天基多馈源的雷达波束构建与优化方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 国内外发展现状 | 第16-19页 |
| 1.2.1 天基雷达国内外研究现状 | 第16-17页 |
| 1.2.2 卫星多波束天线和其相关技术研究现状 | 第17-18页 |
| 1.2.3 智能算法的研究现状 | 第18-19页 |
| 1.3 本文主要研究工作 | 第19-21页 |
| 第二章 星载雷达多波束天线赋形基础 | 第21-33页 |
| 2.1 天线理论基础 | 第21-24页 |
| 2.1.1 天线基本参数 | 第21-24页 |
| 2.2 平面阵列基础与综合 | 第24-28页 |
| 2.2.1 平面阵列简介 | 第24页 |
| 2.2.2 平面阵的阵因子 | 第24-26页 |
| 2.2.3 阵列天线的优化综合 | 第26-28页 |
| 2.3 卫星多波束抛物面反射天线 | 第28-32页 |
| 2.3.1 抛物反射面天线 | 第28-31页 |
| 2.3.2 卫星多波束天线方向图的赋形方法 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 遗传算法及其改进 | 第33-43页 |
| 3.1 遗传算法简介 | 第33页 |
| 3.2 遗传算法的基本理论 | 第33-36页 |
| 3.2.1 经典遗传算法的具体步骤 | 第33-36页 |
| 3.3 遗传算法约束条件的处理和改进策略 | 第36-42页 |
| 3.3.1 遗传算法约束条件的处理 | 第36-38页 |
| 3.3.2 基本遗传算法的改进 | 第38-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 粒子群算法及其改进 | 第43-55页 |
| 4.1 粒子群算法简介 | 第43-45页 |
| 4.1.1 粒子群算法的原理 | 第43-44页 |
| 4.1.2 算法的流程 | 第44-45页 |
| 4.2 标准粒子群算法 | 第45-47页 |
| 4.2.1 惯性权重的引入 | 第46页 |
| 4.2.2 收缩因子的引入 | 第46-47页 |
| 4.3 粒子群算法的改进 | 第47-53页 |
| 4.3.1 结合其他算法的粒子群算法 | 第47-50页 |
| 4.3.2 带粒子释放和速度限制的粒子群算法 | 第50-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第五章 阵馈反射面天线波束构建的优化 | 第55-65页 |
| 5.1 馈源阵列激励优化的原理 | 第55-57页 |
| 5.1.1 合成波束已知的激励优化的原理 | 第55-56页 |
| 5.1.2 合成波束未知的激励优化原理 | 第56-57页 |
| 5.2 针对不同优化目标的函数构建方法 | 第57-61页 |
| 5.2.1 期望方向图未知情况下的目标函数构建 | 第57-59页 |
| 5.2.2 期望方向图未知情况下的目标函数构建 | 第59-61页 |
| 5.3 馈源的选择 | 第61-62页 |
| 5.4 插值方法以及其数学公式推导 | 第62-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第六章 基于智能算法的波束优化研究 | 第65-85页 |
| 6.1 问题描述和分析 | 第65-66页 |
| 6.1.1 求解的步骤 | 第65-66页 |
| 6.2 智能算法优化模型和目标函数 | 第66-73页 |
| 6.2.1 期望方向图给出时的模型设计 | 第67-73页 |
| 6.3 基于智能算法的优化设计及结果 | 第73-82页 |
| 6.3.1 基于粒子群算法的优化设计及结果 | 第73-78页 |
| 6.3.2 基于遗传算法的优化设计及结果 | 第78-82页 |
| 6.3.3 优化结果对比 | 第82页 |
| 6.4 本章小结 | 第82-85页 |
| 第七章 全文总结和展望 | 第85-87页 |
| 7.1 论文工作总结 | 第85页 |
| 7.2 研究结论 | 第85-86页 |
| 7.3 后续工作的展望 | 第86-87页 |
| 致谢 | 第87-89页 |
| 参考文献 | 第89-95页 |
| 作者简介 | 第95-96页 |
