[发明专利]一种基于天线阵列误差的低副瓣复权向量优化方法

说明书

本发明属于雷达信号处理领域，公开了一种基于天线阵列误差的低副瓣复权向量优化方法，包括如下步骤：建立阵列天线模型为均匀线阵，获取所述均匀线阵的方向图函数表达式；根据所述均匀线阵的方向图函数表达式，得到考虑幅相误差的方向图函数表达式，所述考虑幅相误差的方向图函数表达式为关于复权向量的函数表达式；根据所述考虑幅相误差的方向图函数表达式，建立关于复权向量的目标代价函数；采用差分进化算法求解所述目标代价函数，得到优化后的复权向量，解决在考虑阵列幅相误差情况下，天线副瓣电平对误差较为敏感的问题。

技术领域

本发明属于雷达信号处理技术领域，尤其涉及一种基于天线阵列误差的低副瓣复权向量优化方法，在考虑阵列误差情况下，应用差分进化算法对阵列天线旁瓣电平和主瓣宽度进行优化，达到目标要求。

背景技术

低副瓣是雷达天线的重要技术指标之一。这种特性不仅可以克服杂波干扰，而且可以降低被敌方发现的概率。如果对阵列天线的激励不作任何加权处理，其第一副瓣电平理论值大约为-13.5dB，达不到相控阵雷达对副瓣电平的要求。在实际设计天线的过程中，不可避免的会引入随机误差，使得阵列的口径分布发生变化，直接影响天线阵的性能。随机误差的引入最终都可以表现为阵列各个单元的幅度误差和相位误差，故需要研究在随机幅相误差影响下，阵列天线副瓣电平的优化问题。

目前解决低副瓣问题的通常可分为解析方法和数值方法。经典的解析方法有切比雪夫综合方法、泰勒综合方法等，这一类方法设计简单，但是由于阵列两端阵元的激励幅度与其相邻阵元相差较大，给天线的馈电带来了很大的困难，而且阵元激励幅度的微小误差就会使旁瓣电平产生很大的波动。

在数值方法里面的进化算法中，差分进化算法相比于粒子群和遗传算法来说，整体性能较优。在编码标准方面，遗传算法采用二进制编码，相比粒子群和差分进化算法的实数编码来说有一定的误差；参数设置方面，差分进化算法只有两个参数需要调整，而且参数的调整对结果影响不大，而粒子群和遗传算法的参数较多，不同的参数对收敛速度和过早收敛到局部极值点的影响较大；对于高维问题，遗传算法收敛速度很慢甚至不能收敛，但是粒子群和差分进化算法则可以很好的解决，特别是差分进化算法，收敛的较快而且结果较准确；在收敛性能方面，对于优化问题，相对于遗传算法，差分进化算法和粒子群算法收敛速度较快，但是粒子群容易陷入局部极值点且不稳定。

发明内容

针对上述问题，本发明的目的在于提供一种基于天线阵列误差的低副瓣复权向量优化方法，解决了传统方法方向图的旁瓣电平对阵元误差很敏感的问题。

为达到上述目的，本发明采用如下技术方案予以实现。

一种基于天线阵列误差的低副瓣复权向量优化方法，所述方法包括如下步骤：

步骤1，建立阵列天线模型为均匀线阵，获取所述均匀线阵的方向图函数表达式；

步骤2，根据所述均匀线阵的方向图函数表达式，得到考虑幅相误差的方向图函数表达式，所述考虑幅相误差的方向图函数表达式为关于复权向量的函数表达式；

步骤3，根据所述考虑幅相误差的方向图函数表达式，建立关于复权向量的目标代价函数；

步骤4，采用差分进化算法求解所述目标代价函数，得到优化后的复权向量。

本发明与现有技术相比具有以下特点：