CN117973234B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN117973234B CN117973234B CN202410374963.1A CN202410374963A CN117973234B CN 117973234 B CN117973234 B CN 117973234B CN 202410374963 A CN202410374963 A CN 202410374963A CN 117973234 B CN117973234 B CN 117973234B
- Authority
- CN
- China
- Prior art keywords
- azimuth
- array element
- constraint
- array
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 64
- 238000013461 design Methods 0.000 title claims abstract description 39
- 230000006870 function Effects 0.000 claims abstract description 33
- 230000008569 process Effects 0.000 claims description 29
- 230000003044 adaptive effect Effects 0.000 claims description 27
- 230000035772 mutation Effects 0.000 claims description 21
- 238000010586 diagram Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000014759 maintenance of location Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 6
- 239000011148 porous material Substances 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 239000013598 vector Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000012938 design process Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
Landscapes
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
本发明公开了一种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，方法包括：根据天线阵列信息、方位向和俯仰向的约束条件以及适应度函数，并利用自适应差分进化算法进行求解，获得最优阵列排布；其中，方位向和俯仰向的约束条件包括方位向的孔径约束、方位向间距约束、俯仰向的孔径约束、同一芯片内阵元俯仰向间距约束和馈线长度约束；方位向的孔径约束根据预设的方位向角度分辨率确定，俯仰向的孔径约束根据预设的俯仰向角度分辨率确定，俯仰向的馈线长度约束基于俯仰向基准以及馈线长度确定。本发明兼顾了方位向和俯仰向的角度分辨率，还考虑到了馈线长度，减少了提前陷入局部最优的可能，提高了全局搜索能力。
Description
技术领域
本发明涉及天线阵列设计技术领域，尤其涉及一种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。
背景技术
MIMO雷达具有多个发射天线和接收天线，能够提供多个独立的子信道，用于发射互不相关的正交信号，接收端接收目标散射后的回波信号，在时域或频域经匹配滤波器进行分离，从而形成具有较大孔径的虚拟阵列，提高***的分辨率。此外，MIMO雷达***可以在不同环境下自适应地调整发射和接收模式以提高鲁棒性。
目前，MIMO稀疏阵列的设计多是基于方向图优化的设计方法，其中，智能优化算法因在高维数据搜素、全局优化等方面具有优势被广泛应用在稀疏阵列的布局设计中，如通过遗传算法、差分进化算法、粒子群算法等智能优化算法降低方向图的旁瓣电平进而获取最优阵列设计。差分进化算法虽然实现相对简单，不需要太多的参数调节和特殊处理，能够有效寻求最优解。然而，在设计MIMO雷达稀疏阵列设计时，差分进化算法容易陷入孔径固定、馈线长度等约束问题。
发明内容
本发明提供了一种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，旨在有效解决上述技术问题。
根据本发明的第一方面，本发明提供一种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，所述方法包括：
获取天线阵列信息，所述天线阵列信息包括发射阵元数目、接收阵元数目以及芯片数量；
根据所述天线阵列信息、方位向和俯仰向的约束条件以及适应度函数，并利用自适应差分进化算法进行求解，获得最优阵列排布；
其中，所述方位向和俯仰向的约束条件包括方位向的孔径约束、方位向间距约束、俯仰向的孔径约束、同一芯片内阵元俯仰向间距约束和馈线长度约束；
所述方位向的孔径约束根据预设的方位向角度分辨率确定，所述俯仰向的孔径约束根据预设的俯仰向角度分辨率确定，所述俯仰向的馈线长度约束基于俯仰向基准以及馈线长度确定，所述俯仰向基准是指不同芯片上预设的阵元。
进一步地，所述根据所述天线阵列信息、方位向和俯仰向的约束条件以及适应度函数，并利用自适应差分进化算法进行求解，获得最优阵列排布的步骤，包括：
初始化步骤，根据所述天线阵列信息和所述方位向和俯仰向的约束条件进行种群初始化，种群中每个个体包括发射阵元和接收阵元的方位向位置和俯仰向位置；
变异与交叉步骤，对所述个体进行变异与交叉操作，获得新的个体；
适应度计算步骤，利用所述适应度函数对所述新的个体与初始化后的个体进行适应度计算，并根据计算得到的适应度值确定新的种群；
