基于压缩感知与凸优化的近场稀布天线阵列优化方法技术

本发明专利技术提供一种基于压缩感知与凸优化的近场稀布天线阵列优化方法，包括以下步骤：步骤1.确定需要进行稀布优化的辐射近场区任意形状的模板方向图；步骤2.建立近场稀布优化模型；步骤3.采用贝叶斯压缩感知理论求解近场稀布问题；步骤4.通过后处理和凸优化加入对最小阵元间距的限制；本发明专利技术首次提出基于贝叶斯压缩感知与凸优化的近场稀布天线阵列优化方法，采用该方法生成的辐射近场区方向图与给定模板方向图一致的前提下，与生成模板方向图的传统均匀布阵天线阵列相比可显著降低天线阵元数目。

【技术实现步骤摘要】
基于压缩感知与凸优化的近场稀布天线阵列优化方法
本专利技术属于天线
，特别涉及近场天线阵列的优化布阵方法，具体涉及基于贝叶斯压缩感知与凸优化算法的近场稀布天线阵列优化方法。
技术介绍
近场聚焦阵列天线已被应用在工业和医学等各个领域，如微波成像、遥感、无线能量传输、射频识别、微波热疗等。一般的，若要拥有更小的焦点大小、更低副瓣、生成复杂形状的近场波束等更好的近场聚焦性能，近场天线阵列的口径会更大。最直接的增大阵列口径大小的方法是增加单元数，但此时会急剧的增加天线的重量，馈电网络的难度和成本。此时虽然可以通过增大单元间距以减少天线单元总数，但单元间距的增大会不可避免地引入栅瓣，导致聚焦性能恶化。不同于有成熟稀布方法的远场天线，目前针对辐射近场区实现稀疏布阵的方法较少。一般是通过设计者的经验去设置天线单元间距，这些经验方法的设计自由度不高，难以满足复杂的近场方向图赋型的需求，同时适用性也受到很大限制。另外一种方法是基于遗传算法实现近场天线阵列的稀布。但此方法仍不成熟，并且不可避免地会遇到遗传算法计算时间长和容易陷入局部收敛的问题。综上所述，对于稀布天线阵列而言，如何高效地设计一组稀疏阵元间距最优解，得到低副瓣、无栅瓣的任意形状的近场方向图的方法是近场天线阵列布阵技术要解决的主要问题。
技术实现思路
本专利技术针对上述的现有的无有效近场稀布天线阵列优化算法的问题，提出一种基于压缩感知与凸优化的近场稀布天线阵列优化方法。为实现上述专利技术目的，本专利技术技术方案如下：一种基于压缩感知与凸优化的近场稀布天线阵列优化方法，包括以下步骤：步骤1.确定需要进行稀布优化的辐射近场区任意形状的模板方向图；步骤2.建立近场稀布优化模型；步骤3.采用贝叶斯压缩感知理论求解近场稀布问题；步骤4.通过后处理和凸优化加入对最小阵元间距的限制。作为优选方式，所述步骤2进一步为：步骤2.建立近场稀布优化模型确定了近场模板方向图Eref(r)后，如下定义稀布优化问题：考虑一个有S个天线单元的平面阵列，λ为自由空间的工作波长，其中第s个阵元所在位置为rs，激励为ws，并且S是能生成与模板方向图Eref(r)匹配方向图E(r)的最小阵元数；这S个天线单元是从一个自定义的有N个单元的稠密均匀网格中通过本专利技术优化选择出来的，该稠密网格大小与生成近场区域模板方向图的天线阵列口径大小相同，单元间距小于0.05λ，其第n个单元的位置为rn，归一化辐射方向图为Fn(r)，有了以上假设后，近场稀布天线阵列优化问题表示为其中w＝(w1,…,wN)T是稠密均匀网格的激励向量，Eref＝[Eref(ro1),…,Eref(roK)]T是模板方向图在不同的K个观察位置的采样点，e是与匹配误差ε相关的高斯误差向量，其均值为0，方差为σ2；。作为优选方式，所述步骤3进一步为：步骤3.采用贝叶斯压缩感知理论求解近场稀布问题上述的近场稀布天线阵列优化问题是一个难以求解的非线性问题，本专利技术将其转换为以下的盖然论问题，以便于利用多任务贝叶斯压缩感知理论求解：将w分解为w＝wR+jwI，得到以下的矩阵形式其中ER+EI＝[R(Eref),I(Eref)]T,eR+eI＝[R(e),I(e)]T，R(·)和I(·)分别表示取实部与虚部，p(wG|EG)进一步写成：p(wG|EG)＝∫p(wG|EG,α)p(α|EG)dαG＝R,I其中α是表示实部与虚部关系的超参数，此时，wR，wI表示为其中α通过如下式子得到其中有BR＝I+[R(Ф),I(Ф)]Tdiag(α)-1[R(Ф),I(Ф)]，BI＝I+[-I(Ф),R(Ф)]Tdiag(α)-1[R(Ф),I(Ф)]，β1和β2是自定义参数；有了如上所示的推导后，wR，wI通过相关向量机算法计算得到。作为优选方式，所述步骤4进一步为：步骤4、通过后处理和凸优化加入对最小阵元间距的限制；稀布优化方法会导致优化得到的阵元间距过近，致使稀布阵列无法实现，本专利技术提出以下通过后处理的方法加入对最小阵元间距的限制：4(a)：p＝1,Si＝S,和count＝0；4(b)：找到与rp最近的单元位置rc，其对应单元激励分别为wp和wc，如果|rc–rp|<0.5λ，更新rp＝(|wc|rc+|wp|rp)/(|wc|+|wp|),count＝count+1，然后使rc＝false，更新p＝p+1,重复4(b)；如果|rc–rp|>0.5λ,p＝p+1,重复4(b)；4(c)：如果p＝Si且count＝0，去4(d)；如果p＝Si且count>0，删除所有在4(b)中被设置为false的单元位置，更新Si为此时删除false单元后的阵元数目，使p＝1,count＝0，去4(b)；4(d)：通过求解以下的凸优化问题，再次与模板方向图匹配，得到最终的稀布阵列激励wf：其中。本专利技术的有益效果为：本专利技术首次提出基于贝叶斯压缩感知与凸优化的近场稀布天线阵列优化方法，采用该方法生成的辐射近场区方向图与给定模板方向图一致的前提下，与生成模板方向图的传统均匀布阵天线阵列相比可显著降低天线阵元数目。附图说明图1为本专利技术的流程图。图2为本专利技术中模板方向图的采样策略示意图。图3为用本专利技术设计得到的阵列天线实例的辐射近场区方向图与模板方向图的对比。图4为用本专利技术设计得到的阵列天线阵元位置分布图。具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。一种基于压缩感知与凸优化的近场稀布天线阵列优化方法，包括以下步骤：1、步骤1.确定需要进行稀布优化的辐射近场区任意形状的模板方向图；2、步骤2.建立近场稀布优化模型确定了近场模板方向图Eref(r)后，如下定义稀布优化问题：考虑一个有S个天线单元的平面阵列，λ为自由空间的工作波长，其中第s个阵元所在位置为rs，激励为ws，并且S是能生成与模板方向图Eref(r)匹配方向图E(r)的最小阵元数；这S个天线单元是从一个自定义的有N个单元的稠密均匀网格中通过本专利技术优化选择出来的，该稠密网格大小与生成近场区域模板方向图的天线阵列口径大小相同，单元间距小于0.05λ，其第n个单元的位置为rn，归一化辐射方向图为Fn(r)，有了以上假设后，近场稀布天线阵列优化问题表示为其中w＝(w1,…,wN)T是稠密均匀网格的激励向量，Eref＝[Eref(ro1),…,Eref(roK)]T是模板方向图在不同的K个观察位置的采样点，e是与匹配误差ε相关的高斯误差向量，其均值为0，方差为σ2；。具体地，针对模板方向图的采样问题，即求解空间的确定，采取策略如下，示意图如图2所示。其中z是近场聚焦平面与天线阵列的距离，mod表示取余数，[·]表示表示取·的整数部分。T是截断系数，其不能取到90°以覆盖整个无穷大聚焦平面，由于此时xk和yk会变为无穷大而导致数值计算无法进行，实际应用中，T可取足够大的值，如89°。Kx×Ky＝K，k＝1,…,K，Kx与Ky按照奈奎斯特率选取，假设生成模板方向图的天线阵列个数为本文档来自技高网...

