一、运用遗传算法综合稀疏阵列(论文文献综述)
肖涵[1](2021)在《考虑互耦效应的非均匀阵列天线布局优化研究》文中进行了进一步梳理车载相控阵雷达是我国重要的军事装备。阵列天线作为其核心组成部分,其优质构型的设计对于实现高性能、轻量化、低复杂度馈电系统的雷达系统起着至关重要的作用。非均匀阵列(例如:稀布阵、稀疏阵)作为一种有效的阵列天线布局形式,有助于阵列天线的轻量化和性能提升设计。在非均匀阵列天线布局优化设计中,阵列布局形式的变化会造成阵列单元之间互耦效应的变化,导致常规弱耦合阵列天线布局设计的优化方法无法保证其性能的精准设计。因此,研究建立考虑互耦效应的非均匀阵列天线布局设计的优化方法成为需要解决的关键问题。本文针对平面非均匀阵列天线的设计,研究基于参数化矩量法的强耦合天线阵列布局优化设计,建立优化设计模型,具体设计了稀布式环式平面阵列和稀疏式平面阵列天线。主要研究内容和成果如下:(1)基于参数化矩量法,建立了考虑互耦效应的阵列天线非均匀布局设计的优化问题的提法及求解方法。首先,建立了阵列天线非均匀布局设计的一般优化模型。为了准确考虑阵列布局形式变化对阵元间互耦效应的影响,构造了基于坐标映射的、适用于阵列天线非均匀布局设计的参数化矩量法分析模型。基于伴随法,解析推导了目标函数关于设计变量的灵敏度信息的一般列式。采用能够利用灵敏度信息的梯度优化算法求解优化问题,并给出了优化问题求解方法的一般流程。(2)建立了考虑互耦效应的环式阵列天线布局设计的优化方法。建立了面向高主瓣增益、低旁瓣电平设计的稀布圆环阵列天线布局设计的优化模型及求解方法。数值算例结果表明:所建立的方法能够有效求解稀布圆环阵列天线的布局优化问题,且与基于遗传算法的设计方法相比,在保持天线阵辐射性能的条件下,所提方法在优化问题求解效率方面有大幅提升。面向环式天线阵列的小型化设计需求,在所建立的稀布圆环阵列天线优化模型的基础上,引入了轴比和阵列单元在椭圆环上的位置作为设计变量,建立了稀布椭圆环阵列布局设计的优化模型,具体设计了新的稀布椭圆环阵列天线。数值结果表明:相比于圆环阵列天线的优化结果,所设计的椭圆环阵列天线不仅具有更小的孔径面积,而且辐射性能还有所提升。(3)基于拓扑优化思想提出了稀疏阵列天线的方向图合成方法。将稀疏阵列天线设计的优化问题看作为等效的、考虑导体材料在各阵列单元中是否存在的拓扑优化问题。建立了以最大化主瓣与旁瓣区域辐射能量差为目标函数的稀疏阵列天线布局设计的优化模型。为了利用梯度算法求解优化问题,同时能够有效表征导体材料和绝缘材料之间阻抗特性差异无限大的特点,引入了具有自惩罚功能的正切型材料插值模型,以自动获得0-1分布的离散解。基于所建立的优化方法,设计了典型稀疏方阵和稀疏圆环阵列的布局形式,同时研究了激励阵列单元数目对阵列天线辐射性能的影响。最后讨论了在稀布天线阵列的基础上进一步稀疏的必要性。
郭明宇[2](2021)在《非周期阵列的布阵优化和波束优化方法研究》文中指出阵列天线方向图的优化问题一直是阵列天线研究领域的关键问题,而相比于周期阵列,非周期阵列在实际应用中具有阵元数目少,成本低,自由度高等显着的优势。从阵列天线方向图的公式可知,阵列方向图主要取决于阵元空间位置分布和阵元激励。所以,优化阵列方向图的思路可以分为两个方面:一是通过优化阵元的空间位置排布,称之为布阵优化,二是通过调整每个阵元的激励值来优化方向图,称之为波束优化。本文的主要内容,就是研究非周期阵列的布阵优化和波束优化方法。本文中的主要研究内容和工作如下:1.介绍了任意阵列天线方向图的基本公式和两种经典的非周期阵列的布阵优化和波束优化方法,并对这两种方法进行了简单的仿真实验验证。2.针对稀疏平面阵列的布阵优化问题,采用遗传算法建立起了遗传算法布阵优化模型并进行了仿真实验验证。接下来将问题引入到平面分子阵布阵的情形上,采用了经典遗传算法与子阵判重的外接圆法相结合的方法。更进一步地,对于平面分子阵布阵优化的问题中仍然存在的问题,本文分别从遗传算法和子阵判重两个方面进行改进,提出了一种基于改进遗传算法的新型平面分子阵布阵方法,进一步提升了算法的优化效果。3.传统的波束优化对于非周期阵列的表现不佳,所以本文介绍了矩阵束方法和压缩感知方法两类同时优化阵元位置和阵元激励的方法。其中,对于压缩感知类方法的天线阵列稀疏重建过程本文研究了一种新的基于交替方向乘子法的求解方法,与其他方法相比,它能够应用于多种复杂方向图的综合问题中,在大型阵列中保持较快的求解速度,具有相当的灵活性。4.针对单方向图一次只能实现一个方向图,应用范围较窄的问题,本文研究了扩展矩阵束方法和基于多测量向量的多方向图联合优化方法,实现了在同一组天线分布下联合重建出多个互不相关的方向图。并在单方向图交替方向乘子法的基础之上,提出了一种基于交替方向乘子法算法的多方向图综合优化方法,通过仿真实验对这些方法的可行性进行了验证。
潘延[3](2021)在《基于稀疏阵列的近场波束控制技术研究》文中研究指明近场波束控制技术可以对天线阵列的发射能量聚焦目标进行调整,在微波生物医学热疗、无线电力传输、RFID和遥感等领域已经得到广泛的运用。当天线阵列工作于辐射近场区时,在研究的过程中便不能采用远场假设,此时需要针对近场场景建模,进行近场天线阵列的研究和仿真。为了进一步提高近场天线阵列的性能,实现近场聚焦距离下的低旁瓣波束、赋形波束等特殊形状的波束,通常以增加天线阵元数量的方式来提高设计自由度,对阵列辐射能量进行调整。随着阵元数量的提高,整个系统的资源开销随之增长,并且阵列设计的难度也大幅提升。因此,针对近场阵列的控制技术具有丰富的研究前景。本文对近场天线阵列中波束控制和阵列设计开展研究,简要概括为以下几个方面:1.本文对近场天线阵列的数学模型进行分析,分别依据阵列信号处理理论和天线阵列理论建立不同模型,并通过理论分析和仿真的方式阐述两者的区别。