导读:本文包含了阵列方向图优化论文开题报告文献综述及选题提纲参考文献，主要关键词:叁角网格阵列,幅度加权,差分进化算法,数值优化
阵列方向图优化论文文献综述
赵方园,陈阳阳,赵书敏,蒋忠进[1]（2019）在《一种矩形口径叁角网格平面阵列的方向图数值优化方法》一文中研究指出本文采用差分进化算法优化矩形口径叁角网格平面阵列的幅度加权,使阵列方向性满足副瓣电平和零陷电平等设定指标。将阵列的二维方向性视为水平向和垂直向两个相互独立分量的乘积,相应地将优化矢量由二维矩阵变成两个一维矢量相加,明显缩短了优化矢量的长度。同时,限定水平向和垂直向优化矢量关于中心点对称,以大幅减少优化迭代次数。仿真结果证明,本文算法能够快速有效地优化出合适的幅度加权,从而得到副瓣电平和零陷电平满足指标的二维方向图。(本文来源于《航空兵器》期刊2019年03期）
申国君[2]（2019）在《基于改进鸡群算法的无线能量传输阵列天线方向图优化》一文中研究指出随着社会的进步和科学技术的不断发展,无线能量传输(Wireless Power Transmission,WPT)技术受到了国内外研究者们的广泛关注。电磁感应式、磁场共振式与无线电波式是无线能量传输的叁种主要方式。基于阵列天线的无线电波式无线能量传输技术是一种基于电磁辐射、使用射频的能量补充方式,该方式能够显着提高无线能量传输的距离,然而该方式的能量转化效率较低。因此,提高基于阵列天线的无线能量传输中发射端的能量转化效率对于该技术的实际应用至关重要。本文的主要工作如下:(1)对平面阵列天线的阵因子和功率方向图进行了分析,并构建了基于阵列天线的能量波束成形功率方向图优化问题。天线的方向性可以用方向图来描述,而旁瓣电平则是衡量方向图好坏的一个重要的特征参数。因此,本文通过优化平面阵列天线中每个阵元上的激励电流来降低其功率方向图的最大旁瓣电平,从而改善其方向性,提高能量转化效率。(2)提出了一种改进的鸡群算法(Improved Chicken Swarm Optimization,ICSO)用以求解构建的优化问题。针对传统鸡群算法(Chicken Swarm Optimization,CSO)中解的更新方法过于简单且更新过程中容易陷入局部最优,从而导致最终优化效果不理想等问题进行了改进,引入了全局搜索、局部搜索和去除解集中重复解等操作,提高了算法的寻优能力。利用CEC2014测试集将ICSO算法与其他经典的群智能优化算法在不同测试函数上进行对比,用以验证所提ICSO算法的有效性。(3)通过一系列仿真对所提的ICSO优化算法求解能量波束成形功率方向图的优化问题进行验证。首先,针对该优化问题,对ICSO算法的相关参数进行了调优,以使其达到最好的优化效果;然后,使用ICSO算法和一些经典的群智能优化算法,对不同规模的平面阵列天线分别进行了功率方向图的优化实验,通过对实验结果的分析可知,相较于一些经典的群智能优化算法,ICSO算法具有更好的优化效果,能够更大限度地降低最大旁瓣电平;此外,还进行了电磁仿真实验来对比不同算法所得到的功率方向图。实验结果表明,ICSO算法依旧有最佳的优化能力,可以被用来解决真实环境下阵列天线功率方向图的优化问题。(本文来源于《吉林大学》期刊2019-04-01）
仇永斌,张树春,王元诚,范文澜,李德鑫[3]（2018）在《最优粒子初值有效估计的线阵列方向图优化算法》一文中研究指出粒子群优化算法(PSO)通常随机赋初值。提出一种新的线阵方向图优化的PSO算法。通过矩阵运算解析出对应预期方向图的一组阵元权系数的估值。将该估值视为最优粒子初值的有效估计量。将该估计量赋值给种群的一个粒子,而其他粒子仍然赋随机初值。新优化算法与传统PSO算法唯一区别在于粒子初值的初始化方法。仿真实验结果表明,新算法不但收敛速度更快,而且适应度值收敛的更深,能够有效提高传统PSO算法的在复杂的非线性优化问题上的收敛特性。(本文来源于《系统仿真学报》期刊2018年11期）
