基于布谷鸟搜索算法稀疏和稀布天线阵的优化研究

摘要

天线阵综合通过优化阵元位置、激励电流幅度和相位来逼近给定的期望方向图，天线阵综合是天线阵分析的逆问题。随着计算机技术的发展，智能优化算法因其鲁棒性强、处理多维问题容易且对目标函数无可微性要求等特点，在天线设计领域得到了广泛应用。本文主要介绍两种智能优化方法—粒子群（PSO）算法和布谷鸟搜索（CS）算法，以及这两种算法在阵列天线方向图综合中的应用。
　　PSO算法是模拟自然界中蜜蜂采蜜，鱼群觅食等生物群行为提出的新型进化算法。算法特点是：群体之间信息共享、个体行为受群体行为影响支配。CS算法是根据布
　　谷鸟有趣的借巢育雏繁殖行为提出的自启发式搜索算法。算法的高效性在于莱维飞行随机游走组件和偏好随机走动组件的紧密配合。寻优过程中，长时间的短距离搜寻和偶尔的长距离跳跃交替进行。
　　首先，介绍PSO算法和CS算法的理论知识，并利用检验函数检验其有效性；利用两种算法对对称20元直线阵进行低副瓣方向图和平顶方向图赋形优化，并对比切比雪夫和Woodyard解析结果充分理解算法的寻优机制和优越性。
　　其次，针对阵列孔径为6λ的对称20元直线阵，考虑阵元间距最小约束条件0.5λ，优化阵元位置以获得较低副瓣方向图。引入结合阵元量化电流幅度和位置的稀布阵模型，并考虑电流幅度DRR值的限制，得到的方向图的副瓣电平值比仅阵元位置优化的稀布阵大幅降低。
　　最后，针对孔径为2L×2L-9.5λ×9.5λ，满阵时阵元数量为20×20的对称矩形平面阵采用二进制布谷鸟搜索算法进行稀疏优化。本文还提出了阵元间距不等的稀布平面阵模型，两种模型都能一定程度的降低副瓣电平。阵元数目、阵列孔径、阵元间距约束相同条件下，由于单元间距不等的稀布阵单元位置具有更大的自由度，理论上应该获得比稀疏平面阵更低的副瓣电平。

目录

声明

插图索引

表格索引

符号对照表

缩略语对照表

第一章 绪论

1.1阵列天线

1.2阵列天线综合的历史和现状

1.3智能优化方法

1.4论文主要内容及安排

第二章 天线阵理论及切比雪夫综合方法

2.1天线阵理论

2.2切比雪夫综合方法

第三章 智能优化算法

3.1粒子群优化算法

3.2布谷鸟搜索算法

3.3检验函数

第四章 直线阵的优化赋形

4.1切比雪夫型方向图综合

4.2平顶方向图综合

4.3基于阵元量化激励幅度的低副瓣方向图综合

4.4基于阵元位置的低副瓣方向图综合

4.5基于阵元位置和量化激励幅度的低副瓣方向图综合

第五章 基于CS算法的矩形面阵稀疏和稀布研究

5.1平面稀疏阵的低副瓣方向图综合

5.2平面稀布阵的低副瓣方向图综合

第六章 总结与展望

参考文献

致谢

作者简介