基于粒子群算法的阵列波束宽零陷优化设计

作为一种新型的群智能随机优化算法,粒子群优化（PSO ）算法在解决各种非线性复杂问题上得到了广泛的应用。研究了粒子群优化算法在阵列天线方向图零陷加宽技术上的应用,通过实例表明粒子群算法能够在较宽的角度区间上形成满足要求的零陷,在抗干扰应用方面具有较高的应用前景。     

基于混沌遗传算法的宽零陷波束赋形方法

针对传统自适应波束形成技术形成的零陷较窄,可能引起无法准确对准干扰方向而产生抑制失效的问题,提出了一种基于混沌遗传算法（Chaos-Genetic Algorithm,CGA）的宽零陷波束赋形方法。该方法通过建立宽零陷波束赋形数学模型,采用融合混沌技术的遗传算法进行优化;利用混沌序列初始化粒子位置,并在遗传交叉算子中引入变尺度混沌扰动项,增强种群多样性和跳出局部最优的能力,实现全局和局部搜索能力的提高,有效提高收敛精度和加快收敛速度。仿真结果验证了采用新方法能够在预定位置形成较深的宽零陷,具有较好的稳健性。     

三次型权值粒子群算法用于共形阵列宽零陷综合

本文提出了一种改进的粒子群算法,并用于圆柱阵宽零陷综合的幅度对称优化。采用周期性三次型惯性权值变化策略,同时对适应度值进行实时监测判定并对粒子重新赋值,明显改善了原有算法的收敛速度,有效避免了算法收敛于局部最优。仿真实验表明,对给定条件下的有向圆柱阵列,能够实现含多个宽零陷的方向图,且迭代次数明显降低,证明了该算法的正确性和有效性。      

基于粒子群优化算法的阵列天线方向图综合

粒子群优化算法（PSO）是一种基于群智能的随机优化算法,其理论简单,参数少,易于实现,可用于解决大量非线性、不可微和多峰值的复杂问题。本文介绍了粒子群算法的基本原理和基本流程,研究了如何将这种方法应用于阵列天线的方向图综合上,给出了PSO 算法在阵列天线方向图综合的应用实例,结果表明粒子群算法在阵列天线方向图综合上有很好的应用前景。     

基于G-S正交化方法的宽零陷方向图综合

在线性阵列天线方向图无约束Gram-Schmidt(G-S)正交化综合方法基础上加入零点导数约束条件实现宽零陷波束图综合.此方法保持了无约束正交化方法中因采用对阵列导向矢量正交化处理而使得计算简便的优点,适合均匀或非均匀直线阵的综合.实验结果表明,此零点约束正交方法能很好实现在零阶、一阶和二阶导数约束条件下线性阵列波束图的综合.     

粒子群优化算法用于阵列天线方向图综合设计

粒子群优化算法是基于一群粒子的智能运动而产生的一类随机进化算法,其优点是算法非常利于理解和应用.本文介绍了粒子群算法的原理和流程,研究了如何将这种方法运用于天线阵的方向图综合上,给出了PSO算法在综合阵列方向图的应用实例,表明粒子群算法在天线阵列综合中具有广泛的应用前景.     

基于改进粒子群算法的天线方向图综合技术

针对基本粒子群算法的早熟收敛、易收敛于局部极值的特点，提出一种改进的粒子群优化算法，采用对全局最佳微扰和惯性权重跳变阈值的设置改善了算法的优化速度和收敛精度。经过对一系列测试函数的计算，证明该方法具有良好的优化效果。最后，给出了该方法应用于阵列天线方向图综合中的模型和仿真实例。     

基于停滞检测粒子群算法的阵列天线方向图综合

在线性递减权重粒子群算法的基础上提出了一种改进的粒子群优化算法.新算法采用了合适的邻域结构,通过停滞检测以及对全局最佳粒子的微扰改善了算法的优化速度和收敛特性.仿真结果表明:将此算法应用于天线方向图综合中,在多零点和低旁瓣约束情况下可以取得良好的优化效果.     

基于一种新的粒子群算法的天线方向图综合技术

该文在线性递减权重粒子群算法的基础上提出了一种新的准粒子群优化算法。新算法借鉴了遗传算法中交叉的思想并采用了对偶算法模型改善了算法的优化速度和收敛特性。仿真表明,将此算法应用在天线方向图综合中,取得了良好的优化效果。     

新的混沌粒子群优化算法

针对传统粒子群算法初期收敛较快,而在后期容易陷入早熟、局部最优的特点,提出了一种新的混沌粒子群优化算法,不同于己有的混沌粒子群算法的简单粒子序列替换,该算法将混沌融入到粒子运动过程中,使粒子群在混沌与稳定之间交替运动,逐步向最优点靠近。并提出了一种新的混沌粒子群数学模型,进行了非线性动力学分析。数值测试结果表明该方法能跳出局部最优,极大提高了计算精度,进一步提高了全局寻优能力。     

Linear antenna array synthesis using cat swarm optimization

Antenna arrays with high directivity and low side lobe levels need to be designed for increasing the efficiency of communication systems. A new evolutionary technique, cat swarm optimization (CSO), is proposed for the synthesis of linear antenna arrays. The CSO is a high performance computational method capable of solving linear and non-linear optimization problems. CSO is applied to optimize the antenna element positions for suppressing side lobe levels and for achieving nulls in desired directions. The steps involved in the problem formulation of the CSO are presented. Various design examples are considered and the obtained CSO based results are validated by comparing with the results obtained using particle swarm optimization (PSO) and ant colony optimization (ACO). The flexibility and ease of implementation of the CSO algorithm is evident from this analysis, showing the algorithm's usefulness in electromagnetic optimization problems.     