梁爽,孙庚,刘衍珩[4]（2019）在《改进布谷鸟算法用于阵列天线方向图优化》一文中研究指出针对目前群智能优化及进化计算算法在解决直线形阵列天线辐射方向图的旁瓣电平抑制和零陷控制问题时易出现求解精度不高及收敛速度较慢的问题,提出了一种基于扩散变异策略的布谷鸟搜索算法。该算法首先利用聚集扩散策略来提高算法的全局搜索性能,然后引入遗传算法中的基因突变策略,用以提高种群的多样性,进而提高算法的局部搜索能力。仿真结果表明,所提算法在抑制直线形阵列天线方向图的旁瓣电平和控制零陷方面与萤火虫算法、粒子群算法、传统布谷鸟搜索算法、金斑蝶优化算法和蚯蚓优化算法相比,具有更快的收敛速度和更高的求解精度。(本文来源于《西安电子科技大学学报》期刊2019年01期）
李晗[5]（2018）在《基于群体智能的阵列天线方向图优化及修复方法研究》一文中研究指出阵列天线在现代无线通信系统中扮演着越来越重要的角色,尤其是在移动通信、卫星通信和雷达通信系统中。然而,通信用户量及其通信需求都在以指数级的速度快速地增长,使得频谱资源变得日益匮乏。因此,为了能够高效地利用有限的频谱资源,提高通信系统的通信效率,对于阵列天线各项技术的创新则成为相关研究人员关注的重点课题。阵列天线可以有效提高通信系统的通信范围、信号质量、覆盖面积、连通率和频谱效率,阵列天线方向图对通信系统的性能起着决定性的作用。波束成形是指在特定方向上传播电磁波的技术,这项技术可以通过阵列天线产生,而阵列天线方向图综合则恰恰是实现波束成型的基本要素。阵列天线的结构由许多单天线按照某种特定的形状排列而成,阵列天线中阵元的数目、位置、激励相位和激励振幅等参数的设定都会控制着整个阵列天线的辐射特性。目前,阵列天线方向图综合是指利用某些方法调节并确定阵列天线中的相关参数,从而能够使得最终的天线方向图达到或者尽可能接近预期的结果。对于阵列天线的性能好坏的衡量标准有很多,主要包括:波束宽度、旁瓣电平(SLL)、噪声灵敏度、方向性和鲁棒性等,本文基于群体智能优化算法对阵列天线方向图进行研究,使其拥有最小化的最大旁瓣电平,主要工作如下:(1)首先,通过对生物地理学优化算法(BBO)进行深入的分析,发现其在更新迭代的过程中容易使解向量陷入局部最优。针对这一问题提出了一个带有局部搜索策略和选择操作的生物地理学优化算法(BBOLS),并将其分别应用于优化直线型阵列天线(LAA)的激励电流值、圆型阵列天线(CAA)的激励电流值和阵元间距,使其方向图带有最小化的最大旁瓣电平。通过各项仿真实验验证了BBOLS算法对于最小化阵列天线方向图的最大旁瓣电平的有效性,实验结果表明,BBOLS算法的性能要优于BBO算法、萤火虫优化算法(FA)、粒子群优化算法(PSO)的性能。(2)其次,通过对有阵元损坏的直线型和圆型阵列天线方向图的修复问题以及杂草入侵优化算法(IWO)的优化机理分别进行了深入的研究,发现IWO算法本身结构简单,且其中的生长繁殖操作和空间扩散操作能够有效的避免解向量陷入到局部最优,从而提出了使用IWO算法来修复有阵元损坏的直线型和圆型阵列天线的方向图,并使其拥有最小化的最大旁瓣电平。通过与布谷鸟优化算法(CS)、FA、BBO、PSO这些算法进行仿真实验比较,结果表明,IWO算法能够较好地修复有阵元损坏的直线型和圆型阵列天线的方向图,并最大化地降低其最大旁瓣电平。(本文来源于《吉林大学》期刊2018-04-01）
