本征激励下阵列天线的互耦分析

采用本征激励方法，对阵列天线中互耦效应的影响进行了研究。介绍了矩量法求解阵列各单元电流分布的方法，并计算了天绒阵列各单元的本征激励方向图。在此基础上，采用本征激励分析方法对阵列天线进行了互耦分析。结果表明天线阵的主旁瓣相对电平越低，天线阵单元数目越少，互耦的影响越大。可以看出菜用的本征激励方法是高速和有效的。     

基于自适应算法的带罩阵列天线方向图综合

提出一种基于自适应天线理论的带罩阵列天线方向图综合方法。先用射线追踪法计算到达罩内阵列天线的入射信号,通过自适应算法进行波束赋形,再用表面积分法得到带罩自适应天线的远区辐射场。用权函数的迭代来减小带罩方向图和无罩方向图的差别,实现天线与罩的一体优化。数值仿真结果表明,该方法能实现对带罩阵列天线主瓣指向、零陷位置和副瓣电平的控制,同时减小了天线罩对系统辐射特性方面的影响。     

采用非线性最小二乘法实现六边形天线阵的方向图综合

为使阵列天线获得圆对称方向图，通常采用环阵的排列方式。文章研究了六边形环阵列天线的特殊方向图综合方法。文中采用非线性最小二乘法对影响天线方向图的诸多参数，如单元的幅度和相位、单元间距以及单元在阵中的位置等，进行了优化设计，以使阵列方向图在最小二乘意义上逼近预先给定的理想方向图。仿真结果表明该方法可行、有效。     

遗传算法在阵列天线方向图综合中的应用

应用遗传算法对一八单元阵列天线激励幅度和相位进行优化,成功地填充了阵因子方向图一侧0~30°范围内零点,同时将另一侧副瓣压低至-20dB以下。在此基础上编制了一通用程序,在优化变量中引入单元间距,可进行任意形状方向图的综合,取得了良好的效果。     

团队进步算法与遗传算法和粒子群算法进行天线阵综合的比较

团队进步算法（TPA）是近期由研究者提出的一种新型优化算法,具有与传统优化算法不同的寻优机制。函数测试结果表明,该算法是一种能够兼顾避免早熟收敛和计算速度的有效的优化算法。文章将团队进步算法、遗传算法和粒子群算法应用于阵列天线方向图综合,给定阵列天线合适的设计要求,用Matlab编制程序对阵列天线进行了优化计算。通过对三种优化算法的综合结果比较,表明新算法在应用于较复杂的阵列天线方面以及在优化性能方面的优越性,显示了新算法在天线设计中的广泛应用前景。     

一种圆柱共形阵天线的仿真与设计

文章对一种x-频段的圆柱共形阵天线进行了仿真和测试。基于非相似元阵列天线理论计算了远场方向图,仿真设计了射频馈电功分器;测试了功分器的S参数,测量了天线的水平面方向图,测试结果与计算结果一致。     

基于遗传算法的圆柱阵列旁瓣电平优化方法

由于共形阵列所具有的特性,使其正得到日益广泛的应用,但其方向图具有相对主瓣较高的旁瓣电平。为此,文章针对基本的共形阵列——圆柱阵列的天线阵元,应用经典遗传算法进行唯幅度的方向图综合,来优化旁瓣电平。仿真结果表明：该方法可有效降低圆柱阵列的旁瓣电平,为解决此类问题提供了有益的参考。     

幅相误差引起超低旁瓣阵列天线旁瓣最高电平分布的研究

由于单元间互耦的存在，超低副瓣阵列天线的辐射方向图发生变化。简单介绍了矩量法，计算了天线阵列各单元的本征激励方向图。在考虑阵列天线间互耦的条件下，采用本征激励分析方法对幅相误差引起超低旁瓣天线旁瓣最高电平分布进行了数值统计分析。对八单元chebeshev等间距直线阵进行处理，并总结了其最高电平分布的一些规律。     

基于差分进化算法的异构型分布式阵列优化

分布式阵列在突破了传统布阵环境限制的同时,还具有较高的增益,使其在实际工程中获得了广泛的应用。针对分布式阵列方向图存在较高的旁瓣问题,结合阵列性能约束和阵列位置约束,建立二维异构型分布式阵列优化模型,通过差分进化算法对子阵分布位置进行优化。并从变异策略、选择策略和控制参数三个方面对传统的差分进化算法进行改进。仿真分析结果表明,该方法能够有效抑制分布式阵列的峰值旁瓣电平,相比传统的差分进化算法,该算法全局收敛能力更强、收敛速度更快。     

基于边缘电流法近远场变换中的探头补偿

针对目前平面近远场变换中，探头H面方向图对天线远区副瓣引入误差较大的情况，研究了一种基于边缘电流法近远场变换的探头补偿。通过在微波暗室对某频段阵列天线测量，并分别用传统使用的stratton-chu积分法、E面电场法与边缘电流法进行近远场变换并进行比较。结果表明，此方法相比传统方法，副瓣精度基本接近国际先进水平，远远高于国内现有水平，证明了该方法的有效性和工程实用性，并填补了国内空白。     

混沌免疫算法应用于超低副瓣天线阵优化研究

文章分析了六角形排列的平面阵列天线的远场分布,介绍了基于混沌理论的混沌免疫算法,结合六角形平面阵列天线实例及超低副瓣要求,给出了基于该算法的阵列天线方向图优化方法,得出了超低副瓣方向图。仿真结果表明,混沌免疫算法收敛速度快,搜索效率高,具有良好的应用前景。     