重复所述变异与交叉步骤至所述适应度计算步骤直至达到预设的结束条件，从新的种群中获得最优阵列排布。
进一步地，方位向发射、接收个体的阵元位置分别为：
；
为方便描述方位向孔径满足分辨率要求和相邻间距要求，，/>，其中，/>为第i个发射阵元的方位向位置信息；/>为第j个接收阵元的方位向位置信息；/>表示第i个发射阵元减去相邻阵元约束的位置信息；/>表示第j个接收阵元减去相邻阵元约束的位置信息；/>为方位向相邻阵元间的最小距离；
俯仰向发射、接收个体的阵元位置分别为：
；
所述方位向的孔径约束对应的公式如下：
；
式中，为方位向的第1个发射阵元位置，/>为方位向的第1个接收阵元位置，/>为方位向的第M个发射阵元位置，/>为方位向的第N个接收阵元位置，/>为方位向发射阵元最大阵元位置，/>为方位向接收阵元最大阵元位置，/>为方位向的第1个发射阵元减去相邻阵元约束后的位置信息，/>为方位向的第1个接收阵元减去相邻阵元约束后的位置信息，/>为方位向的第M个发射阵元减去相邻阵元约束后的位置信息，/>为方位向的第N个接收阵元减去相邻阵元约束后的位置信息，/>为方位向相邻阵元间的最小距离，M为发射阵元数量，N为接收阵元数量，/>为方位向的第p个发射阵元减去相邻阵元约束后的位置信息，/>为第/>个芯片，/>为方位向的第q个接收阵元减去相邻阵元约束后的位置信息，/>为第/>个芯片，/>，/>，/>表示向上取整；
所述俯仰向的孔径约束对应的公式如下：
；
式中，为俯仰向发射阵元最大阵元位置，/>为俯仰向接收阵元最大阵元位置，为俯仰向的发射阵元基准，/>为俯仰向的接收阵元基准，/>为除去发射阵元基准外的任一发射阵元，/>为除去接收阵元基准外的任一接收阵元，且保证俯仰向的发射阵元基准和俯仰向的接收阵元基准不在同一芯片内；
所述俯仰向的馈线长度约束对应的公式如下：
；
式中，为第/>个芯片上的发射阵元俯仰向位置信息，/>为第/>个芯片上的接收阵元俯仰向位置信息，/>为第/>个芯片的俯仰向位置信息，/>为第b个发射阵元的俯仰向距离，/>为第d个接收阵元的俯仰向距离，R为所约束的馈线长度，b为第/>个芯片上的第一个发射阵元，d为第/>个芯片上的第一个接收阵元。
进一步地，所述方位向间距约束，公式如下：
；
式中，为为第i个发射阵元的方位向位置信息，/>为为第j个发射阵元的方位向位置信息，/>为第i个接收阵元的方位向位置信息，/>为第j个接收阵元的方位向位置信息，/>为方位向相邻阵元间的最小距离；
所述同一芯片内阵元俯仰向间距约束，公式如下：
；
式中，为第i个发射阵元的俯仰向位置信息，/>为第j个发射阵元的俯仰向位置信息，/>为第i个接收阵元的俯仰向位置信息，/>为第j个接收阵元的俯仰向位置信息，/>为同一芯片内俯仰向阵元间的最大距离。
进一步地，所述适应度函数根据方向性图、方位向和俯仰向的旁瓣电平以及用于调节方位向和俯仰向的占比程度确定。
进一步地，所述适应度函数的公式如下：
；
其中，，
式中，表示俯仰角/>时方位向方向图的旁瓣区间，/>表示方位角/>时俯仰向方向图的旁瓣区间，/>为占比程度，/>为方位向方向图函数，/>为俯仰向方向图函数；/>为距参考点的俯仰间距，/>为距参考点的方位间距。
进一步地，所述变异与交叉步骤，包括：
利用交叉概率对所述种群中预设数量的个体进行差分变异操作，获得差分变异后的新个体；
根据种群的保留概率、差分变异概率以及所述差分变异后的新个体确定交叉后的新个体，基于所述交叉后的新个体与差分变异后的新个体确定新的种群；其中，所述保留概率以及所述差分变异概率随着种群进化次数的变化而自适更新。
根据本发明的第二方面，本发明还提供了一种基于自适应差分进化算法的二维车载MIMO雷达天线阵列设计装置，所述装置包括：
天线信息获取模块，用于获取天线阵列信息，所述天线阵列信息包括发射阵元数目、接收阵元数目以及芯片数量；
最优求解模块，用于根据所述天线阵列信息、方位向和俯仰向的约束条件以及适应度函数，并利用自适应差分进化算法进行求解，获得最优阵列排布；
其中，所述方位向和俯仰向的约束条件包括方位向的孔径约束、方位向间距约束、俯仰向的孔径约束、同一芯片内阵元俯仰向间距约束和馈线长度约束；
所述方位向的孔径约束根据预设的方位向角度分辨率确定，所述俯仰向的孔径约束根据预设的俯仰向角度分辨率确定，所述俯仰向的馈线长度约束基于俯仰向基准以及馈线长度确定，所述俯仰向基准是指不同芯片上预设的阵元。
根据本发明的第三方面，本发明还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述的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的步骤。
根据本发明的第四方面，本发明还提供了一种存储介质，所述存储介质中存储有多条指令，所述指令适于由处理器加载以执行如上述的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的步骤。
通过本发明中的上述实施例中的一个实施例或多个实施例，至少可以实现如下技术效果：根据天线阵列信息、方位向和俯仰向的约束条件以及适应度函数，并利用自适应差分进化算法进行求解，获得最优阵列排布，其中的方位向和俯仰向的约束条件包括了方位向的孔径约束、俯仰向的孔径约束和馈线长度约束，不仅兼顾了方位向的角度分辨率和俯仰向的角度分辨率，还考虑到了馈线长度这种实际问题，从而最终获得的最优阵列排布不仅能够满足方位向的角度分辨率和俯仰向的角度分辨率，其走线损耗也较小。另外，通过自适应差分进化算法能够减少求解过程中提前陷入局部最优的可能，提高了全局搜索能力。
附图说明
下面结合附图，通过对本发明的具体实施方式详细描述，将使本发明的技术方案及其它有益效果显而易见。
图1所示为本发明实施例所提供的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的流程图之一；
图2为本发明实施例所提供的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的流程图之二；
图3为本发明实施例所提供的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的流程图之三；
