基于序列二次规划的低旁瓣线性稀布阵列天线优化方法
【专利摘要】本发明公开了一种基于序列二次规划的低旁瓣线性稀布阵列天线优化方法，主要解决现有方法迭代速度慢和无法进一步降低线性稀布阵列天线方向图旁瓣的问题。其实现过程是：（1）根据设计要求，确定线性稀布阵列天线的天线孔径、阵元个数和主瓣宽度；（2）根据阵列天线的主瓣宽度和实际需求，确定需要进行旁瓣抑制的离散角频率范围；（3）根据天线孔径、阵元个数和离散角频率范围，构造线性稀布阵列天线的目标函数和约束条件；（4）根据目标函数和约束条件，使用序列二次规划算法求解得到阵元的位置向量和权向量。本发明具有迭代速度快和进一步降低线性稀布阵列天线方向图旁瓣的优点；可用于线性稀布阵列天线的优化设计。
【专利说明】基于序列二次规划的低旁瓣线性稀布阵列天线优化方法
【技术领域】
[0001]本发明属于天线【技术领域】，特别是一种阵列天线优化方法，用于降低线性稀布阵列天线方向图的旁瓣。
【背景技术】
[0002]线性稀布阵列天线因为其非均匀稀疏布阵的特点，天线孔径相对较大，波束较窄，分辨率较高，已被应用于雷达、通信电子系统等领域。但它与相同孔径的均匀间隔布阵天线比较，其旁瓣电平较高。在实际的工程应用中，较高的旁瓣电平可能会在有干扰信号的情况下导致测角出错。因此如何优化设计线性稀布阵列天线的阵元位置使得线性稀布阵列天线在满足较窄主瓣波束宽度的同时也能满足较低的旁瓣电平，是一个值得研究的问题。
[0003]实际上，上世纪六十年代至九十年代初，就对线性稀布阵列天线的优化布阵开展了大量的研究，研究的主要对象是阵元在规则栅格上的稀疏阵列，栅格间距为半个波长或四分之一波长，采用的优化方法有广义的非线性最小最大优化法、扩展投影法和基于计算机的数值综合方法等。但是，由于受计算机技术水平不高的限制，上述方法的性能有限，只能解决阵元个数较少时线性稀布阵列天线的优化问题。自上世纪九十年代以来，随着计算机技术的发展，依赖计算机技术的现代计算智能方法被广泛应用于线性稀布阵列天线优化问题。典型的算法有遗传算法、模拟退火算法、粒子群算法以及这三种算法的改进算法等。遗传算法、模拟退火算法和粒子群算法都是随机搜索算法，可以有效降低稀布阵列天线方向图的旁瓣。但是，这三种方法迭代速度慢，耗时长。并且现有的研究只考虑了线性稀布阵列天线阵元位置的优化问题，没有考虑线性稀布阵列天线的阵元位置和权值联合优化的问题，造成线性稀布阵列天线方向图的旁瓣无法进一步降低。
【发明内容】
[0004]本发明的目的在于针对上述已有方法的缺点，提出了一种基于序列二次规划的低旁瓣线性稀布阵列天线优化方法，以加快线性稀布阵列天线的优化速度，进一步降低线性稀布阵列天线方向图的旁瓣。
[0005]本发明的技术方案是:以最小化线性稀布阵列天线方向图的峰值旁瓣电平为准贝U，在天线孔径、阵元间距、天线主瓣宽度、扫描角频率范围和信噪比损失的约束下，使用序列二次规划算法求解得到线性稀布阵列天线的阵元位置和权向量，其实现步骤包括如下:
[0006]I)根据线性稀布阵列天线的设计要求，确定线性稀布阵列天线的天线孔径D、阵元个数Na以及阵列天线方向图的主瓣宽度fw = 2/D ；
[0007]2)根据实际需要确定线性稀布阵列天线进行旁瓣抑制的角度范围[_ Θ _，Θ _]，由最大角度值θ_和阵列天线方向图的主瓣宽度匕，确定需要进行旁瓣抑制的归一化角频率范围[fw/2，fmax]，其中，fmax = 0.5sin( Θ max)为最大角度值Θ max的归一化角频率；
[0008]3)将归一化角频率范围[fw/2，fmax]均匀`离散化，得到离散角频率范围
其中，L i = 1，2，...，Nf为离散角频率，Nf为离散角频率的个数；[0009]4)根据步骤I)得到的线性稀布阵列天线的天线孔径D、阵元个数Na和步骤3)得到的离散角频率范围f，构造线性稀布阵列天线优化的目标函数和约束条件:
【权利要求】
1.一种基于序列二次规划的低旁瓣线性稀布阵列天线优化方法，包括如下步骤: 1)根据线性稀布阵列天线的设计要求，确定线性稀布阵列天线的天线孔径D、阵元个数Na以及阵列天线方向图的主瓣宽度fw = 2/D ； 2)根据实际需要确定线性稀布阵列天线进行旁瓣抑制的角度范围[_θ_，θ_]，由最大角度值θ_和阵列天线方向图的主瓣宽度匕，确定需要进行旁瓣抑制的归一化角频率范围[fw/2，fmax]，其中，fmax = 0.5sin( Θ max)为最大角度值Θ max的归一化角频率； 3)将归一化角频率范围[fw/2，fmax]均匀离散化，得到离散角频率范围
2.根据权利要求1所述的基于序列二次规划的低旁瓣线性稀布阵列天线优化方法，其中步骤5)所述的使用序列二次规划算法进行编程求解，得到线性稀布阵列天线最终的阵元位置向量f和权向量访，按如下步骤进行: 5a)确定循环次数N，设置最高旁瓣标志F为无穷大，设置两个临时向量T1和T2,并设置临时向量T1和T2内的元素全部为O ; 5b)初始化阵元位置向量β和权向量W:为阵元位置向量β中的每个元素设置一个随机的数值，数值的取值应大于等于I且所有数值的和为D ;为权向量W中的每个元素设置一个大于O的随机值； 5c)将初始阵元位置向量β和权向量W带入步骤4)中的目标函数，根据约束条件，调用序列二次规划算法搜索使目标函数值最小的阵元位置向量β和权向量W，得到本次循环的优化结果，即优化后的阵元位置向量和权向量W'； 5d)比较本次优化结果的目标函数值与最高旁瓣标志F的大小，如果本次优化结果的目标函数值小于最高旁瓣标志F，则清空临时向量T1和T2，保存本次优化结果，即临时向量T1= β'，临时向量T2 = W'，并且使最高旁瓣标志F等于本次优化结果的目标函数值；否贝U，忽略本次优化结果； 5e)返回步骤5b)直到循环N次后结束，得到最 终的阵元位置向量孩=T1和权向量W = T2。
【文档编号】G06F17/50GK103810325SQ201410007388
【公开日】2014年5月21日 申请日期:2014年1月8日 优先权日:2014年1月8日
【发明者】刘宏伟, 周生华, 臧会凯, 曹运合, 严俊坤 申请人:西安电子科技大学