南京理工大学 | 基于优化稀疏阵的tdm-mimo雷达***及其信号处理方法 |
CN111007504A (zh) * | 2019-12-20 | 2020-04-14 | 北京理工大学 | 基于最小冗余的mimo三维成像雷达稀疏阵列设计方法 |
EP3690483A1 (en) * | 2019-02-04 | 2020-08-05 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | A method for synthesis of antenna array layouts or selection of waveform in a set of mutually incoherent apertures for radar and radio-frequency applications |
CN113176540A (zh) * | 2021-04-25 | 2021-07-27 | 南京航空航天大学 | 合成稀疏阵列mimo雷达联合波束方向图的方法及*** |
CN113325369A (zh) * | 2021-04-21 | 2021-08-31 | 南京慧尔视智能科技有限公司 | 一种mimo微波装置 |
CN113343588A (zh) * | 2021-07-06 | 2021-09-03 | 东南大学 | 一种多约束毫米波车载mimo雷达天线阵列设计方法与装置 |
-
2022
- 2022-03-21 CN CN202210275518.0A patent/CN114609592B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160334498A1 (en) * | 2014-01-30 | 2016-11-17 | Ucl Business Plc | Apparatus and method for determining the location of a mobile device using multiple wireless access points |
US20160345286A1 (en) * | 2014-01-30 | 2016-11-24 | Ucl Business Plc | Apparatus and method for calibrating a wireless access point comprising an array of multiple antennas |
CN105426578A (zh) * | 2015-11-03 | 2016-03-23 | 电子科技大学 | 一种基于遗传算法的mimo-sar面阵天线阵元位置优化方法 |
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 |
EP3690483A1 (en) * | 2019-02-04 | 2020-08-05 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | A method for synthesis of antenna array layouts or selection of waveform in a set of mutually incoherent apertures for radar and radio-frequency applications |
CN110376557A (zh) * | 2019-06-03 | 2019-10-25 | 西安电子科技大学 | 一种基于非均匀嵌套mimo雷达的栅瓣抑制方法 |
CN110456334A (zh) * | 2019-07-27 | 2019-11-15 | 南京理工大学 | 基于优化稀疏阵的tdm-mimo雷达***及其信号处理方法 |
CN111007504A (zh) * | 2019-12-20 | 2020-04-14 | 北京理工大学 | 基于最小冗余的mimo三维成像雷达稀疏阵列设计方法 |
CN113325369A (zh) * | 2021-04-21 | 2021-08-31 | 南京慧尔视智能科技有限公司 | 一种mimo微波装置 |
CN113176540A (zh) * | 2021-04-25 | 2021-07-27 | 南京航空航天大学 | 合成稀疏阵列mimo雷达联合波束方向图的方法及*** |
CN113343588A (zh) * | 2021-07-06 | 2021-09-03 | 东南大学 | 一种多约束毫米波车载mimo雷达天线阵列设计方法与装置 |
Non-Patent Citations (3)
Title |
---|
《中国博士学位论文全文数据库信息科技辑》: "临近空间MIMO STAP阵列优化和正交编码分集研究", 《信号处理》 * |
ZHAOYANG ZHANG: "Array Optimization for MIMO Radar by Genetic Algorithms", 《2009 2ND INTERNATIONAL CONGRESS ON IMAGE AND SIGNAL PROCESSING》 * |
杨海宁: "钻孔测井雷达信号处理技术研究", 《中国博士学位论文全文数据库信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117973234A (zh) * | 2024-03-29 | 2024-05-03 | 南京隼眼电子科技有限公司 | 基于自适应差分进化算法的二维车载mimo雷达天线阵列设计方法及装置 |
CN117973234B (zh) * | 2024-03-29 | 2024-06-07 | 南京隼眼电子科技有限公司 | 基于自适应差分进化算法的二维车载mimo雷达天线阵列设计方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114609592B (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Anselmi et al. | Irregular phased array tiling by means of analytic schemata-driven optimization | |
CN106654601B (zh) | 无栅瓣宽角扫描混合阵列超稀疏布局方法 | |
CN111224706B (zh) | 一种基于混合自适应粒子群算法的面多波束赋形方法 | |
CN113343588B (zh) | 一种多约束毫米波车载mimo雷达天线阵列设计方法与装置 | |
CN107302140B (zh) | 基于量子蜘蛛群演化机制的平面天线阵列稀疏方法 | |
CN111143983B (zh) | 基于改进水循环算法的稀布天线阵列低副瓣综合优化方法 | |
CN112100701B (zh) | 基于遗传算法的二维分布式天线子阵位置优化方法 | |
CN114609592B (zh) | 一种mimo雷达虚拟稀疏阵列优化布阵方法 | |
CN114399044A (zh) | 一种子阵级稀疏阵列发射波束旁瓣电平优化方法 | |
Marcano et al. | Synthesis of multiple beam linear antenna arrays using 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 | |
CN112926271A (zh) | 一种基于混合遗传算法的线性阵列子阵划分方法 | |
CN112949193A (zh) | 一种子阵级稀疏阵列天线方向图数值方法及*** | |
CN115566442A (zh) | 稀疏布阵方法、装置、电子设备和可读存储介质 | |
Caorsi et al. | Planar antenna array design with a multi‐purpose GA‐based procedure | |
Li et al. | Unequally spaced linear antenna arrays synthesis based on genetic algorithm | |
Fu et al. | Optimization of planar thinned antenna array based on genetic and convex hybrid algorithm | |
CN113447904A (zh) | 基于排列离散差分进化算法的稀疏阵列优化方法 | |
Lakshmi et al. | Pattern synthesis using genetic algorithm for low sidelobe levels | |
GB2398429A (en) | Partitioning an antenna array | |
CN114818592B (zh) | 一种背馈芯片布局约束下的稀疏阵列优化布阵方法 | |
GB2398428A (en) | Partitioning process for antenna or sensor arrays | |
CN115036710B (zh) | 一种多级分形子阵平面阵列及其排布方法 | |
Costa et al. | GA-aided directivity in volumetric and planar massive-antenna array design | |
CN117973234B (zh) | 基于自适应差分进化算法的二维车载mimo雷达天线阵列设计方法及装置 |
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 |