光學(xué)相控陣柵瓣的改善及優(yōu)化方法
發(fā)布時(shí)間:2021-09-23 00:40
光學(xué)相控陣技術(shù)具有掃描速度快、掃描精度高以及靈敏度高等優(yōu)點(diǎn),但是柵瓣的存在很大程度上限制了它的特性。提出了一種優(yōu)化的不等間距方法,用于光學(xué)相控陣的光束掃描控制,分析了不等元素間距的光學(xué)相控陣對(duì)柵瓣抑制的影響,其中,通過(guò)改進(jìn)的粒子群優(yōu)化算法優(yōu)化相鄰元素的間距,得到最小峰值旁瓣電平。對(duì)一維光學(xué)相控陣進(jìn)行數(shù)據(jù)模擬,仿真結(jié)果表明,采用改進(jìn)的粒子群優(yōu)化算法優(yōu)化元素分布可以很好地抑制柵瓣,峰值旁瓣電平(PSLL)可以降低至0.2以下。
【文章來(lái)源】:電光與控制. 2020,27(02)北大核心CSCD
【文章頁(yè)數(shù)】:4 頁(yè)
【部分圖文】:
N個(gè)陣元組成的等間距一維光學(xué)相控陣模型圖
E(θ)= ∑ n=0 Ν-1 e j[ 2π λ ∑ m=0 Ν-1 d m (sinθ-sinθ s )] 。 (5)2 不等間距光學(xué)相控陣的改進(jìn)
為了實(shí)現(xiàn)對(duì)柵瓣的最佳抑制,采用改進(jìn)的粒子群優(yōu)化算法優(yōu)化不等間距,優(yōu)化算法的流程如圖3所示。將粒子群算法與混沌優(yōu)化算法相結(jié)合,對(duì)慣性權(quán)重進(jìn)行優(yōu)化。首先,在加工技術(shù)的限制下,隨機(jī)生成一組初始元素間距,將其作為粒子在粒子群算法中使用,然后,對(duì)這些粒子在解決問(wèn)題方面進(jìn)行適應(yīng)性評(píng)估,用峰值旁瓣電平(PSLL)的大小作為評(píng)估優(yōu)異程度的標(biāo)準(zhǔn)。當(dāng)PSLL越小時(shí),表示優(yōu)化得越好,即
本文編號(hào):3404679
【文章來(lái)源】:電光與控制. 2020,27(02)北大核心CSCD
【文章頁(yè)數(shù)】:4 頁(yè)
【部分圖文】:
N個(gè)陣元組成的等間距一維光學(xué)相控陣模型圖
E(θ)= ∑ n=0 Ν-1 e j[ 2π λ ∑ m=0 Ν-1 d m (sinθ-sinθ s )] 。 (5)2 不等間距光學(xué)相控陣的改進(jìn)
為了實(shí)現(xiàn)對(duì)柵瓣的最佳抑制,采用改進(jìn)的粒子群優(yōu)化算法優(yōu)化不等間距,優(yōu)化算法的流程如圖3所示。將粒子群算法與混沌優(yōu)化算法相結(jié)合,對(duì)慣性權(quán)重進(jìn)行優(yōu)化。首先,在加工技術(shù)的限制下,隨機(jī)生成一組初始元素間距,將其作為粒子在粒子群算法中使用,然后,對(duì)這些粒子在解決問(wèn)題方面進(jìn)行適應(yīng)性評(píng)估,用峰值旁瓣電平(PSLL)的大小作為評(píng)估優(yōu)異程度的標(biāo)準(zhǔn)。當(dāng)PSLL越小時(shí),表示優(yōu)化得越好,即
本文編號(hào):3404679
本文鏈接:http://sikaile.net/kejilunwen/wulilw/3404679.html
最近更新
教材專(zhuān)著