基于子阵级非周期的有限扫描阵列研究

对基于子阵级非周期的有限扫描阵列进行研究,采用数值仿真和遗传算法对基于不同子阵规模的非周期阵列进行优化设计,分析4?4和2?2两种子阵规模对接收多波束应用中伴随波束方向图的影响,研究表明子阵规模过大会引起伴随波束方向图的旁瓣抬升,通过减小子阵规模可以避免该问题,论证了设计的基于2?2子阵的非周期八角阵可应用于有限视场扫描相控阵中。     

阵列天线赋形波束幅相加权实现自适应控零

基于改进的Woodward法，给出了一种在阵列天线方向图赋形的同时，对干扰方向实现自适应控零的方法。该方法对阵列单元的幅度和相位进行预置加权，可使波瓣自适应形成凹口。并把此方法和正交化方法相比较，文末给出了结论。     

基于FEKO软件的电大尺寸面天线仿真

运用FEKO软件的高低频混合法和多层快速多极子算法对典型电大尺寸面天线——卡塞格伦天线远场方向图进行仿真计算,并对这两种计算方法的计算精度和计算效率进行了比较。结果显示,二者得到的远场方向图基本一致,都具有较高的准确性。因为多层快速多极子算法在计算时考虑了双曲副反射面的遮挡效应,所以与高低频混合法相比,其得到的远场方向图增益略低、旁瓣略高,仿真精度更接近工程实际,但代价是内存开销和计算时间的大幅增加,特别是在网格数较大的情况下。     

基于近场测量的阵列天线校准

阵列天线校准是精确控制阵列波束方向和辐射方向图的前提。本文依据测量距离将阵列天线校准方法分为远场校准法和近场校准法两类。随着阵列天线大型化的发展趋势,微波暗室的尺寸越来越难达到阵列天线远场的要求,远场校准法的适用性逐渐减弱,对近场校准法的需求逐渐增加。本文梳理了过往的经典近场校准方法,并对近场校准方法的最新进展进行论述,对不同校准方法的原理做了详细分析和对比,最后给出未来校准研究的发展方向。     

超低副瓣天线测试中探头方向图的研究

针对目前带探头补偿的平面近远场变换中,探头H面方向图对远区副瓣引入较大误差的情况,结合国内传统的E面电场法和K.T.Selvan提出的边缘电流逼近法各自的优点,利用混合算法研究了一种新的探头方向图逼近公式,并将其应用于平面近场测试中。通过在某大型微波暗室对一频段阵列天线进行实际测量,分别用E面电场法、边缘电流逼近法以及新的方法进行带探头补偿的近远场变换。最后,将各种方法与实际测试结果进行比较,求得其误差曲线,并在全域的角度分析各种方法的-50 d B超低副瓣精度。结果表明,此方法集合了前两种方法的优点,相比E面电场法,远区副瓣精度提高了8.2 d B,整个角域内副瓣精度提高了1.13 d B;相比边缘电流逼近法,近区副瓣精度提高了0.89d B,整个角域内副瓣精度提高了0.87d B。     

一种基于控制流解耦的可重构阵列动态调度方法

可重构阵列依靠数据流驱动带来的能效优势,被广泛运用在特定领域的运算加速中。随着应用范围的增大,当应用中存在不同控制流区域时,采用传统的空间调度方案同时执行整个数据流图,会由于非一致性控制流的存在,造成严重的性能损失。本文提出一种基于控制流解耦的调度方法,通过将处于不同控制边界的数据流解耦成若干个相互独立的子图交替执行,同时将每个子图进行充分并行展开以提高阵列的计算资源利用率。实验结果表明:在相同面积开销的约束下,利用本文提出的调度方法分别在执行性能和执行能效上,相比于一种典型的静态调度可重构阵列(Plasticine),分别提高了35%和18%;相比于一种典型的指令调度的可重构阵列(TIA),分别提高了27%和45%。     

圆柱体上微带天线阵的研究

本文讨论了圆柱体上微带振子及其天线阵辐射场的求解问题,利用直接求解方法给出了远区场求解公式并且讨论了所求解中级数求和的问题。提出了在大圆柱体情况下采用设虚元的方法,从而使远场的计算速度提高一倍。在共形阵列的设计中我们采用了相位补偿方法,得到了圆柱体上微带阵列较好的方向图。     

MATLAB在方案论证中的运用

初步介绍了MATLAB工程计算语言的编程思想及部分功能，并列举实例，在对某重型越野车汽车性能指标的计算过程中，分别用Qbasic和MATLAB两种语言对同一问题编程，并进行对比分析，通过对比表明MATLAB在编程计算时具有高效、准确且更易于设计人员理解的功能。     

有效测量相控阵天线所有阵元排列方向图的自动化方法

本文介绍并验证了测量相控阵天线各阵元方向图的自动化技术，当测量位置调节器相对阵列移动探针时，该方法利用了以迭代方式用于波束形成器的Hadamard编码，利用相干接收机和互相关解码器提取所需的阵元方向图。本文用实验证明了同时测量阵列里所有单个阵元方向图的可能性，新技术易实现自动化，从而免去了以往技术对手工移动电缆和安装匹配负载的要求。