波束赋形技术是智能天线的核心，赋形技术的优劣直接决定着天线的增益、干扰抑制等 性能，围绕着波束赋形技术，许多智能优化算法被相继提出。传统的波束赋形方法有 Woodward-Lawson 法，傅里叶变换法，道尔夫-切比雪夫（Chebyshev)综合法和泰勒(Taylor) 综合法。Woodward-Lawson 法通过对期望方向图进行采样，采样值作为一系列对应点处的正 交波束的加权值来逼近期望方向图，方法对连续线源和离散线阵均适用，但是旁瓣电平和通 带内波纹很难控制；傅里叶变换法利用电流激励系数和阵因子成傅里叶变换对的关系，对期 望方向图进行傅里叶变换来得到线源激励，但是要求期望方向图具有周期性，而且所求的线 源为无限长，实际无法实现；道尔夫-切比雪夫（Chebyshev)综合法和泰勒(Taylor)综合法均是 基于 Chebyshev 函数，基本思想是利用 Chebyshev 函数（或修好改后的 Chebyshev 函数）逼 近阵因子，能够得到最低的旁瓣电平和主瓣宽度，适用于圆形和矩形阵列，但是 Chebyshev 综合法存在阵列单元数较多时两端电流激励系数跳变的问题，阵列馈电实现困难，Taylor 综 合法以牺牲主瓣宽度解决了该问题，两种方法对有约束条件或者复杂的方向图也难以求解。74322

近年来，遗传算法（GA）[4]、模拟退火算法（SA)[5]、差分进化算法（DE）[6]、粒子群算 法（PSO）[7]等根据自然规律开创的智能优化算法已应用于天线综合中。这些智能优化算法能 有效的生成零陷并抑制旁瓣，但是计算量大，优化精度不高，收敛不稳定，对于具有多个零 点和低旁瓣要求的阵列方向图综合问题难以避免早熟收敛。文献[8]结合混沌优化算法和 PSO 算法的优点，提出了一种混沌粒子群优化算法（CPSO），解决了 PSO 算法早熟收敛，易陷入 局部极值的问题，能有效生成零陷抑制旁瓣。文献[9]在基于量子位概率幅编码的量子粒子群 优化算法（QPSO）的基础上，设计出一种收敛停滞检测，并对粒子进行选择性变异的新量子 粒子群算法，显著提高了收敛速度和精度，对低旁瓣约束和深零陷的求取具有非常好的效果。 文献[10]基于自适应遗传算法，引入正交基函数作为天线口径分布，优化过程中对交叉概率、 变异概率和变异范围同时进行自适应变化，该方法能减少优化变量个数，有效提高收敛速度 并减小电流激励动态变化范围(DRR)。上述方法虽然性能优越，但是计算复杂，运算量都比论文网

较大，无法直接应用于星载平台上大型数字阵列的在线实时处理。

LMS 算法(最小二乘算法)是在实际中应用最广泛的自适应波束形成方法之一，该算法的 特点是结构简单，性能稳定，计算复杂度低，易于硬件实现，而且在抗干扰方面也具有较好 的效果，因此比较适用于星上的波束形成，但是 LMS 算法存在稳态误差特性与收敛速度不能 同时满足的缺点[11]。文献[12]提出了交替投影和约束加权最小均方误差方法(CWLMS)，并给 出该优化问题的近端分裂求解算法，有效处理阵元电流激励幅度和相位存在约束的问题。文 献[13]针对任意结构的阵列天线进行方向图综合，要求在生成干扰零陷的同时控制，最大化 阵列效率[14、15]。文章构造了干扰零空间子集和 DRR 子集，求解采用类似子集间交替投影(AP) 得到。算法在迭代过程中仅关心零陷的生成和 DRR 条件的满足，而对主瓣覆盖区域的形状 和旁瓣电平都缺乏有效控制。近来，Keizer 提出了一种称作迭代傅里叶技术(Iterative Fourier Technique，IFT)的方法[16]，该方法的思想是反复调整阵列远场区阵因子与电流激励系数的值， 通过正反傅里叶变换优化某些参数，适合大型平面阵和大型稀布阵列快速低旁瓣方向图综合。 文献[17]在 IFT 的基础上，设计出自适应确定最优阵元激励所对应的峰值旁瓣阈值（PST）的 自适应迭代傅里叶变化技术（AIFT）。AIFT 采用非均匀阵元激励来降低旁瓣，能够有效抑制 被大幅度截断阵列的波束展宽效应。 波束赋形技术国内外研究现状综述:http://www.youerw.com/yanjiu/lunwen_84901.html