资源描述：
《阵列综合算法及高性能基站阵列天线设计》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、摘要阵列天线综合可表示为一个复杂的非线性优化问题。近年来人们采用了遗传算法来解决这种问题，但遗传算法的程序复杂，需要设置的参数较多，难以控制。本文着重介绍了一种新的智能随机算法－粒子群优化（PSO）算法，与遗传算法相比它具有程序简单、需要控制参数少等优点。文中把它应用到了高性能基站天线阵列的综合设计上，取得了满意的效果。论文的主要工作概括如下：①研究了几类现有的阵列综合算法，如加权最小二乘算法和基于自适应理论的阵列天线综合算法，并给出了仿真实例。②重点介绍了一种智能随机算法－粒子群优化（PSO）算法，详
2、细讨论了算法的原理和具体参数的设置，然后把它运用于天线阵列的综合设计中，给出了综合设计的计算实例。与其它一些算法的比较结果表明，该算法在阵列综合设计中有广泛的应用前景。③根据基站天线阵列的系统要求，把粒子群优化算法用于高性能基站天线阵列的综合设计中，取得了满意的效果。此外还改进了一种基站智能多波束天线合成算法，给出了仿真结果，得到了空间隔离度较好的多个波束。关键词：阵列综合，波束赋形，粒子群算法，基站天线阵列，多波束合成技术ABSTRACTAntennaarraysynthesistechnologyc
3、anbeexpressedasacomplexnon-linearoptimizationproblem.Asiswellknown,geneticalgorithms(GAs)havebeenusedtosolvethisproblem,however,GAsuffersfromitscomplexarchitectureandmanycontrolparameters,whicharedifficulttochoose.Inthisthesis,anewintelligentstochasticop
4、timizationalgorithm,calledparticleswarmoptimization(PSO),isintroduced.Thealgorithmissimplerthanthegeneticalgorithm,anditgenerallyrequiresonlyafewlinesofcode.InPSOalgorithm,onlyafewcontrolparametersarerequiredfromtheusers.ThePSOalgorithmisthenappliedtothe
5、designofthehigh-performacebasestationarrayantennasynthesissuceesfully.Themaincontributionsofthethesisareasfollows:①Severalexistingantennaarraypatternsynthesismethods,includingweightedleastsquaresalgorithmandapatternsynthesisalgorithmbasedonadaptivearrayt
6、heory,arediscussed.Somesimulationresultsobtainedfromthesesynthesistechniquesaregiven.②First,theprincipleofthePSOalgorithmanditscomputationalprocedurearepresented.Thealgorithmisthenusedtotheoptimizationsynthesisoftheantennaarray,andsomesimulationresultsob
7、tainedbythePSOsynthesistechniquearealsogiven,whichclearlyshowthepotentialapplicationsofthePSOalgorithmintheantennaarraysynthesis.③ThePSOalgorithmhasalsobeenusedtothehigh-performancebasestationarrayantennapatternsynthesis,andthesatisfactorysynthesisresult
8、saregiven.Moreover,amodifiedmultibeamsmartantennasynthesistechniqueforbasestationsispresented.Simulationresultsshowthatthewellisolatedmultibeamscanbeobtained.Keywords:Arrayantenna;Shapedbeam;Particleswarmoptimization;Bases
