阵列天线方向图综合算法研究

摘要

随着高速计算机技术的发展，智能优化算法因其鲁棒性强、适合多目标，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越来越广泛的应用。本文主要研究分析了两种智能优化方法——遗传算法和粒子群算法，以及这两种算法在阵列天线方向图综合中的应用。 遗传算法是一种模拟自然界生物进化规律的迭代算法，通过选择、复制、交叉和变异等算子进行进化操作，逐步靠近最优解。本文对遗传算法的原理和特点进行了详细的阐述，使用一种改进的十进制编码的遗传算法对阵列天线的激励电流幅度和相位进行优化，实现了阵列天线的旁瓣电平控制和主瓣形状控制。基于该改进的遗传算法，使用唯相位方法设计方向图可重构天线，得到了具有两种方向图形状的方向图可重构天线。 粒子群算法是新提出的一种简单易用且有高性能的优化算法，与遗传算法相比，粒子群算法理论简单易懂、参数少、源程序设计更加简单，但进化后期容易陷入局部最优，针对此缺点本文研究分析了几种改进方法。最后使用一种带变异算子的改进的粒子群算法进行方向图综合设计，对阵列天线实现了旁瓣电平控制、主瓣形状设计和在指定位置形成深零点和凹口。

目录

文摘

英文文摘

西北工业大学学位论文知识产权声明书及西北工业大学学位论文原创性声明

第一章绪论

1.1选题背景和意义

1.2天线方向图综合方法

1.2.1传统方向图综合方法

1.2.2智能优化方法

1.3本文内容结构安排

第二章阵列天线基本理论及传统的方向图综合方法

2.1阵列天线基本参数

2.2傅立叶变换法(Fourier)

2.2.1傅立叶变换法的原理

2.2.2傅立叶变换法用于波束赋形

2.3伍德沃德(Woodward)方法

2.3.1连续线源的Woodward方法

2.3.2离散线阵的Woodward方法

2.4离散线阵的W-S法－改进的Woodward方法

2.4.1 W-S法原理

2.4.2 W-S法用于波束赋形

2.5本章小结

第三章遗传算法及其在方向图综合中的应用

3.1遗传算法发展史

3.2遗传算法的特点

3.2.1遗传算法与数值优化

3.2.2遗传算法的优点

3.3遗传算法的实现步骤

3.4遗传算法在阵列天线方向图综合中的应用

3.4.1遗传算法用于方向图波瓣控制

3.4.2遗传算法用于方向图形状控制

3.5遗传算法用于设计方向图可重构天线

3.5.1可重构天线的基本原理及变量的设置

3.5.2适应度函数的设计

3.5.3仿真结果

3.6本章小结

第四章粒子群算法及其在方向图综合中的应用

4.1粒子群算法概述

4.2基本粒子群优化算法

4.3标准的粒子群优化算法

4.3.1惯性权重的引入

4.3.2收缩因子的引入

4.4改进的粒子群优化算法

4.4.1带变异算子的粒子群算法

4.4.2增加积分控制项

4.4.3杂交粒子群算法

4.5带变异算子的粒子群算法在方向图综合中的应用

4.6.1带变异算子的粒子群算法用于阵列天线波瓣控制

4.6.2带变异算子的粒子群算法用于波束形状控制

4.6.3基于带变异算子的粒子群算法的唯相位法控制方向图的旁瓣

4.7本章小结

第五章总结

参考文献

发表论文情况

致谢