【技术保护点】
1.一种基于压缩感知与凸优化的近场稀布天线阵列优化方法，包括以下步骤：步骤1.确定需要进行稀布优化的辐射近场区任意形状的模板方向图；步骤2.建立近场稀布优化模型；步骤3.采用贝叶斯压缩感知理论求解近场稀布问题；步骤4.通过后处理和凸优化加入对最小阵元间距的限制。

【技术特征摘要】
1.一种基于压缩感知与凸优化的近场稀布天线阵列优化方法，包括以下步骤：步骤1.确定需要进行稀布优化的辐射近场区任意形状的模板方向图；步骤2.建立近场稀布优化模型；步骤3.采用贝叶斯压缩感知理论求解近场稀布问题；步骤4.通过后处理和凸优化加入对最小阵元间距的限制。2.根据权利要求1所述的一种基于压缩感知与凸优化的近场稀布天线阵列优化方法，其特征在于：所述步骤2进一步为：步骤2.建立近场稀布优化模型确定了近场模板方向图Eref(r)后，如下定义稀布优化问题：考虑一个有S个天线单元的平面阵列，λ为自由空间的工作波长，其中第s个阵元所在位置为rs，激励为ws，并且S是能生成与模板方向图Eref(r)匹配方向图E(r)的最小阵元数；这S个天线单元是从一个自定义的有N个单元的稠密均匀网格中通过本发明优化选择出来的，该稠密网格大小与生成近场区域模板方向图的天线阵列口径大小相同，单元间距小于0.05λ，其第n个单元的位置为rn，归一化辐射方向图为Fn(r)，有了以上假设后，近场稀布天线阵列优化问题表示为其中w＝(w1,…,wN)T是稠密均匀网格的激励向量，Eref＝[Eref(ro1),…,Eref(roK)]T是模板方向图在不同的K个观察位置的采样点，e是与匹配误差ε相关的高斯误差向量，其均值为0，方差为σ2；3.根据权利要求1所述的一种基于贝叶斯压缩感知与凸优化的近场稀布天线阵列优化方法，其特征在于：所述步骤3进一步为：步骤3.采用贝叶斯压缩感知理论求解近场稀布问题上述的近场稀布天线阵列优化问题是一个难以求解的非线性问题，本发明将其转换为以下的盖然论问题，以便于利用多任务贝叶斯压缩感知理论求解：将w分解为w＝wR+jwI，得到以下的矩阵形式其中ER+EI＝[R(Eref),I(Er...

【专利技术属性】
技术研发人员：程钰间，黄子轩，吴亚飞，樊勇，宋开军，林先其，张波，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51