基于离网格结合粒子群算法的稀疏阵列综合

针对大型稀疏阵列未知期望方向图的综合问题, 提出了一种基于离网格结合粒子群算法的方法综合稀布阵列单元位置以使增益最大化.该方法在粒子群算法的基础上, 再次在网格单元中进行梯度寻优, 能快速找到增益最大时对应的阵元位置且无需已知期望方向图.该算法对稀疏阵列综合效果良好, 增益提升显著且扫描过程中栅瓣抑制良好.通过对综合结果进行HFSS全波仿真对比, 数值仿真结果与综合结果基本一致, 证明了该方法的正确性.     

基于多目标粒子群算法的小型化槽螺旋天线研究

设计了一种小型化的槽螺旋天线。首先在普通的槽螺旋天线臂上开槽,再在天线最外圈的天线臂上加载6个等距分布的贴片电阻,基于多目标粒子群算法对开槽位置和贴片电阻阻值进行优化,使得天线的工作频率向低频偏移,同时保证具有良好的圆极化辐射特性。仿真结果表明:在0.44~18.00 GHz频段内回波损耗小于–10 d B,1.8~18.0 GHz频段内轴比小于3dB。与普通的螺旋天线相比,在天线口径不变的情况下,极大地改善了天线的低频端的辐射特性。     

一种改进的混沌粒子群优化算法

粒子群优化算法（PSO）自提出以来,已经被广泛地应用于求解各类复杂的优化问题,过去对粒子群算法的研究主要集中在融入新的优化方法或对其相关参数进行调整,但这样只会使得PSO更加复杂.针对这一问题,文中提出一种改进的混沌粒子群优化算法（ICPSO）,ICPSO从粒子群优化算法的时间与寻优实时角度出发（即在较短的时间内获得较好的解）,对粒子速度更新算子进行了简化,每隔一定代数后,在最优解邻近区域引入混沌扰动以避免种群陷入局部最优解.数值实验结果表明：提出的算法相对于文献给出的PSO改进算法,不仅能够获得较好的最优解,而且还具有较快的收敛速度和较好的稳定性.     

二进制猫群算法在大规模MIMO天线选择中的应用

在多输入多输出(MIMO)系统中,天线选择技术平衡了系统的性能和硬件开销,但大规模MI-MO系统收发端天线选择复杂度问题一直没有得到很好的解决.基于信道容量最大化的准则,采用两个二进制编码字符串分别表示发射端和接收端天线被选择的状态,提出将二进制猫群算法(BCSO)应用于多天线选择中,以MIMO系统信道容量公式作为猫群的适应度函数,将收发端天线选择问题转化为猫群的位置寻优过程.建立了基于BCSO的天线选择模型,给出了算法的实现步骤.仿真结果表明所提算法较之于基于矩阵简化的方法、粒子优化算法具有更好的收敛性和较低的计算复杂度,选择后的系统信道容量接近于最优算法,非常适用于联合收发端天线选择的大规模MIMO系统中.     

采用FFT-PSO策略的多约束稀疏阵天线方向图综合

采用稀疏布阵的相控阵测控天线,阵元等幅激励时的阵列峰值副瓣电平无法满足指标要求.在考虑天线增益、半功率波束宽度等指标约束时设计了合适的适应度函数,并基于粒子群算法(PSO)对阵元激励幅度进行优化以降低天线副瓣电平.同时,分析了等间距栅格平面阵列天线方向图与离散傅里叶变换的关系,采用快速傅里叶变换(FFT)降低了阵列方向图计算复杂度.仿真结果表明,该方法可有效降低峰值副瓣电平和计算复杂度.     

Performance improvement of high altitude platform using concentric circular antenna array based on particle swarm optimization

This paper proposes a beamforming technique based on finding the optimum current weights using comprehensive learning particle swarm optimizer (CLPSO) for side-lobe level (SLL) reduction. In a wireless communication network operated by high altitude platforms (HAPs), the key factor for the carrier to interference ratio (CIR) improvement is the antenna SLL reduction. The antenna array configuration is chosen as concentric circular antenna array (CCAA) and the HAPs cellular system is consisting of 169 cells. Compared to other techniques, the proposed method can significantly suppress SLL and this can reduce the co-channel interference for HAPs cellular networks design which leads to a significant improvement in CIR.     

MIMO系统中改进的二进制粒子群天线选择算法

在多输入多输出系统中,发射端和接收端的多天线配置提高了信道容量和传输可靠性,而天线选择技术能在保持系统优点的同时有效地降低运算复杂度以及硬件成本。为了能在时变的信道条件下快速地选择出一组最优的天线子集,提出了一种基于二进制粒子群算法的改进的天线选择算法。推导出了二进制粒子群联合收发端天线选择的信道容量公式,并将其作为粒子群算法的适应度函数,使天线选择问题转换成二进制编码串的组合优化问题。通过改进模糊函数提高粒子群算法的收敛性,让二进制粒子群尽可能地收敛于全局最优位置。仿真结果表明,改进的算法能在降低运算复杂度的同时提高收敛性,且系统信道容量趋近于最优算法。