天线阵面的优化与仿真.pptx

天线阵面的优化与仿真专业：探测制导与控制姓名：邓坤坤 学号：11 摘要本文主要研究了天线阵列的几种优化方法，主要包括两部分的优化：天线阵列排列优化算法和天线权值优化，天线阵列排列优化算法有包括模拟退火算法和遗传基因算法，两种算法都能很好的对天线阵列进行最优化处理，各有优劣。天线权值优化算法又包括谱加权、均匀加权、Cosine加权、升Cosine加权、升Cosine平方加权、Hamming加权、Black-Harris加权、Kaiser加权、最优Dolph-Chebychev加权。主要使用了Matlab软件进行程序设计和算法研究。 通过对各种优化的算法研究，发现Dolph-Chebychev加权可以控制旁瓣的高度，因此它比其它算法更加优秀。 原理 天线阵列优化的研究现状 ：天线阵列由两个或两个以上的离散天线组成，组成天线阵的单个天线叫做天线单元，一般是弱方向性天线，如半波振子、缝隙天线等。由于各天线单元产生的电磁场在观察点的相位差随方向而变化，合成场在一些方向增强，另一些方向减弱，因而天线阵列可以得到不同于天线单元方向性的方向图。 天线阵列的方向图由阵列的天线单元数、阵列的排列方式、阵列的权值和各个天线单元的方向图共同决定，修改其中的任一个参数都可以改变天线阵列的方向图。 天线阵列优化主要包括天线阵列排列优化和天线阵列权值优化。本人主要研究的是天线阵列权值优化。 模拟退火算法 模拟退火算法 SA（Simulated Annealing）是基于蒙特卡罗迭代求解法的一种启发式随机搜索算法。退火的概念最初是人们为了研究组合优化问题而提出的，算法用于解决组合优化问题则是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性[33]。通过设定一初温和初态,伴随温度的不断下降，结合概率突跳特性在解空间中通过邻域函数进行随机搜索，最终得到全局最优。本文将简单介绍如何利用模拟退火算法得到综合孔径排列方式，此时，排列天线最为关键的两个问题是：最小冗余问题和基线的参数设计问题。 遗传基因算法 遗传基因算法 GA（Genetic Algorithms）是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型，一般是从一个初始群体出发（通常采用随机生成序列），根据适应度函数评估所有个体的优劣，进行选择(使群体中优秀的个体有更多的机会传给下一代) 、交叉（使群体内个体之间的信息相互交换）和变异（在群体中引入新的变种确保群体中信息的多样性）等遗传操作，使群体一代一代地进化，直到满足给定的精度或是到达最大的遗传代数。 均匀加权 均匀权值为 在U空间的波束方向图 我们把精力放在标准线阵上，所以上式可以简化为 Cosine加权考虑当N是奇数的情况，Cosine加权为其中是一个常数，使得均匀加权和Cosine窗加权波束分析结果分析，从图5.1可以看出旁瓣得到了降低，但是主波束变得更宽。 升Cosine加权可以把矩阵均匀加权跟Cosine加权结合起来，以利用每种加权的一些理想性质，对应的阵列加权为其中 升Cosine平方加权 升Cosine平方加权为其中c2（p）是归一化常数。升cosine加权波束方向图 Hamming加权 Hamming加权利用了矩阵方向图和cosine平方方向图的特点，在第一旁瓣的峰 值上放置了一个零点，加权函数为系数g0跟g1的选择权使得在u=3/N的位置上有一个零点，并在正侧相把响应归一化为1，结果为这对应式中p=0.08的情况，波束方向图是三个常规波束方向图的和Hamming加权波束分析Blackman-Harris加权 Blackman-Harris加权把Hamming加权过程扩展到更高阶谐波的情况，并在前两个旁瓣的峰值位置上提供零点，加权函数为波束方向图是多个常规波束方向图的和Kaiser加权Kaiser权值为Kaiser加权最优Dolph-Chebychev加权谱加权技术利用傅里叶变换性质来控制旁瓣，但是没有显式对旁瓣高度进行控制。这里介绍Dolph-Chebychev加权 第m阶chebychev多项式定义为最优Dolph-Chebychev波束分析