一种改进的粒子群算法在阵列天线设计中的应用

一种改进的粒子群算法在阵列天线设计中的应用

论文摘要

现代雷达、通信、电子对抗技术的发展对设计高性能的阵列天线提出了新的要求,其中对低旁瓣高方向性的阵列天线的研究是一个主要方向。影响阵列天线辐射方向图的主要因素有:阵元数目、阵元间距和阵元激励权值,通过调整这几个主要参数来设计天线的辐射方向图。天线设计中这三个要素之间的关系是复杂的、非线性的,其中阵元数目、不规则的阵元间距对天线辐射方向图的影响很难用数学方式进行精确的描述。粒子群算法是一种启发式进化算法,在解决阵列天线设计中对阵元数目和阵元间距等非线性问题有着较好的表现,本文以经典粒子群算法为基础,结合阵列天线设计的具体特点,提出了一种改进的粒子群算法。分别利用阵元权值分布规律、阵元分布规律信息,来控制粒子群进化的速度,使得粒子群的进化速度可以根据适应度函数自适应调整,控制粒子群进化的方向和节奏;另一方面利用傅里叶变换方法来约束粒子的位置更新,分别优化有规则间距的稀疏阵列天线阵元数目,随机阵列的阵元间距。论文首先以线阵为模型,运用算法优化规则线型阵列权值和随机阵元间距的线型阵列,在孔径约束的条件下,设计有旁瓣电平限制、特殊零点约束的天线,同时和PSO、CLPSO、GA算法进行了仿真对比。其次将算法扩展到二进制数据类型,运用算法设计稀疏阵列。论文以线型阵列和平面阵列为对象,运用算法对阵列进行阵列稀疏优化,在控制阵列稀疏率的条件下优化天线的最高旁瓣电平和方向性,将算法和现有的经典BPSO、GA、IFT进行了仿真对比,仿真结果表明,改进的算法有较好的效果。最后将算法运用到阵列中的子阵划分中。主要运用改进的二进制粒子群算法优化规则阵列的子阵相位中心,达到抑制方向图栅瓣的目的,进而设计具有低旁瓣的天线。

论文目录

  • 摘要
  • Abstract
  • 第1章 引言
  • 1.1 课题的背景和意义
  • 1.2 阵列天线设计及粒子群算法研究现状
  • 1.2.1 阵列天线辐射方向图实现方法
  • 1.2.2 粒子群优化算法
  • 1.2.3 关键问题
  • 1.3 论文研究的主要内容
  • 第2章 阵列天线方向图基础及粒子群算法原理
  • 2.1 本章引言
  • 2.2 阵列方向图综合基础
  • 2.2.1 阵列方向图模型
  • 2.2.2 线型阵列方向图性能参数
  • 2.2.3 平面阵列方向图
  • 2.2.4 阵列方向综合的几个特点
  • 2.3 粒子群算法原理基础
  • 2.3.1 粒子群算法的基本概念
  • 2.3.2 粒子群算法的数学描述
  • 2.3.3 粒子群优化算法的基本流程
  • 2.3.4 粒子群算法在阵列天线设计中的应用场景
  • 2.4 一种改进的粒子群算法
  • 2.5 本章小结
  • 第3章 线型阵列方向图综合算法
  • 3.1 线行阵列方向图基础知识
  • 3.2 加权函数的优化方法
  • 3.2.1 各种升余弦窗在方向图综合中的应用
  • 3.2.2 FFT方法在阵列方向图设计中的应用
  • 3.2.3 利用遗传算法进行方向图权值优化
  • 3.2.4 Chebychev多项式在阵列方向图中的应用
  • 3.3 阵元等间距排列的线阵权值优化
  • 3.4 面向阵元间距优化的线阵综合
  • 3.5 阵列方向图多目标综合
  • 3.6 本章小结
  • 第4章 稀疏阵列阵方向图综合
  • 4.1 引言
  • 4.2 稀疏阵的基本理论和现有算法
  • 4.2.1 稀疏阵理论的统计学基础
  • 4.2.2 典型的稀疏阵设计算法
  • 4.2.3 SKOLNIK方法
  • 4.2.4 IFT(迭代傅里叶技术)
  • 4.2.5 GA(遗传算法)
  • 4.2.6 BPSO(二进制粒子群算法)
  • 4.2.7 BPSO-VM(带有速度控制的二进制粒子群算法)
  • 4.2.8 HSPSO(基于hadamard集的HSPSO)
  • 4.3 混合PSO算法的稀疏阵设计
  • 4.3.1 算法设计
  • 4.3.2 仿真数据分析
  • 4.4 本章小结
  • 第5章 子阵拓扑划分研究
  • 5.1 引言
  • 5.2 理论基础
  • 5.2.1 设计算法
  • 5.2.2 子阵级天线方向图合成
  • 5.3 基于混合PSO算法的子阵设计
  • 5.4 基于子阵划分的天线多波束实现
  • 第6章 结论
  • 6.1 论文期间的主要工作
  • 6.2 论文的主要创新
  • 6.3 展望
  • 参考文献
  • 致谢
  • 个人简历、在校期间发表的学术论文及研究成果
  • 相关论文文献

