基于量子粒子群优化的短波相控阵天线的激励优化研究

发布时间：2018-04-03 23:03

  本文选题：天波传播　切入点：矩量法　出处：《电子与信息学报》2017年07期

【摘要】：为加强短波装备远距离通信和电子对抗的干扰能力,须提高近地架设的宽带短波相控阵天线的性能,该文首先利用矩量法建立分析天线阵列的基本框架,然后再结合空域格林函数将天线剖分子模的辐射场分解成自由空间部分和含索末菲积分的部分,前者可以直接得到闭式表达,后者采用二级离散复镜像方法得到近似解,经过处理,阻抗矩阵填充速度极大提高。然后基于阻抗矩阵,结合网络理论并利用量子粒子群优化方法(QPSO)对阵列的激励相位进行优化,以控制波束指向和提高增益,能够在电离层参数随时空变化情况下,灵活地完成点对点天波传播,有较高的实际应用价值。
[Abstract]:In order to enhance the interference ability of HF equipment in long distance communication and electronic countermeasure, the performance of broadband HF phased array antenna installed near ground must be improved. Firstly, the basic frame of analyzing antenna array is established by using the method of moments.Then the radiation field of the antenna molecular mode is decomposed into free space part and the part containing Sommerfeld integral, the former can be expressed in a closed form directly, and the second order discrete complex image method is used to obtain the approximate solution, the second order discrete complex image method is used to obtain the approximate solution.After processing, the filling speed of impedance matrix is greatly improved.Then, based on impedance matrix, combining with network theory and using quantum particle swarm optimization (QPSO), the excitation phase of the array is optimized to control the beam direction and improve the gain, which can change the ionospheric parameters at any time.The point-to-point wave propagation is accomplished flexibly and has high practical application value.
【作者单位】： 解放军电子工程学院;陆军军官学院;
【基金】：安徽省自然科学基金(1408085QF121)~~
【分类号】：TN821.8

