首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

天线阵列布局优化算法研究及应用

摘要第5-6页
ABSTRACT第6-7页
符号对照表第13-14页
缩略语对照表第14-18页
第一章 绪论第18-26页
    1.1 研究背景和意义第18-19页
    1.2 国内外研究现状第19-22页
        1.2.1 进化算法研究现状第19-20页
        1.2.2 深空天线组阵优化研究现状第20-21页
        1.2.3 超宽带天线优化研究现状第21-22页
    1.3 本文要工作及内容安排第22-26页
        1.3.1 本文的主要工作第22-23页
        1.3.2 本文的研究内容与安排第23-26页
第二章 进化算法基本理论第26-34页
    2.1 梯度算法第26-27页
        2.1.1 梯度算法的基本思想第26-27页
        2.1.2 梯度算法的特点第27页
    2.2 遗传算法第27-29页
        2.2.1 遗传算法的基本概念第28页
        2.2.2 标准遗传算法第28-29页
    2.3 粒子群优化算法第29-33页
        2.3.1 粒子群算法的基本思想第29-31页
        2.3.2 标准粒子群算法第31页
        2.3.3 粒子群优化算法的特点第31-33页
        2.3.4 粒子群优化算法的特点第33页
    2.4 本章小结第33-34页
第三章 改进的遗传算法与增强粒子群算法第34-44页
    3.1 改进的遗传算法第34-35页
        3.1.1 排名选择第34页
        3.1.2 竞争择优交叉算子与精英保留第34页
        3.1.3 变异算子第34页
        3.1.4 最优个体加强算子第34-35页
    3.2 增强的粒子群算法第35-40页
        3.2.1 次优极值平衡速度更新第35-36页
        3.2.2 最优粒子干扰第36页
        3.2.3 增强粒子群算法的收敛性分析第36-38页
        3.2.4 相关参数取值的研究第38-40页
    3.3 优化实例第40-42页
    3.4 本章小结第42-44页
第四章 深空天线组阵布局优化第44-74页
    4.1 研究目标及任务第44-45页
    4.2 天线组阵布局的数学模型第45-46页
        4.2.1 优化目标第45页
        4.2.2 布局约束条件第45-46页
    4.3 算法优化天线阵列布局第46-72页
        4.3.2 梯度算法描述及优化结果第47-52页
        4.3.3 改进的遗传算法(IGA)优化结果第52-56页
        4.3.4 增强的粒子群算法(EPSO)优化结果第56-61页
        4.3.5 优化算法结果对比第61-62页
        4.3.6 子阵级联第62-67页
        4.3.7 不同单元数目情况下工程应用的最佳方案第67-72页
    4.4 本章小结第72-74页
第五章 非均匀分布阵列天线布局优化及测试第74-96页
    5.1 天线单元介绍第74-77页
    5.2 非均匀分布阵列布局优化第77-88页
        5.2.1 优化模型第77-78页
        5.2.2 非均匀分布阵列布局需求分析第78-79页
        5.2.3 不等间距排列,优化间距和幅度第79-80页
        5.2.4 优化实现波束扫描第80-88页
    5.3 天线阵列实际测试第88-94页
    5.4 本章小结第94-96页
第六章 总结与展望第96-98页
    6.1 研究总结第96-97页
    6.2 研究展望第97-98页
参考文献第98-102页
致谢第102-104页
作者简介第104页

论文共104页,点击 下载论文
上一篇:多脉冲宽带雷达目标检测方法研究
下一篇:GNSS空间信号质量评估并行优化技术研究与实现