图4a为本发明实施例所提供的最优个体示意图；
图4b为本发明实施例所提供的方位向等效虚拟阵列阵元位置分布示意图；
图4c为本发明实施例所提供的方位向归一化方向图；
图4d为本发明实施例所提供的俯仰向等效虚拟阵列阵元位置分布示意图；
图4e为本发明实施例所提供的俯仰向归一化方向图；
图5a为本发明实施例所提供的方位向DOA估计的一维仿真结果图；
图5b为本发明实施例所提供的方位向DOA估计的二维仿真结果图；
图6a为本发明实施例所提供的俯仰向DOA估计的一维仿真结果图；
图6b为本发明实施例所提供的俯仰向DOA估计的二维仿真结果图；
图7所示为本发明实施例所提供的基于自适应差分进化算法的二维车载MIMO雷达天线阵列设计装置的结构示意图；
图8为本发明实施例所提供的电子设备的结构示意图；
图9为本发明实施例所提供的自适应差分进化算法迭代适应度进化曲线示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，在不做特别说明的情况下，一般表示前后关联对象是一种“或”的关系。
目前，根据阵元分布情况，线阵可分为均匀线阵和稀疏线阵，其中，稀疏阵列是在均匀阵列基础上的改进，通过减少天线数量和增加天线之间的距离来实现。然而传统均匀阵列的相位信息存在大量的冗余，稀疏阵列能够利用相同的阵元数得到比均匀阵列更高的分辨力。对于具有个发射通道和/>个接收通道的MIMO雷达***，可通过设计发射、接收阵列的排布方式可实现/>个通道，其阵列的虚拟孔径远大于实际物理孔径（/>），因此MIMO雷达可提供更高的分辨率。同时，在满足发射和接收阵元数量相同的情况下，结合MIMO和稀疏阵列的设计，可进一步增大虚拟孔径，以获取更高的角度分辨率。随着雷达***对性能要求的不断提高，MIMO雷达***不仅需要关注方位向的角度分辨率，还需要考虑额外的俯仰角度分辨率，以满足4维车载雷达的应用需求。
因此，本发明在阵列设计过程中需要兼顾方位向的角度分辨率和俯仰向的角度分辨率，以满足车载雷达的四维需求。
下面结合附图对本发明提供的一种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进行介绍。
在一个实施例中，如图1所示，一种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，包括如下步骤：
S101，获取天线阵列信息，所述天线阵列信息包括发射阵元数目、接收阵元数目以及芯片数量。
S102，根据所述天线阵列信息、方位向和俯仰向的约束条件以及适应度函数，并利用自适应差分进化算法进行求解，获得最优阵列排布。
其中，所述方位向和俯仰向的约束条件包括方位向的孔径约束、方位向间距约束、俯仰向的孔径约束、同一芯片内阵元俯仰向间距约束和馈线长度约束。
所述方位向的孔径约束根据预设的方位向角度分辨率确定，所述俯仰向的孔径约束根据预设的俯仰向角度分辨率确定，所述俯仰向的馈线长度约束基于俯仰向基准以及馈线长度确定，所述俯仰向基准是指不同芯片上预设的阵元。
本发明实施例提供的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，根据天线阵列信息、方位向和俯仰向的约束条件以及适应度函数，并利用自适应差分进化算法进行求解，获得最优阵列排布，其中的方位向和俯仰向的约束条件包括了方位向的孔径约束、俯仰向的孔径约束和馈线长度约束，不仅兼顾了方位向的角度分辨率和俯仰向的角度分辨率，还考虑到了馈线长度这种实际问题，从而最终获得的最优阵列排布不仅能够满足方位向的角度分辨率和俯仰向的角度分辨率，其走线损耗也较小。另外，通过自适应差分进化算法能够减少求解过程中提前陷入局部最优的可能，提高了全局搜索能力。
在本发明提供的一些实施例中，方位向发射、接收个体的阵元位置分别为：
；
为方便描述方位向孔径满足分辨率要求和相邻间距要求，，/>，因此，/>和/>可另表示为，/>，其中，/>，/>，，/>，/>为第i个发射阵元的方位向位置信息；/>为第j个接收阵元的方位向位置信息；/>表示第i个发射阵元减去相邻阵元约束的位置信息；/>表示第j个接收阵元减去相邻阵元约束的位置信息；/>为方位向相邻阵元间的最小距离。俯仰向发射、接收个体的阵元位置分别为：
；
其中，和/> ,/>和/> ，而/>，/>，其中的，/>，其根据/>=/>和得到，/>为阵元间方位向相邻阵元间的最小距离。
所述方位向的孔径约束对应的公式如下：
；
式中，为方位向的第1个发射阵元位置，/>为方位向的第1个接收阵元位置，/>为方位向的第M个发射阵元位置，/>为方位向的第N个接收阵元位置，/>为方位向发射阵元最大阵元位置，/>为方位向接收阵元最大阵元位置，/>为方位向的第1个发射阵元减去相邻阵元约束后的位置信息，/>为方位向的第1个接收阵元减去相邻阵元约束后的位置信息，/>为方位向的第M个发射阵元减去相邻阵元约束后的位置信息，/>为方位向的第N个接收阵元减去相邻阵元约束后的位置信息，/>为方位向相邻阵元间的最小距离，M为发射阵元数量，N为接收阵元数量，/>为方位向的第p个发射阵元减去相邻阵元约束后的位置信息，/>为第/>个芯片，/>为方位向的第q个接收阵元减去相邻阵元约束后的位置信息，/>为第/>个芯片，/>，/>，/>表示向上取整。
所述俯仰向的孔径约束对应的公式如下：
；
式中，为俯仰向发射阵元最大阵元位置，/>为俯仰向接收阵元最大阵元位置，为俯仰向的发射阵元基准，/>为俯仰向的接收阵元基准，/>为除去发射阵元基准外的任一发射阵元，/>为除去接收阵元基准外的任一接收阵元，且保证俯仰向的发射阵元基准和俯仰向的接收阵元基准不在同一芯片内。
示例性地，以4块芯片中左端第1个芯片的第一个发射阵元和左端第2个芯片的第一个接收阵元/>作为俯仰向基准为例，俯仰向的孔径约束为：
。
所述俯仰向的馈线长度约束对应的公式如下：
；
式中，为第/>个芯片上的发射阵元俯仰向位置信息，/>为第/>个芯片上的接收阵元俯仰向位置信息，/>为第/>个芯片的俯仰向位置信息，/>为第b个发射阵元的俯仰向距离，/>为第d个接收阵元的俯仰向距离，R为所约束的馈线长度，b为第/>个芯片上的第一个发射阵元，d为第/>个芯片上的第一个接收阵元。