【参考文献】

相关期刊论文 前1条

1 焦程鹏;贺秀莲;龚书喜;;离散复镜像方法中的积分路径与展开函数的研究[J];电子与信息学报;2008年03期

相关博士学位论文 前2条

1 赵菲;共形相控阵天线分析综合技术与实验研究[D];国防科学技术大学;2012年

2 孙俊;量子行为粒子群优化算法研究[D];江南大学;2009年

【共引文献】

相关期刊论文 前4条

1 范启蒙;尹成友;廖飞龙;;基于量子粒子群优化的短波相控阵天线的激励优化研究[J];电子与信息学报;2017年07期

2 巨汉基;方广有;纪奕才;张锋;;离散复镜像法在海水极低频电磁波传播计算中的应用[J];电子与信息学报;2011年04期

3 廖飞龙;尹成友;杜红兵;覃开云;;用二维DCIM计算分层媒质中场源点不同层时的格林函数[J];系统工程与电子技术;2010年08期

4 廖飞龙;尹成友;杜红兵;关闯;;一种有效计算有耗分层媒质中格林函数的方法[J];微波学报;2010年01期

相关博士学位论文 前10条

1 冯仲恺;水电系统中长期优化调度降维方法研究[D];大连理工大学;2016年

2 张苏周;材料组织损伤与缺陷的电磁及超声导波检测方法研究[D];华东理工大学;2016年

3 韩旺旺;微带共形阵列天线研究与应用[D];电子科技大学;2016年

4 盛歆漪;粒子群优化算法及其应用研究[D];江南大学;2015年

5 王永斌;分层异构网络资源管理关键技术研究[D];北京邮电大学;2015年

6 独孤明哲（Myongchol Tokgo）;基于QPSO算法的移动机器人轨迹规划研究[D];华中科技大学;2015年

7 袁世通;1000MW超超临界机组建模理论与方法的研究[D];华北电力大学;2015年

8 杨泽平;基于神经网络的不平衡数据分类方法研究[D];华东理工大学;2015年

9 马颖;基于量子计算理论的优化算法研究[D];西北工业大学;2014年

10 张震;骨干粒子群算法及其在电力变压器设计中的应用[D];浙江大学;2014年

【二级参考文献】

相关博士学位论文 前7条

1 肖科;体面结合积分方程及快速算法在复杂电磁问题中的分析与应用[D];国防科学技术大学;2011年

2 张凡;锥台共形阵天线与特定用途天线研究[D];西安电子科技大学;2011年

3 陈忠宽;预修正快速傅立叶变换方法在电磁散射分析中的研究及应用[D];国防科学技术大学;2009年

4 欧阳骏;共形天线及阵列的分析和综合研究[D];电子科技大学;2008年

5 何庆强;共形辐射单元及共形阵列研究[D];电子科技大学;2008年

6 刘旭峰;微带共形阵列天线的研究[D];西安电子科技大学;2008年

7 董健;边界积分方程及快速算法在分析复杂电磁问题中的研究与应用[D];国防科学技术大学;2005年

【相似文献】

相关期刊论文 前10条

1 蒙正中;;一种改进的混合粒子群优化算法[J];桂林工学院学报;2009年03期

2 吴昌友;王福林;马力;;一种新的改进粒子群优化算法[J];控制工程;2010年03期

3 周驰,高海兵,高亮,章万国;粒子群优化算法[J];计算机应用研究;2003年12期

4 高鹰,谢胜利;免疫粒子群优化算法[J];计算机工程与应用;2004年06期

5 张荣沂;一种新的集群优化方法——粒子群优化算法[J];黑龙江工程学院学报;2004年04期

6 高鹰;谢胜利;;混沌粒子群优化算法[J];计算机科学;2004年08期

7 刘钊,康立山,蒋良孝,杨林权;用粒子群优化改进算法求解混合整数非线性规划问题[J];小型微型计算机系统;2005年06期

8 戴冬雪,王祁,阮永顺,王晓超;基于混沌思想的粒子群优化算法及其应用[J];华中科技大学学报(自然科学版);2005年10期

9 窦全胜;周春光;马铭;刘全;;群核进化粒子群优化方法[J];计算机科学;2005年08期

10 范娜;云庆夏;;粒子群优化算法及其应用[J];信息技术;2006年01期

相关会议论文 前10条

1 张妍;张晓光;王永钢;;几种改进型的粒子群优化算法[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年

2 孙红光;潘毓学;;基于运动目标路径的粒子群优化算法研究[A];第二届全国信息获取与处理学术会议论文集[C];2004年

3 韩毅;唐加福;郭伟宏;刘阳;;混合粒子群优化算法求解多层批量问题(英文)[A];中国运筹学会第八届学术交流会论文集[C];2006年

4 金一粟;梁逸曾;;空间自适应粒子群优化算法的应用研究[A];第九届全国计算（机）化学学术会议论文摘要集[C];2007年

5 汪荣贵;李守毅;孙见青;;一种新的自适应粒子群优化算法及应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

6 黄双欢;程良伦;;一种基于粒子群优化的快速图像倾斜角度检测算法[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

7 侯志荣;吕振肃;;基于退火策略的粒子群优化算法[A];2003年中国智能自动化会议论文集（下册）[C];2003年

8 徐俊杰;忻展红;;基于增强型参考位置的粒子群优化模型[A];’2004系统仿真技术及其应用学术交流会论文集[C];2004年

9 王亚;于永光;耿玲玲;;一类改进的自适应粒子群优化算法对混沌系统未知参数的估计[A];中国力学大会——2013论文摘要集[C];2013年

10 崔静;邓方;方浩;;基于改进粒子群优化算法的弹道求解方法[A];2013年中国智能自动化学术会议论文集（第三分册）[C];2013年

相关博士学位论文 前10条

1 刘昊;多样性增强的粒子群优化算法及其应用研究[D];北京理工大学;2015年

2 姜毅;动态环境下粒子群优化算法的研究[D];武汉大学;2013年

3 Shafiullah Khan;粒子群优化算法及其在电磁设计中的应用[D];浙江大学;2017年

4 刘华蓥;粒子群优化算法的改进研究及在石油工程中的应用[D];东北石油大学;2012年

5 刘波;粒子群优化算法及其在机电设备中的应用研究[D];中北大学;2011年

6 熊勇;粒子群优化算法的行为分析与应用实例[D];浙江大学;2005年

7 唐贤伦;混沌粒子群优化算法理论及应用研究[D];重庆大学;2007年

8 闫允一;粒子群优化及其在图像处理中的应用研究[D];西安电子科技大学;2008年

9 余炳辉;粒子群优化算法试验研究及扩展[D];华中科技大学;2007年

10 唐贤伦;混沌粒子群优化算法理论及应用[D];重庆大学;2007年

相关硕士学位论文 前10条

1 陈卓;粒子群优化算法的改进及在油藏数值模拟中的应用[D];北京建筑大学;2015年

2 白云;基于粒子群优化算法的复杂网络社区挖掘[D];西北农林科技大学;2015年

3 杨艳华;基于粒子群优化支持向量机的网络态势预测模型研究[D];兰州大学;2015年

4 孟亚州;基于粒子群优化OTSU的肺组织分割算法研究[D];宁夏大学;2015年

5 郑博;基于快速排序的多目标粒子群优化算法的研究及应用[D];郑州大学;2015年

6 米永强;非线性规划问题的混合粒子群优化算法研究[D];宁夏大学;2015年

7 李建美;基于自适应变异与文化框架的混沌粒子群优化算法[D];陕西师范大学;2015年

8 刘星;基于粒子群优化算法的特征选择方法研究[D];南京大学;2015年

9 牛旭;动态粒子群优化算法及其应用[D];西安电子科技大学;2014年

10 叶华;粒子群优化算法研究[D];西安电子科技大学;2014年

，

本文编号：1707295