基于matlab的雷达天线阵列副瓣优化-切比雪夫-泰勒方向图综合

利用粒子群算法综合微带天线阵列方向图，可以自适应调节副瓣电平和波瓣宽度。

为了改善粒子群算法的优化性能，解决阵列天线波束赋形关于离散的优化问题处理不佳、容易陷入局部最优的问.题，提出了一种新型的粒子群算法。该算法基于基本粒子群算法，引入控制因子和遗传算法的交叉变异机制，并 应 用 于 八.单元偶极子圆环阵列天线。仿真结果表明，新型粒子群算法收敛速度快、精度高。

遗传算法在阵列天线方向图综合中的应用.doc

针对机会阵雷达方向图综合的不确定问题,提出了一种基于模糊机会约束规划的方向图综合规划模型。该模型基于可信性理论,综合考虑天线单元分布的随机性以及激励状态的不确定性,将参与方向图综合时激励打开的天线数目看做一个梯形模糊变量,用以描述综合时的复杂不确定环境。随后,将规划模型转化为清晰等价形式,再结合遗传算法和灰关联综合评价法则设计了一种混合智能优化算法,用于求解该模型。以一维任意非均匀线阵为例,对主瓣宽度和最大副瓣电平进行了优化。仿真表明:优化后结果的可信性高于置信水平,验证了该算法的有效性。

在线性阵列天线方向图无约束Gram-Schmidt(G-S)正交化综合方法基础上加入零点导数约束条件实现宽零陷波束图综合。此方法保持了无约束正交化方法中因采用对阵列导向矢量正交化处理而使得计算简便的优点,适合均匀或非均匀直线阵的综合。实验结果表明,此零点约束正交方法能很好实现在零阶、一阶和二阶导数约束条件下线性阵列波束图的综合。

为了抑制稀疏阵列方向图的栅瓣，提高分布式星载雷达阵列方向图的性能，对相同子阵组成的稀疏阵列方向图综合进行研究，提出了一种基于相同子阵的稀疏阵列方向图综合算法．首先对子阵级稀疏阵列进行建模，并对其阵列方向图的特性进行分析．然后通过优化子阵级稀疏阵列，实现对方向图栅瓣的抑制．最后通过仿真，验证了该算法的有效性．

频率分集阵列“点”型发射方向图综合方法

为了降低阵列天线的制造成本和馈电网络的设计难度，本文介绍了一种基于子阵划分的直线阵列天线综合方法。整个阵列天线被划分为多个子阵列，利用快速傅里叶变换（FFT）和聚类算法（CA）相结合的方法，优化每个子阵列的激励幅度和每个阵列单元的激励相位，从而获得最高旁瓣电平（PSLL）尽量低的辐射方向图。本文提出的方法能够快速实现阵列天线的子阵列划分，仿真结果表明，对于给定的直线阵列天线，能够获得较好的优化效果，辐射方向图的最高旁瓣电平均在-37 dB以下。

 方向图综合技术是智能天线中的一项关键技术。由于采用普通粒子群算法存在着易于早熟和局部寻优能力不足等缺点，为此本文提出一种基于量子位概率幅编码QPSO算法的阵列天线方向图综合技术，即在方向图综合中，QPSO算法采用量子位对粒子当前位置进行编码，用量子旋转门实现对粒子最优位置的搜索，用量子非门实现粒子位置的变异以避免早熟。实际应用表明基于量子位概率福编码QPSO的方向图综合技术是切实可行的，在多零点和低旁瓣约束情况下均可以取得良好的优化效果，具有很好的推广能力。