其中基于天线阵列理论的近场阵列模型对距离维度下的焦点偏移现象有正确的反馈,故本文以该模型为基础进行后续研究。2.本文以自适应阵列理论为基础,提出了一种全局波束响应控制的算法。受到自适应波束形成中最优权向量的启发,将权向量设计为迭代的形式,在近场观测区域内任意一点实现灵活的响应控制,以此为基础进行全局控制。为了提高波束性能,引入最大白噪声增益对该权向量中的参数进行设计,实现低旁瓣波束设计和赋形波束设计。最终展示多组仿真实验,并与传统的波束控制方法进行对比,证明本文所提出的算法能实现良好的波束聚焦性能。3.采用传统遗传算法、贪婪搜索算法进行稀疏阵列设计。为了提高遗传算法的收敛性能,引入概率学习方法对其进行改进;为了降低搜索算法在阵列设计中的时间复杂度,采取模式搜索算法提高搜索效率。在指定阵列稀疏率的场景中,对均匀阵列进行精简,以仿真验证说明本文所设计的算法能在最小化旁瓣性能损失的前提下降低资源开销。4.本文针对2.4GHz的5×5平面阵列和80MHz的41×41平面阵列,将上述波束控制算法和稀疏阵列设计方法联合使用,在稀疏率为70%的条件下进行阵列设计,实现满足旁瓣水平要求的聚焦波束,通过仿真说明本文所提出的联合设计方法能够以主瓣部分性能损失为代价进行稀疏阵列下的低旁瓣设计。
石全虎[4](2021)在《大规模稀疏阵方向图综合及子阵划分技术研究》文中研究说明方向图综合技术一直以来都是阵列信号处理领域的核心问题,这是一种通过调整阵列不同阵元权值来控制接收或发射电磁波功率在不同空间角度的分布的技术,该技术广泛应用于现代雷达、通信系统和声纳等领域。近年来,阵列规模朝着大型化的方向发展,在获得良好性能的同时,系统计算复杂度变高和复杂的馈电网络使系统实现起来极其复杂。针对阵列大型化出现的一些问题,本文立足于实际应用需求,聚焦于降低大规模阵列的计算复杂度和设计复杂度,改进基于K-means算法的子阵划分技术,结合凸优化算法和遗传算法(Genetic Algorithm,GA)的混合方法划分子阵技术,以及改进一种稀疏阵列设计技术。研究内容概述如下:(1)改进了一种应用于大规模线性阵列和平面阵列方向图综合问题的基于K-means算法的子阵划分技术。利用子阵列划分和最优权值之间的关系,将基于逼近期望方向图综合的子阵划分问题简化为确定最优子阵列配置(子阵布局及相应的子阵权值)的问题,进一步经过理论推导将该问题近似表示为聚类问题,然后,采用K-means聚类算法来求解该问题。该算法在保持窄的主瓣宽度的同时,能够极大地节省馈电节点并获得较低的峰值旁瓣电平(Peak Side Lobe Level,PSL)。(2)通过结合凸优化算法和GA,改进了一种划分子阵的混合方法,用于求解不同的基于均匀线性阵列方向图综合问题(最优聚焦波束方向图综合问题,低PSL方向图综合和逼近参考方向图综合问题)的最优子阵列布局和相应的最优子阵权值。划分子阵的优化问题是非线性并且是非凸的,难以直接求解,利用GA能够对非凸问题求解,通过编码使GA种群中的个体对应于子阵列划分方案,对于确定的子阵列布局,上述不同方向图综合问题退化为仅仅关于子阵列权值变量的凸优化问题,然后,将关于子阵权值变量的凸优化问题用作GA的适应度函数,并构建适当的参数作为适应度值。最后使用凸优化算法计算最优子阵列权值并计算个体的适应度值,经过迭代,找到全局最优的子阵划分及子阵权值。(3)改进一种应用于宽带信号恒定束宽的基于迭代1范数稀疏阵列设计算法,利用1范数近似替换了0范数,在每次迭代计算过程中,对同一阵元的一组抽头权值乘上相等的系数,控制同一阵元的抽头权值朝着相同的趋势变化,经过多次迭代,抽头权值向量的2范数远远小于其他阵元的阵元被认为是不被激活的,达到稀疏设计的目的。
简丽蓉[5](2021)在《稀布阵列特性及优化方法研究》文中认为阵列天线因其具有高增益、低副瓣的方向图,容易实现波束扫描以及特殊波束赋形等优势,已经广泛应用于现代卫星通信、生物医学以及电子对抗等领域。近年来,随着人们对雷达系统以及无线通信系统中阵列天线的信息处理能力以及多频段信号截获能力要求越来越高,探索阵列天线的优化设计方法使其往大规模宽频宽角发展变得尤为重要。然而半波长间距的均匀相控阵进行规模扩展时面临成本过高、散热困难,满阵间距较小造成耦合较强的问题,稀布阵列综合方法已成为降低成本、提高软硬件设计自由度关键技术之一。本文以此为背景,围绕大间距宽角扫描、栅瓣抑制以及宽频低副瓣的稀布阵列综合问题展开了研究,主要工作内容如下:首先,针对稀布阵列在给定口径下,阵元数量对阵列性能影响的问题,以概率方法为基础,对稀布阵列以及密度抽样的稀疏阵列进行了性能研究,并通过算例对稀布阵列特性进行了总结,为实际阵列综合问题提供了先验知识。其次,针对稀布阵列综合方法中大间距宽角扫描、栅瓣抑制的问题,以遗传算法和粒子群算法为基础,加入阵元合并过程,提出了基于模块化子阵综合技术的稀布阵列设计方法,并通过给定频段的收发阵列算例表明了两种算法在保证阵列性能的前提下,实现了大规模稀布阵列的快速评估和低副瓣综合,解决了大间距阵元下的波束扫描问题。最后,针对稀布阵列宽带低副瓣综合的问题,以Schlottmann Tiling为理论基础,提出了一种在宽带内能抑制栅瓣且达到低副瓣效果的非周期平铺天线阵列设计方案,方案基于一种增加扰动点的技术,并与EPSO优化算法相结合,通过面阵以及模块化子阵拼接成大规模阵列的算例验证了本方法的性能,优化的阵列在保证以低频半波长为最小阵元间距布阵的同时,可以满足二倍频甚至更高频率的带宽内无栅瓣,且可以在空间中任意角度进行扫描。