方位向间距约束，公式如下：
；
式中，为为第i个发射阵元的方位向位置信息，/>为为第j个发射阵元的方位向位置信息，/>为第i个接收阵元的方位向位置信息，/>为第j个接收阵元的方位向位置信息，/>为方位向相邻阵元间的最小距离。
同一芯片内阵元俯仰向间距约束，公式如下：
；
式中，为第i个发射阵元的俯仰向位置信息，/>为第j个发射阵元的俯仰向位置信息，/>为第i个接收阵元的俯仰向位置信息，/>为第j个接收阵元的俯仰向位置信息，/>为同一芯片内俯仰向阵元间的最大距离。
在本发明的一些实施例中，所述适应度函数根据方向性图、方位向和俯仰向的旁瓣电平以及用于调节方位向和俯仰向的占比程度确定。
具体地，所述适应度函数的公式如下：
；
其中，，
式中，表示俯仰角/>时方位向方向图的旁瓣区间，/>表示方位角/>时俯仰向方向图的旁瓣区间，/>为占比程度，/>为方位向方向图函数，/>为俯仰向方向图函数；/>为距参考点的俯仰间距，/>为距参考点的方位间距。
通过适应度函数计算获得的适应度值越大，确定个体越优，也即，该个体所代表的阵列排布性能越优。
在本发明的一些实施例中，所述根据所述天线阵列信息、方位向和俯仰向的约束条件以及适应度函数，并利用自适应差分进化算法进行求解，获得最优阵列排布的步骤，包括：
初始化步骤，根据所述天线阵列信息和所述方位向和俯仰向的约束条件进行种群初始化，种群中每个个体包括发射阵元和接收阵元的方位向位置和俯仰向位置。
变异与交叉步骤，对所述个体进行变异与交叉操作，获得新的个体。
适应度计算步骤，利用所述适应度函数对所述新的个体与初始化后的个体进行适应度计算，并根据计算得到的适应度值确定新的种群。即，对适应度值进行从大到小的排序，并取排名靠前的NP个个体作为新的种群。
重复所述变异与交叉步骤至所述适应度计算步骤直至达到预设的结束条件，从新的种群中获得最优阵列排布。其中，预设的结束条件可以是预设的迭代次数或者其他。此处还是通过适应度值从新的种群中选出至少一个个体作为最优个体，该最优个体包括了排布发射阵元和接收阵元的方位向位置和俯仰向位置，需要说明的是，最终输出的最优阵列排布可以是一个也可以是多个，根据实际需求确定。
其中，所述变异与交叉步骤，包括：
利用交叉概率对所述种群中预设数量的个体进行差分变异操作，获得差分变异后的新个体。
以对父代中的3个个体进行差分变异操作为例，，式中，/>,和/>是/>中三个互异的随机整数，NP为种群规模，/>为交叉概率，/>为第r代中第/>个个体，/>为第r代中第/>个个体，/>为第r代中第/>个个体，/>为第i个个体第r代的差分变异后的新个体。
根据种群的保留概率、差分变异概率以及所述差分变异后的新个体确定交叉后的新个体，基于所述交叉后的新个体与差分变异后的新个体确定新的种群，其中，所述保留概率以及所述差分变异概率随着种群进化次数的变化而自适更新。即：
；
式中，为第i个个体第r代的保留概率，/>为第i个个体第r代的差分变异概率，为随机引入的新个体，/>为当前父代个体。
需要说明的是，种群的保留概率和差分变异概率在循环迭代中会发生变化，具体地：
；
；
式中，为个体的适应度值，/>为种群平均适应度值，/>为调节因子，种群的保留概率和差分变异概率分别为/>，/>，式中，/>与是尺度因子，用来控制概率的范围；/>和/>用于决定概率曲线的形状，r为第r次迭代，和/>用来控制概率的下限，G为迭代次数。每一代中的个体适应度值大于种群平均水平时，按照种群的进化趋势调节；而个体适应度值小于种群平均水平时，按照各自进化趋势进行调节。
在本发明的另一实施例中，利用自适应差分进化算法进行求解如图2所示，包括如下步骤：
S201，确定雷达***的孔径指标，该孔径指标包括发射天线数量、接收天线数量、芯片数量、预设的方位向和俯仰向的角度分辨率等信息。
S202，确定约束个体方位向和俯仰向阵列的条件，即方位向的孔径约束和相邻阵元间距约束、俯仰向的孔径约束、馈线长度约束和同一芯片内阵元间距约束。
S203，根据上述确定的孔径指标以及约束条件进行差分进化算法的参数、种群初始化。
S204，利用预设的自适应函数对初始化中的个体进行适应度计算，获得适应度值。
S205，自适应调节优化差分进化算法中的相关参数。
S206，基于调节后的参数进行差分变异、随机引入和继承父代等操作，获得子代的新的个体。
S207，根据上述的约束条件约束新的个体。
S208，计算新个体的适应度值，并与S204中计算获得适应度值合并、排序，根据适应度值的大小关系获取新的种群。
S209，判断是否满足终止条件，在满足的情况下进入S210，在不满足的情况下重复执行S205至S209。
S210，输出最优阵列设计。
如图3所示，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包括如下步骤：
S301，确定阵列发射阵元数目M和接收阵元数目N，确定所需芯片的数量I，其中，在MIMO雷达中，一个发射天线可以包含多个发射阵元，一个接收天线包含多个接收阵元。在本实施例中，可以将M设置为12，N设置为16，I设置为4。
S302，考虑实际加工影响，设置稀疏阵列的栅格大小为，/>为信号波长。
S303，考虑阵元尺寸，约束阵元间方位向相邻阵元间的最小距离，即，k为正整数。
S304，根据预设的方位向和俯仰向的角度分辨率要求、栅格大小、分辨率计算公式确定方位向和俯仰向的阵列孔径，并基于方位向和俯仰向的阵列孔径确定方位向阵元数量和俯仰向阵元数量。
以预设的方位向分辨率和俯仰向的分辨率/>为例，由分辨率计算公式获得方位向阵列孔径/>和俯仰向阵列孔径/>：
；
；
式中，为方位角，/>为俯仰角。
继而，根据确定和/>确定方位向阵元数量/>和俯仰向阵元数量/>。/>
S305，考虑接收阵元数目多于发射阵元数目，根据MIMO虚拟阵列原理以及上述确定的方位向阵元数量和俯仰向阵元数量，对方位向阵元数量和俯仰向阵元数量进行接收阵元和发射阵元的随机划分。
以上述方位向阵元数量和俯仰向阵元数量/>为例，发射阵列中的方位向和俯仰向阵元数目可以分别为/>和/>；接收阵列方位向和俯仰向阵元数目可以分别为/>和/>；其中，/>，/>。
S306，根据芯片个数约束阵元的方位向分布范围，将发射阵元和接收阵元均划分成/>个子区间。
