[发明专利]一种稀疏直线阵天线

说明书

本发明提出一种稀疏直线阵天线，涉及无线通信领域，包括若干个阵元，所述若干个阵元非均匀分布在给定的阵列口径内，所述阵列的阵元数目、阵元位置以及阵元激励的参数最优值根据给定的方向图指标要求计算获得，根据参数最优值确定所述稀疏直线阵天线的最终结构。本发明稀疏直线阵天线结合参数学习和稀疏恢复理论，将仅对稀疏激励进行优化的压缩感知模型修订为对阵元位置和稀疏激励同时优化的广义压缩感知模型，从而可采用已有的交替优化算法对阵列综合问题进行有效求解，有效地降低了栅格量和由栅格划分带来的失配误差，通过优化阵元数目、阵元位置以及阵元激励，在节省阵元数的同时，能够适用于各种赋形波束的综合。

技术领域

本发明涉及无线通信领域，具体而言，尤其涉及一种稀疏直线阵天线。

背景技术

众所周知，相比于均匀阵，稀疏阵则是指在与之相同的阵列口径内，通过阵元位置的非均匀分布，从而用尽可能少的阵元实现与之相当的辐射性能。显而易见，稀疏阵具有阵元数少，天线结构和馈电网络简单，系统造价低等显著优势，其已在雷达，卫星通信和射电望远镜等无线电系统中得到了很好的应用，如参考文献[1]：(X.Zhao,Y.Zhang,Q.Yang,AHybrid Algorithm for Synthesizing Linear Sparse Arrays,Prog.Electromagn.Res.C,vol.63,pp.75-83,2016)。尽管稀疏阵具备显著的阵列优势和应用前景，但由于这类天线需要通过优化阵元数目、阵元位置以及阵元激励的幅度和相位这四类参数，从而使阵列方向图满足指标要求，因此，稀疏阵的设计是一个包含多个未知参数的高度非线性优化问题，也一直是阵列天线综合中的热点问题和难点问题，如参考文献[2](C.Yan,P.Yang,Z.Xing,Y.Huang,“Synthesis of Planar Sparse Arrays With MinimumSpacing Constraint,”IEEE Antennas Wireless Propag.Lett.,vol.17,no.6,pp.1095-1098,2018)。

近年来，信号处理领域中的压缩感知理论作为一种有效的技术手段，将稀疏直线阵的优化设计等效为高维稀疏信号的重建问题，对阵元数、阵元位置和相应的阵元激励这些阵列参数实现整体优化提供了新的求解思路。纵观压缩感知在稀疏直线阵综合中的发展和应用可知，根据稀疏重建算法的不同，当前基于压缩感知的稀疏直线阵设计方法大体分为以下三类：基于贝叶斯估计的稀疏阵设计方法，如参考文献[3](G.Oliveri,A.Massa,“Bayesian compressive sampling for pattern synthesis with maximally sparsenon-uniform linear arrays”,IEEE Trans.Antennas Propag.,vol.59,no.2,pp.467-481,2011)，基于1-范数最小化的稀疏直线阵设计方法，如参考文献[4](X.Zhao,Q.Yang,Y.Zhang,“Compressed sensing approach for pattern synthesis of maximallysparse non-uniform linear array,”IET Microwav.Antennas Propag.,vol.8,pp.301-307,2014，)以及基于欠定系统解的稀疏直线阵设计方法，如参考文献[5](P.Yang,F.Yan,F.Yang,“Sparse array synthesis with regularized FOCUSS algorithm”,IEEEAntennas and Propag.Society International Symposium,pp.1406-1407,2013)。时至今日，这些方法也已被拓展应用到稀疏平面阵，如参考文献[6](F.Viani,G.Oliveri,A.Massa,“Compressive sensing pattern matching techniques for synthesizingplanar sparse arrays”,IEEE Trans.Antennas Propag.,vol.61,no.9,pp.4577-4587,2013)、稀疏同心圆环阵，如参考文献[7](X.Zhao,Q.Yang,Y.Zhang,“A Hybrid Method forthe Optimal Synthesis of 3-D Patterns of Sparse Concentric Ring Arrays”,IEEETrans.Antennas Propag.,vol.64,no.2,pp.515-524,2016)、以及稀疏直线阵和稀疏平面阵的波束最大效率综合，如参考文献[8](A.Morabito,“Synthesis of Maximum-Efficiency Beam Arrays via Convex Programming and Compressive Sensing”,IEEEAntennas Wireless Propag.Lett.,vol.17,no.6,pp.1095-1098,2018)中。此外，申请人也将稀疏直线阵压缩感知方法从综合单一方向图推广应用到对多方向图的重构中，如参考文献[9](一种方向图可重构的稀布直线阵综合方法的发明创造专利，申请号为：201710149527.4)。由这些公开的研究可知，不管采用何种稀疏重建算法，基于压缩感知的设计方法均是建立在对阵列口径进行固定栅格划分，并假设起作用的阵元恰巧落在某些栅格之上的前提下。但实际中，真实的阵元位置并不一定刚好落在这些离散化的栅格上，这样就会存在栅格失配误差，并且稀疏阵设计效果的好坏很大程度上取决于栅格点的疏密程度，尽管栅格越密，失配误差越小，稀疏阵的稀疏度和方向图的辐射性能越好，但密集栅格会极大地增加计算量和对计算机内存的需求。最近，基于修订加权函数的压缩感知方法，如参考文献[10](D.Pinchera D,M.Migliore,F.Schettino,“An Effective Compressed-Sensing Inspired Deterministic Algorithm for Sparse Array Synthesis”,IEEETrans.Antennas Propag.,vol.66,no.1,pp.149-159,2018)可以将栅格间距从λ/50增大到λ/20的数量级,但栅格密度的改善量有限，远不能满足大型直线阵的设计需求。因此，当前的压缩感知方法对稀疏直线阵的阵元数目，阵元位置以及阵元激励的优化设计依然受限于固定栅格的划分。