辜杨[6](2020)在《波束扫描稀疏阵列天线综合方法的研究》文中指出稀疏阵列综合技术作为雷达工程领域中的重要技术之一,一直以来受到众多学者的关注。与常规均匀分布满阵阵列天线相比,稀疏阵列可以产生相同的辐射波束宽度、相近的天线增益和较低的副瓣电平,但是其成本和功耗远低于传统均匀分布满阵天线。由于稀疏阵列综合技术复杂度较高、需要的计算量较大,大部分相关的研究常聚焦于具有固定波束指向的稀疏阵列,关于具有宽角扫描波束的稀疏阵列综合方面的报道较少。遗传算法可以获得全局最优结果,但是对于多维度多参数的优化问题而言,其计算量巨大,很少应用于波束扫描稀疏阵列综合;而高斯过程回归算法基于已有样本进行预测,可以用于提高优化效率。因此,本文基于遗传算法,融合增广矩阵算法和高斯过程回归算法,对稀疏阵列的综合技术进行了研究,减少了综合过程的计算量,提高了优化效率,主要工作如下:首先,详细介绍了所提出综合方法的原理和实施方案。该方法在解决稀疏阵列的孔径约束、最小阵元间距约束问题的基础上,采用了两层遗传算法优化阵元位置和对应的激励分布。针对高纬度多参数的复杂非线性问题的优化产生的计算量过大的难题,该综合方法融合了增广矩阵束算法为实数遗传算法提供初值,提高了遗传算法的收敛速度;同时,高斯过程回归算法加入到综合方法中,以预测代替部分计算,可以有效减少整体计算量。其次,采用所提出的综合方法综合稀疏线阵。针对不同类型的天线辐射单元设计了三个口径分别为15.5λ0、11.5λ0、9.5λ0的稀疏线阵,其所对应的均匀满阵的规模分别为1×32、1×24、1×20。综合出的稀疏阵分别具有19、15、13个单元,达到了40.625%、37.5%和35%的稀疏率。将综合结果和全波分析结果进行了对比,验证了所提出的算法设计稀疏线阵的有效性。根据三种单元构成的稀疏阵HFSS仿真结果,相比均匀满阵,稀疏线阵只需要较少的单元数、损失部分方向性系数即可获得相近的波束宽度和更低的旁瓣电平。由于稀疏率以及迭代次数的限制,稀疏线阵波束扫描范围变窄。最后,运用提出的综合算法综合稀疏平面阵列。针对两种不同类型的天线单元分别在口径为4.5λ0×4.5λ0和5.5λ0×5.5λ0的情况下进行了波束扫描稀疏综合,其所对应的均匀满阵的规模分别为10×10和12×12。综合出的稀疏阵分别具有49和81单元,达到了51%和43.75%的稀疏率。测试单元1所构成的稀疏阵在±20°范围内辐射特性接近均匀满阵,测试单元2组成的稀疏阵在±40°的范围内可以实现与满阵相近的波束扫描效果。使用HFSS全波仿真对以上稀疏阵设计结果进行了验证,结果表明辐射主瓣特性吻合较好,由于没有考虑单元间的互耦,两者辐射副瓣特性吻合较差。这项工作为下一步进行大规模稀疏面阵的设计提供了有益参考。
桂文静[7](2020)在《大间距天线阵列的优化布阵技术研究》文中进行了进一步梳理卫星通信技术蓬勃发展,2020年4月,国家发改委将卫星互联网纳入“新基建”范围。与卫星通信的地面终端天线也进入了全面发展时期。地面终端天线高性能、低成本和轻量化的要求使得设计人员越来越偏向于选择大间距阵列天线。大间距阵列天线使用较少的阵元数就能达到同口径下满阵天线的增益。然而,大间距阵列天线中最小单元间距大于一个波长,这就导致大间距阵列天线的辐射方向图中出现不期望的栅瓣。另外,阵列天线的副瓣电平也是影响天线性能一个重要参数,较低的副瓣电平可以提高天线的分辨率,抑制杂波干扰。因此,如何合理的规避栅瓣和降低副瓣电平,就成为了本文主要研究的课题。与同口径下的满阵天线相比,大间距阵列天线所使用的阵元数目较少,因此天线系统所使用的接收发射组件的数量也减少。一方面,降低了生产成本,另一方面,减轻了天线的重量。然而大间距阵列天线高的栅瓣问题为它的使用带来了很大的困扰,阵列天线的稀布化使栅瓣抑制成为可能。由于阵列辐射方向图函数与阵元位置为复杂的非线性关系,所以多用智能优化算法对这类问题进行求解。本文主要针对大间距平面阵列天线的辐射方向图优化技术进行研究。将智能优化算法中的遗传算法进行改进,并将它用于阵列天线辐射方向图的优化综合问题,并结合模式搜索算法,对大间距阵列天线的辐射方向图进行二次优化,使得栅瓣被有效抑制。另外,针对阵列天线的副瓣电平降低问题,使用幅度加权法来降低阵列天线的副瓣电平,并且针对阵元随机分布的阵列天线,本文提出了一种新的加窗方法,有效降低了阵列天线的副瓣电平。最后,介绍了 MATLAB软件和GUI平台的一些基础知识,使用MATLAB软件的GUI平台研发了一个天线测试用户界面,此用户界面具有接收发射校准、辐射方向图测试和扫描码值产生等功能,使得繁琐的测试工作变得简便快捷。另外,对本文中优化设计的天线进行生产组装,并在微波暗室中利用此用户界面对天线进行测试,给出了仿真与测试的对比辐射方向图,并进行了简要分析。
杨冬华[8](2020)在《基于稀疏阵列的OAM-MIMO无线传输技术研究》文中研究说明电磁轨道角动量(Orbital Angular Momentum,OAM)因其模态间相互独立且正交的特性,能有效提高频谱效率和信息传递的安全性而备受关注。作为一种新的自由度,如何产生多模态OAM波是至关重要的问题。以往的基于天线阵的OAM技术采用圆形阵列,不易与基于矩形阵列的多输入多输出(Multiple-Input MultipleOutput,MIMO)多天线系统结合。本文以设计一种基于矩形MIMO天线排布的OAM-MIMO高效传输技术为目标,研究矩形天线阵产生多模态OAM波的基本理论,设计基于稀疏阵列的OAM波优化方法,研究开发基于矩形阵列的多模态OAMMIMO复用传输技术。主要研究工作概括如下:首先,本文创新性地给出了一种基于大型平面矩形阵列生成OAM波的方法。通过仿真分析不同阵列参数的平面矩形阵列生成的OAM波的幅度相位特征,证明该方法能有效生成不同模态的OAM波。其次,为了降低系统的复杂度和解决OAM波束的发散性问题,本文将稀疏阵列技术应用到OAM波的优化。