基于混沌遗传算法的二维平面阵研究

针对一般均匀平面阵列方向图旁瓣较高的问题,利用传统遗传算法对均匀阵进行二维稀布排列,有效降低了旁瓣电平,但遗传算法收敛速度慢,容易陷入局部最优解。因混沌优化算法具有随机性、遍历性以及规律性的特性,把混沌优化算法引入到遗传算法中,利用混沌序列初始化种群,可提高遗传算法的收敛速度和获得全局最优解的能力。因此,提出一种基于混沌优化算法的遗传算法,并把该算法应用到二维平面阵天线设计中,该算法对天线阵的排布进行了优化设计。仿真结果显示混沌遗传算法的收敛速度有所提高,阵列天线的副瓣电平进一步降低,说明该方法具有一定的可行性。

自适应迭代傅里叶算法用于阵列方向图综合

在已有的迭代傅里叶变换方法的基础上,提出了一种用于阵列天线方向图综合的自适应迭代傅里叶算法.与原来算法相比,该算法的特点主要表现在:(1)能够自适应地计算所需的峰值旁瓣阈值,以获得满足特定需求的最优阵元激励分布.(2)采用非均匀阵元激励,从而较大程度地满足了旁瓣降低的需求.(3)对于被大幅度截断的阵列,该算法通过自适应调整主瓣边缘区域阵列因子的值来降低天线方向图的主瓣波束宽度,从而有效抑制了波束展宽效应.基于不同设计需求的方向图综合结果,表明了文中算法的有效性和高效性.