刘角[6]（2016）在《生态系统粒子群算法及其在阵列天线方向图优化中的应用》一文中研究指出粒子群算法是Eberhert和Kennedy通过模仿鸟类捕食行为来达到寻优目的的一种群智能优化算法。粒子群算法具有结构简单、易于实现、待调整参数少、收敛速度快等诸多优点,其一经提出便受到了国内外学者的广泛关注。目前,粒子群算法被成功的应用在了神经网络训练、电容配置、资源调度、多目标优化等诸多领域,并展示出了其广泛的应用前景和良好的优化能力。尽管粒子群算法拥有许多其他算法不具备的优势,但是它仍然有很多不足之处,如解决高维复杂问题时收敛速度慢,容易陷入局部最优解等。因此,如何对算法进行改进,使其能够克服这些缺点和不足是研究者们的工作重点之一。本文在前人的研究基础上,提出了一种能够有效克服算法早熟收敛的生态系统粒子群算法,并将其应用到了阵列天线方向图优化问题中。本文的主要研究内容如下:(1)受自然界生态规律启发,我们提出了一种改进的粒子群算法,称为生态系统粒子群算法(ESPSO)。ESPSO模仿自然界生态系统规律,共采用了叁种学习策略,分别为生态系统策略、繁殖变异策略和全信息策略。借助这些学习策略,算法能够有效的阻止多样性的流失,阻止早熟收敛,平衡全局搜索能力和局部搜索能力,提升寻优效率。本文通过仿真实验,对ESPSO的参数选择方案和寻优能力进行了研究和验证,实验结果表明,ESPSO拥有良好的寻优精度、寻优效率和寻优可信度。(2)智能天线在现代通信系统中发挥着重要的作用,而阵列天线方向图综合则是智能天线的核心技术。本文将ESPSO应用到了阵列天线方向图优化问题中,并通过仿真实验验证ESPSO的有效性。仿真结果表明,相较于标准粒子群算法和差分进化算法,ESPSO能够更好的对阵列天线方向图进行设计和优化。(本文来源于《太原理工大学》期刊2016-06-01）
周鹏,秦叁团[7]（2016）在《一种基于HFSS结合遗传算法进行阵列天线方向图优化的研究》一文中研究指出提出一种新的对阵列天线方向图进行优化的方法,即借助Ansoft HFSS软件进行单元天线阵仿真,提取出各单元单独馈电的电流数据或远场数据,利用遗传算法对提取出的电流数据实施优化,得出满足方向图要求的单元电流值和相位值。结果表明,基于HFSS建模的灵活性,该方法可方便进行任意特性天线阵列的方向图综合,优化时对提取出的数据只需进行简单的远场外推或迭加,因而具有极快的计算速度。区别于传统的单独用遗传算法进行优化的方法,该方法将工程软件Ansoft HFSS和遗传算法相结合,有效地提高了天线阵综合时的计算精度和目标函数的计算效率,进而有效提高了方向图的优化效率。(本文来源于《现代电子技术》期刊2016年09期）
陈海燕[8]（2016）在《超宽带低副瓣阵列天线方向图的快速计算与优化研究》一文中研究指出UWB天线及其阵列广泛应用于雷达系统、无线通信、医学诊断等方面,阵列天线因为增益高、波束灵活可控、副瓣电平低、分辨率高等优点而得到了更大的关注和重视。对于大规模有限阵列天线方向图的计算和优化问题,如何实现效率和精度的最佳折衷,一直是个难点,尤其是对时域方向图的研究还不够成熟。因此,在考虑互耦情况下,对大规模UWB阵列天线时域方向图的快速计算和优化问题进行研究具有重要的价值和意义。本文利用AEP来考虑阵元间的互耦影响,采用小阵外推方法来提高大规模阵列天线的计算效率,并结合田口算法来实现时域方向图的快速优化。主要的研究工作如下：首先,基于时域辐射机理,分析了UWB天线及其阵列的辐射性能。