在一定的稀疏率下,采用遗传算法找出最佳的稀疏阵列,在稀疏阵列上生成OAM波的同时还能实现波束的优化。此外,为了能够进一步优化OAM波,本文采用粒子群算法优化稀疏阵列激励。结果表明,对比分析OAM波在不同稀疏率和阵列激励优化下的性能,将8?8的矩形阵列的总元素减少约25%,实现旁瓣电平从-11.56 d B降低到-20.76 d B。另外,与普通平面阵列生成OAM波相比,该方法具有低成本和低复杂度等优势。最后,在基于矩形阵列产生多模态OAM波的基础上,本文建立和分析了稀疏前后的OAM-MIMO通信系统模型,并对稀疏前后的系统信道容量进行对比。仿真结果表明,随着信噪比和发射天线数量的增加,二者的信道容量也会随之增长。另外,针对模态为+1的OAM波或多模态OAM波复用的无线通信系统,在减少发射的天线同时,稀疏后的信道容量与稀疏前非常逼近。这项工作将有助于OAM在现有的大规模MIMO或2D阵列中的应用,以及对基于无线电波OAM的其他技术有帮助,如安全通信、量子加密等。
吉正飞[9](2020)在《基于非均匀阵列的平面波综合算法的优化与设计》文中研究表明伴随 5G(The 5th Generation mobile communication technology)通信技术的高速发展,各类型的多输入多输出(MIMO,Multi Input Multi Output)阵列天线的研发设计,指标性能认证以及到最后实际量产,以及各个环节都离不开射频测试技术作为保障。作为新一代的系统测试技术,相较于传统的室内多探头球面近场和室内紧缩场等测试系统,平面波产生器的占地空间和制作成本都有着很大优势,测试的精准度完全取决于综合平面波的质量,因此对于综合平面波的质量的算法优化即是本文的重点。本文从平面波综合的相关理论着手,详细的介绍了基于奇异值分解的最小二乘法,以及非均匀阵列优化算法所利用的遗传算法基础。从一维和二维两个方面着手建立模型,采用均匀排列的理想电流丝作为阵列阵元,利用最小二乘法进行平面波综合,通过计算机仿真模拟生成的综合平面波进行幅相分析,结合阵元个数的改变和采样面距离的大小,探究与综合平面波质量的一般关系。其次将半波阵子组合的天线阵作为待测天线,模拟综合平面波在实际测量中对天线扫描测试的能力。传统的平面波综合主要针对均匀阵列的阵元激励采用不同的算法进行寻优,但基本优化效果有限且复现相对困难。本文提出基于稀疏和稀布优化的非均匀阵列算法是将阵列阵元的位置进行改变,并结合最小二乘法对综合平面波进行计算寻优,将相同阵元数的均匀分布阵列和非均匀分布阵列所综合的平面波质量进行比较。相比相同阵元数传统均匀排列所综合的平面波质量有着明显优化,主要在Sub-6G频段的中心频率3GHz的基础上针对静区尺寸为1m的均匀阵列进行位置优化,有效减小阵列尺寸的30%以上且静区的幅相波动减小50%。对实际平面波产生器的制作有着更好的导向作用。
宋逸君[10](2020)在《稀疏传感器阵列水下声呐成像算法与系统实现》文中进行了进一步梳理传感器阵列水下成像系统的研究与设计是水下声呐成像的重要课题。传感器阵列水下成像是指声呐系统发射信号透射整个水下探测场景,通过平面传感器阵列接收被探测目标物的回波信号,运用波束形成并成像的过程。在波束形成中,过高的旁瓣电平会影响成像质量,旁瓣电平越高,对比度越低,水下目标的成像周围伪影越多。本文针对上述问题,进行了以下研究工作:(1)以均匀平面传感器阵列为模型,提出一种基于改进遗传算法的抑制旁瓣算法。该算法首先对阵元激励权值进行编码,以所期望的峰值旁瓣电平作为目标函数,其次根据当前种群适应度函数值灵活选择交叉、变异概率,最后保留最优激励权值并生成理想的波束图。仿真结果表明,当回波信号来自不同方向时,该算法均可有效抑制波束峰值旁瓣电平。(2)为了更好地抑制波束峰值旁瓣电平,提高成像质量,提出一种只需经过一次发射-接收信号过程即可成像的低旁瓣波束形成成像算法。该算法利用凸优化算法高效求解满足约束条件的阵元激励权值,将激励权值形成一个3D变迹函数,以幅度变迹的方式作用于各阵元接收的信号,并对幅度变迹后的各阵元接收信号采用延时求和波束形成并成像。仿真结果表明,基于凸优化的3D变迹函数方法可以有效抑制波束峰值旁瓣电平,所提出成像算法可以提高成像对比度,减少目标物成像周围的伪影。(3)研究并分析课题组设计的稀疏基阵成像系统。为确保系统带负载能力,对发射电路部分参数进行相应改进后,成功搭建并调试运行系统。将低旁瓣波束形成成像算法运用于稀疏基阵成像系统,进行自然水域水下目标成像实验。实验结果表明,所提出成像算法可以通过一次发射-接收信号过程完成对一个水下几何目标物的成像,具有实际工程应用意义。
二、运用遗传算法综合稀疏阵列(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、运用遗传算法综合稀疏阵列(论文提纲范文)
(1)考虑互耦效应的非均匀阵列天线布局优化研究(论文提纲范文)
摘要 |
Abstract |
1 引言 |
1.1 研究背景、目的和意义 |
1.2 非均匀阵列合成国内外研究现状 |
1.3 考虑互耦效应的非均匀阵列天线合成的国内外现状 |
1.4 论文主要内容及结构 |
2 基于参数化矩量法的非均匀阵列天线合成 |
2.1 非均匀阵列天线一般优化合成模型 |
2.2 控制方程的求解 |
2.2.1 方向图乘积定理 |
2.2.2 数值方法 |
2.3 基于映射的参数化矩量法 |
2.3.1 参数化矩量法求解控制方程 |
2.3.2 阵列天线的辐射性能求解 |
2.4 灵敏度列式的解析推导 |
2.5 本章小结 |
3 稀布阵列天线的合成 |
3.1 引言 |
3.2 稀布圆环阵列合成 |
3.2.1 基于参数化矩量法和梯度优化算法的圆环阵列合成模型 |
3.2.2 数值算例 |