    • [1].电阻率测深数据的粒子群算法反演[J]. 红水河 2019(06)
    • [2].以云计算资源为基础实现粒子群算法的优化[J]. 电子技术与软件工程 2019(24)
    • [3].基于改进粒子群算法的机组负荷优化分配研究[J]. 科技创新导报 2019(28)
    • [4].基于改进粒子群算法的工程项目多目标集成管理研究[J]. 价值工程 2020(05)
    • [5].改进粒子群算法应用于挖掘机铲斗位置控制[J]. 机械设计与制造 2020(02)
    • [6].基于改进量子粒子群算法的输电网规划[J]. 计算机产品与流通 2020(02)
    • [7].基于改进粒子群算法的主动配电网网架优化研究[J]. 电气应用 2020(01)
    • [8].采用改进粒子群算法优化的涡轮增压器节能研究[J]. 中国工程机械学报 2020(01)
    • [9].进化粒子群算法在航空发动机模型求解中的应用[J]. 工程与试验 2019(04)
    • [10].粒子群算法在金融风险模型中的研究与改进[J]. 吉林大学学报(信息科学版) 2020(02)
    • [11].基于改进的粒子群算法求解供应链网络均衡问题[J]. 运筹与管理 2020(02)
    • [12].基于粒子群算法的航班座位自动分配系统[J]. 科技创新导报 2019(36)
    • [13].一种求解电力系统无功优化的改进粒子群算法[J]. 电工技术 2020(12)
    • [14].基于改进粒子群算法的主动微波遥感土壤水分反演方法研究[J]. 河南农业 2020(17)
    • [15].基于混合粒子群算法的注塑机电液伺服系统控制研究[J]. 机床与液压 2020(16)
    • [16].基于量子粒子群算法的大型阵稀疏优化方法[J]. 航空科学技术 2020(08)
    • [17].基于粒子群算法的函数复杂度分类法[J]. 控制工程 2020(08)
    • [18].协同粒子群算法下的火工品参数辨识[J]. 企业科技与发展 2020(09)
    • [19].基于家庭角色视角下家庭粒子群算法研究——评《家庭粒子群算法:方法、理论与性能分析》[J]. 中国科技论文 2020(09)
    • [20].基于混合粒子群算法的双离合变速器参数优化设计[J]. 吉林大学学报(工学版) 2020(05)
    • [21].惯性权重矩阵下的自适应粒子群算法分析[J]. 黑龙江工程学院学报 2020(05)
    • [22].基于改进粒子群算法的有效大数据多标准过滤系统设计[J]. 电子设计工程 2020(20)
    • [23].浅谈粒子群算法的应用[J]. 计算机产品与流通 2019(11)
    • [24].基于粒子群算法的最优值求解[J]. 科技广场 2017(12)
    • [25].基于混合粒子群算法的船舶稳定性分析[J]. 舰船科学技术 2018(14)
    • [26].自适应粒子群算法在模拟电路故障诊断中的应用[J]. 软件导刊 2017(02)
    • [27].基于改进量子粒子群算法的电力系统经济调度仿真研究[J]. 实验技术与管理 2017(03)
    • [28].改进的粒子群算法在云计算下的数据挖掘中的研究[J]. 科技通报 2017(04)
    • [29].基于改进粒子群算法的移动机器人路径规划[J]. 传感器与微系统 2017(05)
    • [30].一种基于模拟退火-改进二进制粒子群算法的测试优化选择方法[J]. 水下无人系统学报 2017(03)

    标签:;  ;  ;  ;  ;  

    一种改进的粒子群算法在阵列天线设计中的应用
    下载Doc文档

    猜你喜欢