[发明专利]基于序列二次规划的低旁瓣线性稀布阵列天线优化方法

权利要求书

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N_a以及阵列天线方向图的主瓣宽度f_W＝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_max,θ_max]，由最大角度值θ_max和阵列天线方向图的主瓣宽度f_W，确定需要进行旁瓣抑制的归一化角频率范围[f_W/2,f_max]，其中，f_max＝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[f_W/2,f_max]均匀离散化，得到离散角频率范围其中，f_i，i＝1,2,…,N_f为离散角频率，N_f为离散角频率的个数；

4）根据步骤1）得到的线性稀布阵列天线的天线孔径D、阵元个数N_a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：

minβ,w|aH(fi)W/Na|2]]>

s.t.W^H(E-α·N_aI)W≥0

a(f_i)＝exp(j2πLβf_i),f_i∈f

β=(β1,β2,···,βNa-1)T,]]>

β_n≥1,n＝1,2,…,N_a-1

Σn=1Na-1βn=D]]>

其中，|·|表示取模值，(·)^H表示共轭转置，W表示权向量，是一个N_a维的列向量，s.t.表示约束条件，E表示N_a行N_a列的全1矩阵，α表示信噪比损失因子，I表示N_a行N_a列的单位矩阵，a(f_i)是离散角频率为f_i的导向向量，exp(·)表示指数，j为虚数单位，β表示阵元位置向量，是一个N_a-1维的列向量，β_n，n＝1,2,…,N_a-1是阵元位置向量β中的第n个元素，(·)^T表示转置；L为N_a行N_a-1列的下三角矩阵，其表达式为：

5）根据步骤4）中构造的线性稀布阵列天线优化的目标函数和约束条件，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和权向量

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和权向量按如下步骤进行：

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0；

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1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0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β′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；否则，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和权向量