在本实施例中，由于上述雷达***采用了片3发4收雷达芯片级联，因此分别将发射和接收阵列的方位向孔径划分为4个子区间，令/>，分别表示为发射、接收阵列方位向子区间的大小，/>表示对/>向上取整，各区间范围表示为：
；
以上述计算获得的方位向的发射阵元数目和方位向的接收阵元数目，计算获得发射、接收阵列方位向子区间的大小分别为，/>。
S307，考虑实际PCB布局中馈线的损耗，分别以不同芯片的某一发射阵元和接收阵元作为基准，限制馈线长度在内，f是正整数，限制同一芯片天线的俯仰向间距在内，l是正整数。
在本实施例中，以第1个芯片的第一个发射阵元和第2个芯片的第一个接收阵元作为俯仰向的基准，限制馈线长度在范围内，即/>；同时约束同一芯片内的发射、接收阵元俯仰向间距限制在/>内，即/>。
需要说明的是，在其他实施例中俯仰向的基准也可以是第1个芯片上的第二个发射阵元和第2个芯片上的第一个接收阵元，或者是其他不在同一芯片上的发射阵元与接收阵元，本发明对此不做限定。
S308，应用自适应差分进化算法优化MIMO雷达稀疏天线阵列设计，根据S301-S307确定的约束条件进行种群初始化，种群中的每个个体包括发射和接收阵列的方位向位置和俯仰向位置，即每个个体表示一种稀疏阵列排布方式设计。
在本步骤中，种群中个体数目为，发射阵元的方位向和俯仰向是/>维的向量，接收阵元的方位向和俯仰向是/>维的向量，根据上述约束条件获得初始化种群，种群中的每个个体都包含4个位置向量，分别为第/>代种群中第/>个个体的发射和接收阵元方位向和俯仰向的位置向量/>，/>，/>，/>。
S309，综合考虑方位向和俯仰向旁瓣电平设计适应度函数，自适应调节差分进化优化算法中的相关参数，计算种群中每个个体的适应度函数值，对个体进行差分变异、交叉操作获取子代种群，将父代种群和子代种群合并按照适应度函数值进行排序进而更新种群。
在本步骤中，计算子代种群中每个个体的适应度函数值，将父代种群与子代种群合并，并将其按适应度值从大到小排序，取前个体组成新的种群。
其中，差分进化优化算法中的相关参数自适应调节是指种群的保留概率和差分变异概率会随着迭代次数的变化而变化，具体参见上述保留概率和差分变异概率的计算公式。
在获得新的个体后会进行上述约束条件的验证，并对不满足条件的个体进行重新赋值。
在本实施例中，种群规模，进化迭代次数/>，交叉概率/>，调节因子/>，/>。保留概率/>和差分变异概率/>的相关参数取值如下：/> ，/>,/>，/>，/>，从而获得如图9所示的适应度值进化曲线。
S310，判断是否满足终止条件，满足则输出最优稀疏阵列排列方式，不满足则迭代S309直至满足终止条件。
以上述的自适应差分进化算法相关参数、预设的发射天线数量、接收天线数量、芯片数量、方位向和俯仰向分辨率等具体数值为例，从最后迭代获得的新的种群中，根据适应度值确定了一个最优个体，该最优个体的方位向发射、接收个体的阵元位置表示为：
；
俯仰向发射、接收个体的阵元位置表示为：
。
基于上述求解获得的最优个体，获得如图4a-4e的示意图，其中，图4a为最优阵列排布的整体示意图，图4b为最优阵列排布中方位向等效虚拟阵列阵元位置分布示意图，图4c为方位向归一化方向图，图4d为最优阵列排布中俯仰向等效虚拟阵列阵元位置分布示意图，图4e为俯仰向归一化方向图。
为验证所得优化阵列的方位向分辨率是否满足要求，设置目标1（待定位物体）角度为：；目标2角度为：/>，采用MUSIC算法对目标进行1维DOA估计和2维DOA估计，分别如图5a和图5b所示，由仿真结果可知，虽然测量结果与实际目标位置存在些许差异，但所得优化阵列能够区分在方位向相差/>的两个目标。
为验证所得优化阵列的俯仰向分辨率是否满足要求，设置目标1角度为：；目标2角度为：/>，同样采用MUSIC算法对目标进行1维DOA估计和2维DOA估计，分别如图6a和图6b所示，由仿真结果可知，所得优化阵列能够准确区分在俯仰向相差/>的两个目标。
综上，通过本发明提供的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，获得的最优阵列排布能够兼顾方位向角度分辨率和俯仰向角度分辨率，还考虑到了芯片数目、芯片位置、馈线长度、PCB的布局尺寸等实际问题。
基于上述任一实施例，本发明另一实施例还提供了一种基于自适应差分进化算法的二维车载MIMO雷达天线阵列设计装置，图7为本发明所提供的基于自适应差分进化算法的二维车载MIMO雷达天线阵列设计装置的结构示意图，如图7所示，所述基于自适应差分进化算法的二维车载MIMO雷达天线阵列设计装置包括：
天线信息获取模块701，用于获取天线阵列信息，所述天线阵列信息包括发射阵元数目、接收阵元数目以及芯片数量。
最优求解模块702，用于根据所述天线阵列信息、方位向和俯仰向的约束条件以及适应度函数，并利用自适应差分进化算法进行求解，获得最优阵列排布。
其中，所述方位向和俯仰向的约束条件包括方位向的孔径约束、方位向间距约束、俯仰向的孔径约束、同一芯片内阵元俯仰向间距约束和馈线长度约束。
所述方位向的孔径约束根据预设的方位向角度分辨率确定，所述俯仰向的孔径约束根据预设的俯仰向角度分辨率确定，所述俯仰向的馈线长度约束基于俯仰向基准以及馈线长度确定，所述俯仰向基准是指不同芯片上预设的阵元。
基于自适应差分进化算法的二维车载MIMO雷达天线阵列设计装置与上述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对应，在此不在赘述。
基于上述任一实施例，本发明另一实施例还提供了一种电子设备，如图8所示，该电子设备可以包括：处理器810（Processor）、通信接口820（Communications Interface）、存储器830（Memory）和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行上述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。
此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