3.3 稀布椭圆环阵列合成 |
3.3.1 基于参数化矩量法和梯度优化算法的椭圆环阵列合成模型 |
3.3.2 数值算例 |
3.4 本章小结 |
4 稀疏阵列天线的合成 |
4.1 引言 |
4.2 稀疏阵列合成 |
4.2.1 优化模型的建立 |
4.2.2 数值算例 |
4.2.3 稀疏-稀布阵列合成 |
4.3 本章小结 |
5 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
攻读硕士学位期间发表学术论文和申请发明专利情况 |
致谢 |
(2)非周期阵列的布阵优化和波束优化方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 国内外研究历史与现状 |
1.2.1 非周期阵列布阵优化的研究历史与现状 |
1.2.2 非周期阵列波束优化的研究历史与现状 |
1.2.3 方向图综合优化的新趋势 |
1.3 本文的研究内容及结构安排 |
第二章 阵列方向图优化的基本原理 |
2.1 阵列方向图 |
2.1.1 线性阵列方向图模型 |
2.1.2 任意阵列方向图 |
2.2 布阵优化方法 |
2.3 波束优化方法 |
2.4 本章小结 |
第三章 基于改进遗传算法的平面分子阵布阵方法 |
3.1 引言 |
3.2 经典遗传算法稀疏平面布阵优化 |
3.2.1 经典遗传算法的布阵优化模型 |
3.2.2 经典遗传算法布阵优化操作流程 |
3.2.3 仿真结果与分析 |
3.3 基于经典遗传算法的平面分子阵布阵方法 |
3.3.1 分子阵布阵模型建立 |
3.3.2 分子阵布阵操作流程 |
3.3.3 仿真结果与分析 |
3.4 基于改进遗传算法的新型平面分子阵布阵方法 |
3.4.1 改进分子阵布阵模型建立 |
3.4.2 改进分子阵布阵操作流程 |
3.4.3 仿真结果与对比分析 |
3.5 本章小结 |
第四章 单方向图综合优化方法 |
4.1 引言 |
4.2 基于矩阵束方法的方向图综合 |
4.2.1 信号模型 |
4.2.2 特征值求解 |
4.2.3 矩阵束方法用于方向图综合 |
4.3 基于压缩感知理论的方向图综合优化 |
4.3.1 压缩感知理论在方向图综合领域的应用 |
4.3.2 基于FOCUSS算法的方向图综合 |
4.3.3 基于ADMM算法的方向图综合 |
4.4 仿真实验与分析 |
4.4.1 综合等旁瓣切比雪夫方向图 |
4.4.2 综合余割平方方向图 |
4.4.3 综合大型阵列方向图 |
4.5 本章小结 |
第五章 多方向图综合优化方法 |
5.1 引言 |
5.2 基于扩展矩阵束的多方向图综合方法 |
5.3 基于MMV理论的多方向图综合优化方法 |
5.3.1 基于MMV理论的多方向图综合优化模型 |
5.3.2 基于M-FOCUSS算法的多方向图综合 |
5.3.3 基于M-ADMM算法的多方向图综合 |
5.4 仿真实验与分析 |
5.4.1 综合多波束等旁瓣切比雪夫方向图 |
5.4.2 综合多个任意形状方向图 |
5.4.3 综合多波束大型阵列方向图 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 本文的主要工作总结 |
6.2 研究展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(3)基于稀疏阵列的近场波束控制技术研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题研究背景和意义 |
1.2 国内外近场阵列研究现状 |
1.2.1 波束控制的研究现状 |
1.2.2 稀疏阵列的研究现状 |
1.3 本文主要工作及创新 |
1.4 本文结构安排 |
第二章 近场阵列天线模型 |
2.1 近场阵列模型的分析 |
2.2 不同模型下近场波束图的主要区别 |
2.3 近场波束图仿真示例 |
2.4 本章小结 |
第三章 基于自适应阵列理论的迭代近场波束控制算法 |
3.1 使用窗函数的波束控制算法介绍 |
3.1.1 余弦窗 |
3.1.2 切比雪夫窗 |
3.1.3 泰勒窗 |
3.2 自适应阵列理论 |
3.3 基于迭代的波束控制方式 |
3.4 基于最大白噪声准则的波束控制参数设计 |
3.5 聚焦平面波束控制仿真示例 |
3.5.1 近场单点波束控制 |
3.5.2 近场聚焦平面波束控制 |
3.5.3 近场赋形平面波束控制 |
3.5.4 近场区域波束控制 |
3.5.5 双主瓣波束控制 |
3.6 本章小结 |
第四章 近场稀疏阵列设计方法研究 |
4.1 基于遗传算法进行近场稀疏阵列设计 |
4.1.1 遗传算法的相关术语 |
4.1.2 遗传算法流程 |
4.1.3 遗传算法在近场稀疏阵列设计中的应用 |
4.1.4 遗传算法仿真 |
4.2 基于概率学习的改进遗传算法进行近场稀疏阵列设计 |
4.2.1 概率模型简介 |
4.2.2 概率模型建立 |
4.2.3 概率学习算法在近场稀疏阵列设计中的应用 |
4.2.4 改进的遗传算法流程 |
4.2.5 改进的遗传算法仿真 |
4.2.6 遗传算法改进前后的对比 |
4.3 基于幅度加权的贪婪搜索算法进行近场稀疏阵列设计 |
4.3.1 贪婪搜索算法的在近场稀疏阵列设计中的运用 |
4.3.2 贪婪搜索算法的步骤 |
4.3.3 贪婪搜索算法仿真 |
4.4 基于幅度加权的模式搜索算法进行近场稀疏阵列设计 |
4.4.1 模式搜索算法简介 |
4.4.2 模式搜索算法的实现 |
4.4.3 模式搜索算法在近场稀疏阵列设计中的应用 |
4.4.4 模式搜索算法的仿真 |
4.4.5 搜索算法改进前后的对比 |
