基于混合遗传算法的稀布阵列天线综合技术研究

摘要

为了满足工程需要，阵列天线要有窄的主瓣和低的副瓣以提高雷达等系统的空间分辨率和抗干扰性能。同满阵相比，采用稀布阵列天线能够在减少天线阵列建造成本、降低系统复杂度的同时，满足工程要求。选取一种有效的天线方向图综合算法，通过优化阵元位置和激励分布，获得理想的天线方向图，就成为一个研究课题。 遗传算法是基于生物自然选择和遗传机理的启发式优化算法，它将影响问题结果的参数变量编码成染色体，采用适应值函数衡量染色体的优劣程度，经过交叉和变异引导搜索收敛于最优解。采用遗传算法综合稀布阵列天线已经取得广泛研究，本文提出一种结合了遗传算法与凸优化的混合遗传算法，并将其应用于稀布阵列天线综合，取得了很好的效果。 多输入多输出(MIMO)雷达是近年来研究的热点。MIMO雷达的方向图可以等效为收发子阵方向图的乘积，而且利用等效方向图函数比直接利用MIMO雷达方向图函数计算量要小。利用MIMO雷达的等效方向图，作者采用本文提出的混合遗传算法，通过优化阵元位置和激励分布，获得了理想的天线方向图，满足了工程应用的要求。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究背景及意义

1.2国内外研究现状

1.3论文结构及内容安排

第二章稀布阵列天线综合

2.1概述

2.2稀布阵列天线模型

2.2.1阵列模型

2.2.2阵列信号模型

2.3稀布阵天线方向图函数

2.4稀布阵列天线综合仿真

2.4.1稀疏阵天线方向图仿真

2.4.2稀布阵天线方向图仿真

2.5本章小结

第三章 遗传算法在稀布阵列天线综合中的应用

3.1优化问题

3.2遗传算法概述

3.2.1编码问题

3.2.2选择

3.2.3遗传算子

3.3遗传算法在稀疏阵列天线综合中的应用

3.3.1具体问题和编码方式

3.3.2遗传算子

3.3.3算法流程

3.3.4仿真结果

3.4遗传算法在稀布阵列天线综合中的应用

3.4.1具体问题及其编码方式

3.4.2遗传算子

3.4.3算法流程

3.4.4仿真结果

3.5本章小结

第四章凸优化在稀布阵列天线综合中的应用

4.1凸优化概述

4.1.1凸集合

4.1.2凸函数

4.2凸函数最小化

4.3凸优化在稀布阵列天线综合中的应用

4.4本章小结

第五章混合遗传算法在稀布阵列天线综合中的应用

5.1混合遗传算法

5.1.1混合算法的原则

5.1.2混合遗传算法概述

5.2混合遗传算法在稀布阵列天线综合中的应用

5.2.1混合算法的编码

5.2.2适应值计算

5.2.3混合算法流程

5.3仿真结果

5.4本章小结

第六章 混合遗传算法在MIMO雷达布阵中的应用

6.1 MIMO雷达阵列模型

6.2编码和适应值计算

6.3算法流程

6.4仿真结果

6.5本章小结

结束语

致谢

参考文献

研究成果