此外，上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种存储介质，其上存储有多条指令，指令适于由处理器加载以执行如上述各实施例提供的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。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
综上所述，虽然本发明已以优选实施例揭露如上，但上述优选实施例并非用以限制本发明，本领域的普通技术人员，在不脱离本发明的精神和范围内，均可作各种更动与润饰，因此本发明的保护范围以权利要求界定的范围为准。
Claims (8)
1.一种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，其特征在于，包括：
获取天线阵列信息，所述天线阵列信息包括发射阵元数目、接收阵元数目以及芯片数量；
根据所述天线阵列信息、方位向和俯仰向的约束条件以及适应度函数，并利用自适应差分进化算法进行求解，获得最优阵列排布；
其中，所述方位向和俯仰向的约束条件包括方位向的孔径约束、方位向间距约束、俯仰向的孔径约束、同一芯片内阵元俯仰向间距约束和馈线长度约束；
所述方位向的孔径约束根据预设的方位向角度分辨率确定，所述俯仰向的孔径约束根据预设的俯仰向角度分辨率确定，所述俯仰向的馈线长度约束基于俯仰向基准以及馈线长度确定，所述俯仰向基准是指不同芯片上预设的阵元；
其中，方位向发射、接收个体的阵元位置分别为：
；
为方便描述方位向孔径满足分辨率要求和相邻间距要求，，，其中，/>为第i个发射阵元的方位向位置信息；/>为第j个接收阵元的方位向位置信息；/>表示第i个发射阵元减去相邻阵元约束的位置信息；/>表示第j个接收阵元减去相邻阵元约束的位置信息；/>为方位向相邻阵元间的最小距离；
俯仰向发射、接收个体的阵元位置分别为：
；
所述方位向的孔径约束对应的公式如下：
；
式中，为方位向的第1个发射阵元位置，/>为方位向的第1个接收阵元位置，/>为方位向的第M个发射阵元位置，/>为方位向的第N个接收阵元位置，/>为方位向发射阵元最大阵元位置，/>为方位向接收阵元最大阵元位置，/>为方位向的第1个发射阵元减去相邻阵元约束后的位置信息，/>为方位向的第1个接收阵元减去相邻阵元约束后的位置信息，为方位向的第M个发射阵元减去相邻阵元约束后的位置信息，/>为方位向的第N个接收阵元减去相邻阵元约束后的位置信息，/>为方位向相邻阵元间的最小距离，M为发射阵元数量，N为接收阵元数量，/>为方位向的第p个发射阵元减去相邻阵元约束后的位置信息，/>为第/>个芯片，/>为方位向的第q个接收阵元减去相邻阵元约束后的位置信息，/>为第/>个芯片，/>，/>，/>表示向上取整；
所述俯仰向的孔径约束对应的公式如下：
；
式中，为俯仰向发射阵元最大阵元位置，/>为俯仰向接收阵元最大阵元位置，/>为俯仰向的发射阵元基准，/>为俯仰向的接收阵元基准，/>为除去发射阵元基准外的任一发射阵元，/>为除去接收阵元基准外的任一接收阵元，且保证俯仰向的发射阵元基准和俯仰向的接收阵元基准不在同一芯片内；
所述俯仰向的馈线长度约束对应的公式如下：
；
式中，为第/>个芯片上的发射阵元俯仰向位置信息，/>为第/>个芯片上的接收阵元俯仰向位置信息，/>为第/>个芯片的俯仰向位置信息，/>为第b个发射阵元的俯仰向距离，/>为第d个接收阵元的俯仰向距离，R为所约束的馈线长度，b为第/>个芯片上的第一个发射阵元，d为第/>个芯片上的第一个接收阵元；
所述方位向间距约束，公式如下：
；
式中，为为第i个发射阵元的方位向位置信息，/>为为第j个发射阵元的方位向位置信息，/>为第i个接收阵元的方位向位置信息，/>为第j个接收阵元的方位向位置信息，/>为方位向相邻阵元间的最小距离；
所述同一芯片内阵元俯仰向间距约束，公式如下：
；
式中，为第i个发射阵元的俯仰向位置信息，/>为第j个发射阵元的俯仰向位置信息，为第i个接收阵元的俯仰向位置信息，/>为第j个接收阵元的俯仰向位置信息，/>为同一芯片内俯仰向阵元间的最大距离。
2.如权利要求1所述的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，其特征在于，所述根据所述天线阵列信息、方位向和俯仰向的约束条件以及适应度函数，并利用自适应差分进化算法进行求解，获得最优阵列排布的步骤，包括：
初始化步骤，根据所述天线阵列信息和所述方位向和俯仰向的约束条件进行种群初始化，种群中每个个体包括发射阵元和接收阵元的方位向位置和俯仰向位置；
变异与交叉步骤，对所述个体进行变异与交叉操作，获得新的个体；
适应度计算步骤，利用所述适应度函数对所述新的个体与初始化后的个体进行适应度计算，并根据计算得到的适应度值确定新的种群；
重复所述变异与交叉步骤至所述适应度计算步骤直至达到预设的结束条件，从新的种群中获得最优阵列排布。
3.如权利要求1所述的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，其特征在于，所述适应度函数根据方向性图、方位向和俯仰向的旁瓣电平以及用于调节方位向和俯仰向的占比程度确定。
4.如权利要求3所述的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，其特征在于，所述适应度函数的公式如下：
；
其中，，
式中，表示俯仰角/>时方位向方向图的旁瓣区间，/>表示方位角/>时俯仰向方向图的旁瓣区间，/>为占比程度，/>为方位向方向图函数，/>为俯仰向方向图函数；/>为距参考点的俯仰间距，/>为距参考点的方位间距。
5.如权利要求2所述的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，其特征在于，所述变异与交叉步骤，包括：
利用交叉概率对所述种群中预设数量的个体进行差分变异操作，获得差分变异后的新个体；
根据种群的保留概率、差分变异概率以及所述差分变异后的新个体确定交叉后的新个体，基于所述交叉后的新个体与差分变异后的新个体确定新的种群；其中，所述保留概率以及所述差分变异概率随着种群进化次数的变化而自适更新。