4.5 本章小结 |
第五章 非标准间距近场稀疏阵列设计 |
5.1 2.4Ghz近场天线阵列 |
5.1.1 权向量设计 |
5.1.2 近场稀疏阵列设计 |
5.1.3 稀疏阵列基础上进行权向量调整 |
5.2 80MHz近场天线阵列 |
5.2.1 权向量设计 |
5.2.2 近场稀疏阵列设计 |
5.2.3 稀疏阵列基础上进行权向量调整 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 未来工作展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(4)大规模稀疏阵方向图综合及子阵划分技术研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 国内外研究历史与现状 |
1.2.1 方向图综合技术研究现状 |
1.2.2 子阵划分技术研究现状 |
1.2.3 稀疏阵列设计技术研究现状 |
1.3 本文研究的主要内容和结构安排 |
第二章 子阵划分技术和稀疏阵列设计基础 |
2.1 阵列基础理论 |
2.1.1 阵列方向图 |
2.1.2 阵列天线基本参数 |
2.1.3 阵列方向图基本参数 |
2.2 子阵划分技术基础 |
2.2.1 典型的子阵结构 |
2.2.2 子阵划分技术数学模型 |
2.3 稀疏阵列设计基础 |
2.3.1 稀疏表示与压缩感知 |
2.3.2 稀疏线性阵列设计 |
2.3.3 稀疏平面阵列设计 |
2.4 本章小结 |
第三章 基于K-means算法的子阵划分算法 |
3.1 聚类分析 |
3.1.1 K-means算法介绍 |
3.2 一种基于K-means算法的子阵划分算法 |
3.2.1 问题模型 |
3.2.2 线性子阵划分 |
3.2.3 平面子阵划分 |
3.2.4 算法步骤 |
3.2.5 仿真结果 |
3.3 本章小结 |
第四章 基于混合遗传算法的子阵划分算法 |
4.1 遗传算法 |
4.1.1 适应度函数及尺度变换 |
4.1.2 遗传算法基本操作 |
4.2 一种基于混合遗传算法的子阵划分算法 |
4.2.1 子阵划分技术阵列模型 |
4.2.2 不同方向图综合问题 |
4.3 实验仿真 |
4.3.1 最优聚焦波束方向图综合问题仿真 |
4.3.2 低峰值旁瓣方向图综合问题仿真 |
4.3.3 逼近期望方向图综合问题仿真 |
4.4 本章小结 |
第五章 基于宽带恒定束宽的最优稀疏阵列设计 |
5.1 引言 |
5.2 宽带阵列模型 |
5.3 恒定束宽波束形成 |
5.4 一种基于迭代l_1范数的恒定束宽最优稀疏阵列设计算法 |
5.4.1 算法原理 |
5.4.2 主要步骤总结 |
5.5 实验仿真 |
5.6 本章小结 |
第六章 全文总结与展望 |
6.1 全文总结 |
6.2 展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(5)稀布阵列特性及优化方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 稀布阵列综合的国内外研究历史与现状 |
1.3 本文的主要贡献与创新 |
1.4 本论文的结构安排 |
第二章 稀布阵列特性研究 |
2.1 引言 |
2.2 阵列天线的基础知识 |
2.3 基于概率方法的稀布阵列特性研究 |
2.3.1 概率方法的实现原理 |
2.3.2 稀布阵列特性分析 |
2.4 基于概率密度抽样的稀疏阵列特性研究 |
2.4.1 密度抽样阵的原理 |
2.4.2 稀疏阵列特性分析 |
2.5 算例分析 |
2.6 本章小结 |
第三章 大间距可扫描稀布阵列综合 |
3.1 引言 |
3.2 基于遗传算法的稀疏阵列综合 |
3.2.1 遗传算法原理 |
3.2.2 带约束的稀疏阵列优化模型 |
3.2.3 基于遗传算法的稀疏子阵列综合设计方案 |
3.3 基于标准粒子群算法的稀布阵列综合 |
3.3.1 标准粒子群算法原理 |
3.3.2 带约束的稀布阵列优化模型 |
3.3.3 基于标准粒子群算法的稀布子阵列综合设计方案 |
3.4 本章小结 |
第四章 基于Schlottmann Tiling的宽带稀布阵列综合 |
4.1 引言 |
4.2 EPSO算法与非周期平铺相结合的宽带稀布阵列综合 |
4.2.1 非周期布阵理论 |
4.2.2 改进粒子群优化算法 |
4.2.3 EPSO算法与非周期平铺相结合的宽带稀布阵列综合 |
4.3 面阵综合 |
4.3.1 面阵综合设置 |
4.3.2 面阵算例 |
4.3.3 面阵HFSS仿真 |
4.4 子阵综合 |
4.4.1 子阵综合设置 |
4.4.2 子阵综合算例 |
4.5 本章小结 |
第五章 全文总结与展望 |
5.1 全文总结 |
5.2 下一步工作展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(6)波束扫描稀疏阵列天线综合方法的研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.2 课题研究现状 |
1.2.1 阵列综合技术研究现状 |
1.2.2 宽角度相控阵天线 |
1.3 论文组织结构 |
参考文献 |
第二章 相关基础 |
2.1 天线方向图基础知识 |
2.1.1 阵列天线方向图基础 |
2.1.2 天线电参数 |
2.2 几种重要的算法介绍 |
2.2.1 遗传算法 |
2.2.2 高斯过程回归 |
2.2.3 矩阵束方法 |
2.3 本章小结 |
参考文献 |
第三章 基于混合遗传算法的波束扫描稀疏阵列综合方法 |
