增加副瓣抑制机制的阵列天线波束赋形遗传算法研究
本文选题:阵列天线 + 遗传算法 ; 参考:《电子与信息学报》2017年03期
【摘要】:基于遗传算法的激励优化算法是求解阵列天线波束赋形问题时常用的激励求解算法。传统遗传算法在优化阵列天线激励时,对阵元天线方向图矢量叠加获得阵列天线合成方向图后,与目标方向图做相似度判断,经过多次运算获得满足设计要求的激励值。然而算法中通常不关注赋形结果的副瓣抑制,导致阵列天线波束赋形结果副瓣抑制效果不理想。该文提出一种基于一组低副瓣波束线性叠加的波束合成机制,将合成方向图与目标方向图做相似对比,结合遗传算法的优化求解方法,最终获得与目标方向图匹配的合成方向图,且合成方向图具有高副瓣抑制的特性。以一款16阵元X波段微带偶极子线性阵列天线为例,该文提出的具有副瓣抑制机制的遗传算法求得的赋形波束获得了-27.5 dBc的副瓣抑制效果,远远好于传统遗传算法求得的赋形波束-19 dBc的副瓣抑制。
[Abstract]:The excitation optimization algorithm based on genetic algorithm is commonly used to solve the array antenna beamforming problem. When the array antenna excitation is optimized by the traditional genetic algorithm, the composite pattern of the array antenna is obtained after the array antenna pattern vector is superimposed, and the similarity between the array antenna pattern and the target pattern is judged, and the excitation value satisfying the design requirements is obtained after many operations. However, the sidelobe suppression of the shape result is usually not paid attention to in the algorithm, which leads to the unsatisfactory sidelobe suppression effect of the beamforming result of the array antenna. In this paper, a beam synthesis mechanism based on a set of low sidelobe beam linear superposition is proposed. The synthetic pattern is compared with the target pattern, and the genetic algorithm is used to solve the problem. Finally, the synthetic pattern matching the target pattern is obtained, and the synthetic pattern has the characteristic of high sidelobe suppression. Taking an X-band microstrip dipole linear array antenna with 16 array elements as an example, the shape beam obtained by genetic algorithm with sidelobe suppression mechanism is used to obtain the sidelobe suppression effect of -27.5 DBC. It is much better than the sidelobe suppression of shaped beam-19 DBC obtained by traditional genetic algorithm.
【作者单位】: 中国科学院微电子研究所;北京邮电大学电子工程学院;
【分类号】:TN820;TP18
【相似文献】
相关期刊论文 前10条
1 吴瑞镛,徐大纹;具有年龄结构的遗传算法[J];桂林电子工业学院学报;2001年04期
2 杨艳丽,史维祥;一种新的优化算法—遗传算法的设计[J];液压气动与密封;2001年02期
3 杨宜康,李雪,彭勤科,黄永宣;具有年龄结构的遗传算法[J];计算机工程与应用;2002年11期
4 谷峰,吴勇,唐俊;遗传算法的改进[J];微机发展;2003年06期
5 ;遗传算法[J];计算机教育;2004年10期
6 赵义红,李正文,何其四;生物信息处理系统遗传算法探讨[J];成都理工大学学报(自然科学版);2004年05期
7 刘坤,刘伟波,吴忠强;基于模糊遗传算法的电液位置伺服系统控制[J];黑龙江科技学院学报;2005年04期
8 张英俐,刘弘 ,马金刚;遗传算法作曲系统研究[J];信息技术与信息化;2005年05期
9 丁发智;;浅谈遗传算法[J];乌鲁木齐成人教育学院学报;2005年04期
10 李冰洁;;遗传算法及其应用实例[J];吉林工程技术师范学院学报;2005年12期
相关会议论文 前10条
1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年
3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展(上册)[C];2001年
4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年
5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年
6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年
7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年
8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(下册)[C];1995年
9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集(下册)[C];1996年
10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集(下册)[C];1996年
相关重要报纸文章 前1条
1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年
相关博士学位论文 前10条
1 蔡美菊;交互式遗传算法及其在隐性目标决策问题中的应用研究[D];合肥工业大学;2015年
2 张士伟;三维声学快速多极基本解法在机械噪声预测中的应用研究[D];沈阳工业大学;2016年
3 高军;无铅焊料本构模型及其参数识别方法研究[D];南京航空航天大学;2015年
4 Amjad Mahmood;半监督进化集成及其在网络视频分类中的应用[D];西南交通大学;2015年
5 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年
6 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年
7 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年
8 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年
9 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年
10 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年
相关硕士学位论文 前10条
1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年
2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年
3 李志添;模糊遗传算法与资源优化配置的预测控制[D];华南理工大学;2015年
4 王琳琳;新型双层液压轿运车车厢的设计研究[D];上海工程技术大学;2015年
5 李海全;基于遗传算法的建筑体形系数及迎风面积比优化方法研究[D];华南理工大学;2015年
6 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年
7 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年
8 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年
9 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年
10 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年
,本文编号:2093612
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2093612.html