6.一种基于自适应差分进化算法的二维车载MIMO雷达天线阵列设计装置，其特征在于，所述装置包括：
天线信息获取模块，用于获取天线阵列信息，所述天线阵列信息包括发射阵元数目、接收阵元数目以及芯片数量；
最优求解模块，用于根据所述天线阵列信息、方位向和俯仰向的约束条件以及适应度函数，并利用自适应差分进化算法进行求解，获得最优阵列排布；
其中，所述方位向和俯仰向的约束条件包括方位向的孔径约束、方位向间距约束、俯仰向的孔径约束、同一芯片内阵元俯仰向间距约束和馈线长度约束；
所述方位向的孔径约束根据预设的方位向角度分辨率确定，所述俯仰向的孔径约束根据预设的俯仰向角度分辨率确定，所述俯仰向的馈线长度约束基于俯仰向基准以及馈线长度确定，所述俯仰向基准是指不同芯片上预设的阵元；
其中，方位向发射、接收个体的阵元位置分别为：
；
为方便描述方位向孔径满足分辨率要求和相邻间距要求，，，其中，/>为第i个发射阵元的方位向位置信息；/>为第j个接收阵元的方位向位置信息；/>表示第i个发射阵元减去相邻阵元约束的位置信息；/>表示第j个接收阵元减去相邻阵元约束的位置信息；/>为方位向相邻阵元间的最小距离；
俯仰向发射、接收个体的阵元位置分别为：
；
所述方位向的孔径约束对应的公式如下：
；
式中，为方位向的第1个发射阵元位置，/>为方位向的第1个接收阵元位置，/>为方位向的第M个发射阵元位置，/>为方位向的第N个接收阵元位置，/>为方位向发射阵元最大阵元位置，/>为方位向接收阵元最大阵元位置，/>为方位向的第1个发射阵元减去相邻阵元约束后的位置信息，/>为方位向的第1个接收阵元减去相邻阵元约束后的位置信息，为方位向的第M个发射阵元减去相邻阵元约束后的位置信息，/>为方位向的第N个接收阵元减去相邻阵元约束后的位置信息，/>为方位向相邻阵元间的最小距离，M为发射阵元数量，N为接收阵元数量，/>为方位向的第p个发射阵元减去相邻阵元约束后的位置信息，/>为第/>个芯片，/>为方位向的第q个接收阵元减去相邻阵元约束后的位置信息，/>为第/>个芯片，/>，/>，/>表示向上取整；
所述俯仰向的孔径约束对应的公式如下：
；
式中，为俯仰向发射阵元最大阵元位置，/>为俯仰向接收阵元最大阵元位置，/>为俯仰向的发射阵元基准，/>为俯仰向的接收阵元基准，/>为除去发射阵元基准外的任一发射阵元，/>为除去接收阵元基准外的任一接收阵元，且保证俯仰向的发射阵元基准和俯仰向的接收阵元基准不在同一芯片内；
所述俯仰向的馈线长度约束对应的公式如下：
；
式中，为第/>个芯片上的发射阵元俯仰向位置信息，/>为第/>个芯片上的接收阵元俯仰向位置信息，/>为第/>个芯片的俯仰向位置信息，/>为第b个发射阵元的俯仰向距离，/>为第d个接收阵元的俯仰向距离，R为所约束的馈线长度，b为第/>个芯片上的第一个发射阵元，d为第/>个芯片上的第一个接收阵元；
所述方位向间距约束，公式如下：
；
式中，为为第i个发射阵元的方位向位置信息，/>为为第j个发射阵元的方位向位置信息，/>为第i个接收阵元的方位向位置信息，/>为第j个接收阵元的方位向位置信息，/>为方位向相邻阵元间的最小距离；
所述同一芯片内阵元俯仰向间距约束，公式如下：
；
式中，为第i个发射阵元的俯仰向位置信息，/>为第j个发射阵元的俯仰向位置信息，为第i个接收阵元的俯仰向位置信息，/>为第j个接收阵元的俯仰向位置信息，/>为同一芯片内俯仰向阵元间的最大距离。
7.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6中任一项所述的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的步骤。
8.一种存储介质，其特征在于，所述存储介质中存储有多条指令，所述指令适于由处理器加载以执行如权利要求1至6中任一项所述的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的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410374963.1A CN117973234B (zh) | 2024-03-29 | 2024-03-29 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410374963.1A CN117973234B (zh) | 2024-03-29 | 2024-03-29 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117973234A CN117973234A (zh) | 2024-05-03 |
| CN117973234B true CN117973234B (zh) | 2024-06-07 |
Family
ID=90859825
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410374963.1A Active CN117973234B (zh) | 2024-03-29 | 2024-03-29 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117973234B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111665502A (zh) * | 2020-06-29 | 2020-09-15 | 石家庄铁道大学 | 基于mode算法的mimo雷达稀疏阵列优化方法 |
| CN113314832A (zh) * | 2021-06-15 | 2021-08-27 | 东南大学 | 一种毫米波车载mimo雷达天线阵列装置及设计方法 |
| 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 |
| CN114609592A (zh) * | 2022-03-21 | 2022-06-10 | 电子科技大学 | 一种mimo雷达虚拟稀疏阵列优化布阵方法 |
