论文部分内容阅读
稀布阵列有着广阔的应用前景,尤其是在对窄的波束宽度有很高的要求而对高的增益要求不高的应用领域中。稀布阵列天线能够用更少的天线单元实现所期望的方向图,降低了系统复杂度和成本;稀布阵列天线具有窄的扫描波束和高空间分辨率的特点;稀布阵列的阵元间距相对于均匀阵列的阵元间距变大从而削弱了阵元间的互耦效应。以上各优点使得稀布阵列天线的方向图综合技术成为了这些年的研究热点。本文研究的是针对阵列孔径、阵元数目和阵元间距多约束条件下,应用差分进化算法对阵元位置进行优化设计,来降低由于孔径范围内的阵元数目减少导致高旁瓣电平的问题;以及针对尽可能降低阵元数目为目标,运用压缩感知方法对稀布阵列天线进行方向图综合,实现性能更为优良的天线方向图的综合问题。本文的主要内容和创新之处为:1.详细论述了阵列天线的基本概念,总结和分类阵列天线综合问题,推导了均匀单圆环阵列和均匀同心圆环阵列的方向图函数计算公式,并仿真分析均匀圆阵的一些特性。2.详细论述了差分进化算法的基本概念、算法流程、多种变异和交叉操作的方法,建立了稀布单圆环阵列和稀布同心圆环阵列优化模型,提出满足阵列孔径、阵元间距和圆环间间距多约束条件的改进差分进化算法(Revised differential evolution,RDE),并将该方法分别应用到两个优化模型当中,该方法获得了更低的旁瓣电平和更优的阵元布局,提高阵元布局的自由度,降低了算法中变量的搜索空间,加快了算法的计算速度,具有较强的收敛性能。3.简要介绍了压缩感知算法的基本内容,包括信号可压缩性描述、测量矩阵的构建和信号的重建算法;然后对分裂Bregman算法的算法背景以及算法流程进行详细介绍。针对以尽可能降低阵元数目的稀布圆阵综合问题,提出分裂Bregman压缩感知(Split Bregman compressed sensing,SBCS)的稀布圆环阵算法,该算法利用最小化阵元数目的稀布阵列综合理论与压缩感知稀疏信号重建理论的相似性,建立稀布单圆环阵列和稀布同心圆环阵列的阵列综合模型,采用分裂Bregman方法求解这两种模型并获得相应的最优阵元数目和阵元位置。该方法综合的方向图性能更优,能够有效地减少稀布阵的阵元数目,进行迭代运算处理速度快,能够较快迭代到最优解,迭代过程较稳定。