3.1 基于实数遗传算法的稀疏线阵综合 |
3.1.1 初始群体创建 |
3.1.2 交叉算子和变异算子 |
3.1.3 适应度函数与选择操作 |
3.2 最小阵元数目估计 |
3.3 结合GPR预测算法的稀疏线阵混合综合方法 |
3.4 基于混合遗传算法的波束扫描稀疏阵列综合的算法框架 |
3.5 混合遗传算法稀疏阵列综合软件的实现 |
3.6 本章小结 |
参考文献 |
第四章 一维波束扫描稀疏线阵的研究 |
4.1 一维波束扫描稀疏阵测试天线单元特性的研究 |
4.2 一维波束扫描稀疏线阵的综合 |
4.3 一维波束扫描稀疏线阵综合结果的分析 |
4.4 一维波束扫描稀疏线阵综合的有效性分析 |
4.5 本章小结 |
参考文献 |
第五章 二维波束扫描稀疏面阵的研究 |
5.1 二维波束扫描稀疏阵的综合实例 |
5.2 二维波束扫描稀疏阵列综合结果的分析 |
5.3 二维波束扫描稀疏阵列综合的有效性分析 |
5.4 本章小结 |
参考文献 |
第六章 总结与展望 |
6.1 本文工作总结 |
6.2 本文工作展望 |
致谢 |
作者简介 |
(7)大间距天线阵列的优化布阵技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 论文研究背景与意义 |
1.2 论文研究历史与现状 |
1.3 本文主要贡献与创新 |
1.4 论文结构及主要内容 |
第2章 阵列天线知识简述 |
2.1 引言 |
2.2 阵列辐射方向图特性 |
2.2.1 主瓣宽度 |
2.2.2 副瓣和栅瓣 |
2.2.3 带宽 |
2.2.4 方向性系数 |
2.2.5 增益 |
2.3 阵列天线辐射方向图 |
2.3.1 辐射方向图乘积原理 |
2.3.2 平面阵辐射方向图 |
2.3.3 均匀平面阵辐射方向图 |
2.3.4 圆形阵列辐射方向图 |
2.4 本章小结 |
第3章 遗传算法和模式搜索算法在大间距阵列上的应用 |
3.1 引言 |
3.2 遗传算法简介 |
3.2.1 遗传算法理论 |
3.2.2 标准遗传算法操作及流程 |
3.3 遗传算法在稀布阵列中的用法 |
3.3.1 创建初始种群 |
3.3.2 构建适应度函数 |
3.3.3 设计遗传操作 |
3.3.4 迭代优化和终止判断 |
3.4 遗传算法改进 |
3.4.1 遗传算法改进方法 |
3.4.2 仿真结果对比 |
3.5 模式搜索算法介绍 |
3.5.1 模式搜索算法概述 |
3.5.2 模式搜索算法实现 |
3.5.3 Pattern Search工具箱的工作过程 |
3.6 两种算法在大间距稀布阵阵元级综合上的实现 |
3.6.1 两种算法在阵列阵元级上的优化仿真 |
3.6.2 扫描仿真分析 |
3.6.3 两种算法在阵列子阵级上的优化仿真 |
3.6.4 扫描仿真分析 |
3.7 本章小结 |
第4章 窗函数降副瓣在大间距阵列上的应用 |
4.1 引言 |
4.2 三种加权方式 |
4.2.1 幅度加权 |
4.2.2 密度加权 |
4.2.3 相位加权 |
4.3 窗函数加权法 |
4.4 窗函数在不规则阵列上降副瓣的实现方法 |
4.5 仿真实现 |
4.6 本章小结 |
第5章 阵列天线测试程序的实现 |
5.1 引言 |
5.2 MATLAB GUI的实现过程 |
5.3 测试程序功能概述 |
5.3.1 功能总述 |
5.3.2 幅相校准模块及其实现原理 |
5.3.3 辐射方向图测试模块 |
5.3.4 扫描码值产生模块 |
5.4 实测与仿真辐射方向图对比分析 |
5.5 本章小结 |
第6章 总结与展望 |
6.1 全文总结 |
6.2 后来工作期望 |
参考文献 |
致谢 |
在读期间发表的学术论文与取得的其他研究成果 |
(8)基于稀疏阵列的OAM-MIMO无线传输技术研究(论文提纲范文)
摘要 |
abstract |
注释表 |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 涡旋电磁波研究现状 |
1.2.2 稀疏阵列天线研究现状 |
1.3 主要研究内容和章节安排 |
第2章 基于天线阵列的涡旋波的产生 |
2.1 引言 |
2.2 涡旋电磁波的概念 |
2.3 基于圆形阵列的涡旋电磁波产生原理 |
2.3.1 圆形阵列产生涡旋电磁波原理 |
2.3.2 圆形阵列仿真结果与分析 |
2.4 基于矩形阵列的涡旋电磁波产生原理 |
2.4.1 矩形阵列产生涡旋电磁波原理 |
2.4.2 矩形阵列仿真结果与分析 |
2.4.3 对比不同阵列产生的涡旋电磁波 |
2.5 本章小结 |
第3章 基于稀疏阵列的涡旋电磁波波束优化 |
3.1 引言 |
3.2 稀疏矩形阵的理论基础 |
3.2.1 稀疏直线阵的数学模型 |
3.2.2 稀疏阵电磁涡旋波的优化模型 |
3.3 基于矩形排布的涡旋电磁波波束优化 |
3.3.1 遗传算法的基本理论 |
3.3.2 遗传算法实现稀疏布阵 |
3.3.3 稀疏优化仿真结果与分析 |
3.4 基于激励幅度的涡旋电磁波波束优化 |
3.4.1 粒子群算法的基本理论 |
3.4.2 粒子群算法优化激励幅度 |
3.4.3 优化激励幅度仿真结果与分析 |
3.5 本章小结 |
第4章 基于稀疏阵列的OAM复用通信系统 |
4.1 引言 |
4.2 矩形阵列的OAM无线信道 |
4.2.1 接收阵列为圆形阵的OAM无线信道 |
4.2.2 接收阵列为矩形阵的OAM无线信道 |
4.3 OAM阵列天线接收原理 |
4.4 基于稀疏阵列的OAM-MIMO系统信道容量 |
4.4.1 OAM-MIMO系统信道容量建模 |
4.4.2 稀疏阵列下的OAM-MIMO系统信道容量建模 |
4.5 仿真分析 |