以Vivaldi天线单元为例,对其小型化进行改进设计,通过加槽等方法优化出一款覆盖2.96-11 GHz的小型化天线；以刀型TEM喇叭阵列天线为例,分析了阵元间的互耦影响和时域方向图的基本特性,并通过控制时延实现了阵列天线在叁维空间的时域波束扫描；以Vivaldi双极化阵列天线为例,分别从频域、时域出发,研究了其辐射性能。其次,研究了AEP和小阵外推方法在时域方向图快速计算中的可行性。利用该方法计算了大规模直线阵列、叁角形栅格平面阵列以及双极化平面阵列的时域方向图,计算结果与仿真结果吻合良好,计算时间明显减小,验证了该方法的精确性和高效性。进一步通过公式推导提出一种简化的快速计算方法,将大规模阵列天线时域方向图的计算转化为几个小阵的总场计算问题,避免了小阵外推方法中逐元提取子阵AEP的繁琐操作,进一步提高了计算效率。最后,利用田口算法对阵列天线的时域方向图进行优化。主瓣宽度和副瓣电平是一对相互矛盾的量,为了在一个目标不劣化的条件下实现另一个目标的优化,论文对多目标的优化问题进行研究。采用加权方式,将多个目标同时考虑在内,通过权重系数的调整,得到满足要求的非劣最优解。对算例进行优化,在主瓣宽度不明显展宽的条件下实现了副瓣电平的降低,验证了该方法的有效性,为实际工程应用提供了参考。(本文来源于《西南交通大学》期刊2016-05-01）
陈海燕,熊祥正,陈凯亚,廖成[9]（2016）在《叁角形栅格阵列天线方向图的快速计算与优化》一文中研究指出利用有源单元方向图法,提出分别采用小型直线阵和小型叁角形栅格阵列外推计算大型叁角形栅格阵列天线时域辐射场的两种等效方法,在考虑单元间互耦的同时极大地节约了计算时间。由于两种方法采用的小阵规模和布局不同,导致其计算精度和效率存在较大差异:第一种方法具有较高的计算效率,其计算时间不到仿真软件的4%,但第二种方法计算精度更高,其计算结果与有限积分法软件的仿真结果吻合良好,最大相对误差小于6%,计算时间不到仿真软件的11%。进一步结合第二种方法和田口算法对85元阵列的能量方向图进行优化,在波束宽度的制约条件下获得了较低的副瓣电平,优化时间不到半小时,验证了方法的高效性。(本文来源于《电讯技术》期刊2016年03期）
禚真福,杨永建,樊晓光,王晟达,南建国[10]（2015）在《改进二分粒子群优化算法的阵列方向图综合》一文中研究指出针对粒子群优化(particle swarm optimization,PSO)算法收敛速度慢、寻优精度低、计算量大、容易陷入局部最优解等问题,首先提出了一种无需越界检测的归一化粒子群优化(normalized particle swarm optimization,NPSO)算法,NPSO算法具有比PSO算法更佳的有效性和稳定性,其优化速度和收敛精度要远远优于PSO算法,且其计算量要比常规PSO算法采用越界检测调整小。其次,结合狼群算法(wolf pack algorithm,WPA)中的游走行为,在二分粒子群优化(dichotomy particle swarm optimization,DPSO)算法的基础上,通过对二分粒子赋予不同的探索方向,提出了一种WPA-DPSO算法,WPA-DPSO算法具有3层寻优的功能,不仅有效加强了粒子的搜索范围,避免了算法陷入局部最优解,而且有效提高了DPSO算法的收敛速度、优化精度、稳定性和有效性。在NPSO算法和WPA-DPSO算法的基础上,提出了一种混合型PSO算法(WPA-NDPSO),从而有效克服了PSO算法早熟收敛、搜索范围不大、容易收敛到局部极值、计算量大等问题。均匀线阵方向图综合实验表明:WPA-NDPSO算法不仅具有较优的收敛速度和优化精度,而且具有较强的稳定性和较高的有效性。(本文来源于《系统工程与电子技术》期刊2015年11期）
