[发明专利]一种相控阵列天线副瓣快速计算方法及降副瓣方法

说明书

本公开的一种相控阵列天线副瓣快速计算方法及降副瓣方法，通过基于所述相控阵列天线的阵因子，得到所述相控阵列天线的功率方向图；对所述相控阵列天线的功率方向图进行推导，得到功率方向图中任意一点与距离参考点最近的峰值之间的差值，将所述差值作为所述相控阵列天线的副瓣精确位置；将所述相控阵列天线的副瓣位置代入到所述相控阵列天线的阵因子，计算得到所述相控阵列天线的副瓣大小。能够结合遗传算法，对任意一维二维分布的相控天线进行阵列综合，实现相控阵列天线副瓣快速降幅，计算时间短，算法效率高。

技术领域

本发明属于相控阵列天线技术领域，具体涉及一种相控阵列天线副瓣快速计算方法及降副瓣方法。

背景技术

相控阵列天线在现代雷达系统中有着很广泛的应用，衡量相控阵列天线性能的优劣需要通过对其方向图进行研究，而低副瓣是相控阵列天线方向图的一个重要的指标参数。

低副瓣意味着电磁波能量主要从事先设计好的波束方向发射出去和接收回来。相控阵列天线方向图与相控阵列的规模、阵元分布、馈电幅度、馈电相位等参数有关。其中，馈电幅度一般由阵元的衰减器控制，相位由移相器控制，在现代雷达中，主要使用数字移相器来实现相移，但是在相移过程中易产生误差，例如一个p位移相器的相位步进为360°/2^p，会产生量化误差。

为了实现所需的低副瓣指标，需调节相控阵列天线的规模、阵元分布、移相器、衰减器，以改变天线方向图形状，这个优化过程被称为阵列综合。由于相控阵列参数与天线方向图呈现非线性关系，故多采用全局最优化算法作为阵列综合的算法，常见的全局最优化算法包括遗传算法、粒子群算法、模拟退火算法等等。

遗传算法是最典型的全局最优化算法之一，是模仿自然界生物进化机制发展而来，最早由美国的J.H.Holland教授提出。遗传算法在搜索过程中自动获取和积累有关搜索空间的知识，并自适应地控制搜索过程以求得最优解，遗传算法的过程如图1所示，因此在利用遗传算法进行副瓣优化过程中包含循环反复迭代过程，每次迭代都要计算出副瓣的大小，作为算法适应度或者约束条件。

传统的副瓣计算方法，需要将整个天线方向图完整仿真出来，再在副瓣区域寻找最大副瓣。例如，对于二维相控阵列天线来说，若每个维度的角度采样数为m，每次方向图的仿真需要计算m×m次方向图阵因子，采用全局最优算法优化，以遗传算法为例，经过的M次循环过程，每次循环种群为N，每次循环整体需要计算m×m×M×N次阵因子，计算时间长，算法效率低。

发明内容

有鉴于此，本公开提出了一种相控阵列天线副瓣快速计算方法及降副瓣方法，能够结合遗传算法，对任意分布的相控天线进行阵列综合，实现相控阵列天线副瓣快速降幅，计算时间短，算法效率高。

根据本发明的一方面，提出了一种相控阵列天线副瓣快速计算方法，所述方法包括：

基于所述相控阵列天线的阵因子，仿真得到所述相控阵列天线的功率方向图；

对所述相控阵列天线的功率方向图进行推导，得到功率方向图中任意一点与距离参考点最近的峰值之间的差值，将所述差值作为所述相控阵列天线的副瓣精确位置；

将所述相控阵列天线的副瓣位置代入到所述相控阵列天线的阵因子，计算得到所述相控阵列天线的副瓣大小。

在一种可能的实现方式中，所述相控阵列天线是一维或二维的。

根据本公开的另一方面，提出了一种基于上述的相控阵列天线副瓣快速计算的降副瓣方法，所述方法包括：

P1：初始化所述相控阵列天线阵元个数、分布、相位、馈电幅度、各阵元的幅度误差和相位误差；

P2：根据所述相控阵列天线的阵因子和所述相控阵列天线阵元的分布、相位、馈电幅度、幅度误差和相位误差，计算得到一组所述相控阵列天线副瓣的初始位置，所述初始位置作为所述相控阵列天线副瓣的参考位置；