4.6 本章小结 |
第5章 总结与展望 |
5.1 主要工作和创新点 |
5.2 后续研究工作 |
参考文献 |
致谢 |
攻读硕士学位期间从事的科研工作及取得的成果 |
(9)基于非均匀阵列的平面波综合算法的优化与设计(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究背景 |
1.2 课题研究现状 |
1.3 论文主要内容及章节安排 |
第二章 平面波综合算法基础理论 |
2.1 平面波基础理论 |
2.1.1 平面波综合基本原理 |
2.1.2 等效原理 |
2.1.3 散射问题 |
2.2 基于奇异值分解的最小二乘法基本理论 |
2.3 遗传算法基本原理与流程 |
2.4 本章小结 |
第三章 基于最小二乘法的平面波综合 |
3.1 物理模型建立 |
3.2 一维问题平面波综合方法 |
3.2.1 波束不扫描的一维平面波综合 |
3.2.2 波束扫描的一维平面波综合 |
3.3 二维问题平面波综合方法 |
3.3.1 物理模型建立 |
3.3.2 二维平面波综合仿真分析 |
3.4 本章小结 |
第四章 基于稀疏阵列的平面波综合 |
4.1 稀疏阵列算法原理 |
4.2 基于稀疏阵列的遗传算法基础 |
4.3 基于稀疏阵列的一维平面波综合仿真分析 |
4.3.1 波束不扫描的一维稀疏优化的综合平面波仿真与分析 |
4.3.2 波束扫描的一维稀疏优化的综合平面波仿真与分析 |
4.4 基于稀疏阵列的二维平面波综合仿真分析 |
4.4.1 基于二维稀疏阵列的遗传算法基础 |
4.4.2 二维稀疏优化的综合平面波仿真与分析 |
4.5 本章小结 |
第五章 基于稀布阵列的平面波综合 |
5.1 稀布阵列算法原理 |
5.2 基于稀布阵列的遗传算法基础 |
5.3 基于稀布阵列的一维平面波综合仿真分析 |
5.3.1 波束不扫描的一维稀布优化的综合平面波仿真与分析 |
5.3.2 波束扫描的一维稀布优化的综合平面波仿真与分析 |
5.4 基于稀布阵列的二维平面波综合仿真分析 |
5.4.1 基于二维稀布阵列的遗传算法基础 |
5.4.2 二维稀布优化的综合平面波仿真与分析 |
5.5 本章小结 |
第六章 总结与展望 |
参考文献 |
攻读学位期间的研究成果 |
致谢 |
(10)稀疏传感器阵列水下声呐成像算法与系统实现(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 主要内容和结构安排 |
1.3.1 主要解决问题 |
1.3.2 内容安排 |
第二章 传感器阵列水下声呐成像基础 |
2.1 传感器阵列水下声呐成像 |
2.2 水声传感器分类与性能分析 |
2.2.1 水声传感器分类 |
2.2.2 水声传感器性能分析 |
2.3 水声传感器阵列性能分析 |
2.4 双正面稀疏阵列设计 |
2.4.1 PCA与乘性原理 |
2.4.2 双正面稀疏阵列模型分析 |
2.4.3 双正面稀疏阵列性能分析 |
2.5 本章小结 |
第三章 基于改进遗传算法的抑制旁瓣算法 |
3.1 波束形成理论与传感器阵列模型 |
3.1.1 波束形成理论 |
3.1.2 传感器阵列模型 |
3.2 基于改进遗传算法的抑制旁瓣算法设计 |
3.2.1 遗传算法原理 |
3.2.2 抑制旁瓣算法设计 |
3.3 仿真分析 |
3.4 本章小结 |
第四章 低旁瓣波束形成成像算法 |
4.1 基于凸优化的3D变迹函数 |
4.1.1 凸优化原理 |
4.1.2 变迹函数原理 |
4.1.3 3D变迹函数 |
4.1.4 仿真分析 |
4.2 成像算法的构建 |
4.2.1 多焦点成像区域构建 |
4.2.2 低旁瓣波束形成成像算法 |
4.2.3 仿真分析 |
4.3 本章小结 |
第五章 稀疏基阵成像系统设计与成像分析 |
5.1 成像系统整体设计分析 |
5.1.1 系统整体工作原理 |
5.1.2 发射电路原理分析 |
5.1.3 对称T型滤波器改进 |
5.2 传感器阵列设计 |
5.3 系统测试和成像分析 |
5.3.1 系统测试平台搭建 |
5.3.2 信号通道收发测试 |
5.3.3 自然水域水下目标成像实验 |
5.3.4 成像实验结果分析 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 研究展望 |
参考文献 |
致谢 |
作者简介 |
攻读硕士期间发表论文与专利情况 |
攻读硕士期间参与项目情况 |
四、运用遗传算法综合稀疏阵列(论文参考文献)
- [1]考虑互耦效应的非均匀阵列天线布局优化研究[D]. 肖涵. 大连理工大学, 2021(01)
- [2]非周期阵列的布阵优化和波束优化方法研究[D]. 郭明宇. 电子科技大学, 2021(01)
- [3]基于稀疏阵列的近场波束控制技术研究[D]. 潘延. 电子科技大学, 2021(01)
- [4]大规模稀疏阵方向图综合及子阵划分技术研究[D]. 石全虎. 电子科技大学, 2021(01)
- [5]稀布阵列特性及优化方法研究[D]. 简丽蓉. 电子科技大学, 2021(01)
- [6]波束扫描稀疏阵列天线综合方法的研究[D]. 辜杨. 东南大学, 2020
- [7]大间距天线阵列的优化布阵技术研究[D]. 桂文静. 中国科学技术大学, 2020(01)
- [8]基于稀疏阵列的OAM-MIMO无线传输技术研究[D]. 杨冬华. 重庆邮电大学, 2020(02)
- [9]基于非均匀阵列的平面波综合算法的优化与设计[D]. 吉正飞. 苏州大学, 2020(02)
- [10]稀疏传感器阵列水下声呐成像算法与系统实现[D]. 宋逸君. 南京信息工程大学, 2020(02)