阵列方向图优化论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着社会的进步和科学技术的不断发展,无线能量传输(Wireless Power Transmission,WPT)技术受到了国内外研究者们的广泛关注。电磁感应式、磁场共振式与无线电波式是无线能量传输的叁种主要方式。基于阵列天线的无线电波式无线能量传输技术是一种基于电磁辐射、使用射频的能量补充方式,该方式能够显着提高无线能量传输的距离,然而该方式的能量转化效率较低。因此,提高基于阵列天线的无线能量传输中发射端的能量转化效率对于该技术的实际应用至关重要。本文的主要工作如下:(1)对平面阵列天线的阵因子和功率方向图进行了分析,并构建了基于阵列天线的能量波束成形功率方向图优化问题。天线的方向性可以用方向图来描述,而旁瓣电平则是衡量方向图好坏的一个重要的特征参数。因此,本文通过优化平面阵列天线中每个阵元上的激励电流来降低其功率方向图的最大旁瓣电平,从而改善其方向性,提高能量转化效率。(2)提出了一种改进的鸡群算法(Improved Chicken Swarm Optimization,ICSO)用以求解构建的优化问题。针对传统鸡群算法(Chicken Swarm Optimization,CSO)中解的更新方法过于简单且更新过程中容易陷入局部最优,从而导致最终优化效果不理想等问题进行了改进,引入了全局搜索、局部搜索和去除解集中重复解等操作,提高了算法的寻优能力。利用CEC2014测试集将ICSO算法与其他经典的群智能优化算法在不同测试函数上进行对比,用以验证所提ICSO算法的有效性。(3)通过一系列仿真对所提的ICSO优化算法求解能量波束成形功率方向图的优化问题进行验证。首先,针对该优化问题,对ICSO算法的相关参数进行了调优,以使其达到最好的优化效果;然后,使用ICSO算法和一些经典的群智能优化算法,对不同规模的平面阵列天线分别进行了功率方向图的优化实验,通过对实验结果的分析可知,相较于一些经典的群智能优化算法,ICSO算法具有更好的优化效果,能够更大限度地降低最大旁瓣电平;此外,还进行了电磁仿真实验来对比不同算法所得到的功率方向图。实验结果表明,ICSO算法依旧有最佳的优化能力,可以被用来解决真实环境下阵列天线功率方向图的优化问题。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
阵列方向图优化论文参考文献
[1].赵方园,陈阳阳,赵书敏,蒋忠进.一种矩形口径叁角网格平面阵列的方向图数值优化方法[J].航空兵器.2019
[2].申国君.基于改进鸡群算法的无线能量传输阵列天线方向图优化[D].吉林大学.2019
[3].仇永斌,张树春,王元诚,范文澜,李德鑫.最优粒子初值有效估计的线阵列方向图优化算法[J].系统仿真学报.2018
[4].梁爽,孙庚,刘衍珩.改进布谷鸟算法用于阵列天线方向图优化[J].西安电子科技大学学报.2019
[5].李晗.基于群体智能的阵列天线方向图优化及修复方法研究[D].吉林大学.2018
[6].刘角.生态系统粒子群算法及其在阵列天线方向图优化中的应用[D].太原理工大学.2016
[7].周鹏,秦叁团.一种基于HFSS结合遗传算法进行阵列天线方向图优化的研究[J].现代电子技术.2016
[8].陈海燕.超宽带低副瓣阵列天线方向图的快速计算与优化研究[D].西南交通大学.2016
[9].陈海燕,熊祥正,陈凯亚,廖成.叁角形栅格阵列天线方向图的快速计算与优化[J].电讯技术.2016
[10].禚真福,杨永建,樊晓光,王晟达,南建国.改进二分粒子群优化算法的阵列方向图综合[J].系统工程与电子技术.2015