| CN115098903A (zh) * | 2022-07-20 | 2022-09-23 | 电子科技大学 | 一种低成本可扩展相控阵列稀疏优化方法 |
-
2024
- 2024-03-29 CN CN202410374963.1A patent/CN117973234B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111665502A (zh) * | 2020-06-29 | 2020-09-15 | 石家庄铁道大学 | 基于mode算法的mimo雷达稀疏阵列优化方法 |
| CN113314832A (zh) * | 2021-06-15 | 2021-08-27 | 东南大学 | 一种毫米波车载mimo雷达天线阵列装置及设计方法 |
| 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 |
| CN114609592A (zh) * | 2022-03-21 | 2022-06-10 | 电子科技大学 | 一种mimo雷达虚拟稀疏阵列优化布阵方法 |
| CN115098903A (zh) * | 2022-07-20 | 2022-09-23 | 电子科技大学 | 一种低成本可扩展相控阵列稀疏优化方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于二进制差分进化算法的MIMO雷达阵列优化;刘浩淼;贾维敏;张峰干;潘嶙;;微波学报(第04期);33-39 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117973234A (zh) | 2024-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Panduro et al. | A multi-objective approach in the linear antenna array design | |
| CN112367103B (zh) | 一种可扩展稀疏阵列天线布局的获取方法 | |
| 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 | |
| Foudazi et al. | Pattern synthesis for multi-feed reflector antennas using invasive weed optimisation | |
| 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 | |
| CN115329680B (zh) | Vivaldi天线中透镜的优化方法、***及相关设备 | |
| Yang et al. | A hybrid approach for the synthesis of nonuniformly-spaced linear subarrays | |
| 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 | |
| Chen et al. | Hybrid-surrogate-model-based efficient global optimization for high-dimensional antenna design | |
| CN109271735B (zh) | 基于量子启发式引力搜索算法的阵列方向图综合方法 | |
| CN112615158B (zh) | 超宽带扫描稀疏阵列天线的综合方法及装置 | |
| de Villiers et al. | Fast multi‐objective optimisation of pencil beam reflector antenna radiation pattern responses using Kriging | |
| CN114609592B (zh) | 一种mimo雷达虚拟稀疏阵列优化布阵方法 | |
| CN115832721A (zh) | 一种稀疏直线阵列设计方法及装置 | |
| CN115942494A (zh) | 基于智能反射面的多目标安全Massive MIMO资源分配方法 | |
| CN117113459B (zh) | 一种天线阵列的旁瓣优化方法、装置及电子设备 | |
| Shadi et al. | Meta-heuristic multi-objective as an affordable method for improving the grating lobe in a wide scan phased array antenna | |
| Rytel-Andrianik | Taper design for active arrays with maximized EIRP for bounded sidelobe level | |
| Lakshmi et al. | Pattern synthesis using genetic algorithm for low sidelobe levels | |
| Cheng et al. | Design of tilted-beam Fabry-Perot antenna with aperiodic partially reflective surface | |
| CN114006177B (zh) | 一种相控阵天线模块的阵列结构、控制方法、电子设备 | |
| CN114552237B (zh) | 二维相控阵天线设计方法、装置和二维相控阵天线 | |
| CN117933094B (zh) | 天线阵元的稀疏方法、装置、电子设备和存储介质 | |
| CN116911166A (zh) | 基于混沌映射-遗传算法的分布式阵列优化方法 | |
| US12040552B2 (en) | Phased array antenna with reduced node count |
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 |