0 引言
低副瓣阵列天线技术副瓣阵列天线技术现在被广泛应用于现代电子技术通信领域，当下阵列天线方向图研究的热点之一就是在给定阵元数目和天线孔径大小的情况下来实现更低的副瓣电平。随着机器学习适用的领域范围越来越广，出现了许多智能天线优化方法，如模拟退火算法、粒子群算法、遗传算法（Genetic Algorithm，GA）等。一般天线优化涉及阵元数目、阵元间距、主瓣宽度、峰值旁瓣电平（Maximum Sidelobe Level，MSLL）等要素。相较而言，遗传算法是一种高效、并行、全局搜索的方法，得到了很多运用。
如一种新的单口径单馈源多波束天线设计方法，其中利用了实数编码遗传算法进行优化，并用该算法对一个服务区为某区域的多波束天线进行了优化设计和分析，取到了较好的效果。也有对缺失阵元后的方向图进行校正，通过优势保留的改进遗传算法降低阵列天线旁瓣电平；或是在之前的基础上通过遗传算法优化阵元位置达到降低旁瓣电平的目的。但是当遇到一些相对困难的阵列优化问题，使用遗传算法会有过早收敛于局部最优解的现象出现。此外，遗传算法还存在收敛速度慢、计算量大的缺点。以上文献用传统GA以及其他算法对天线进行了优化并获得了不同结果。近年来，多种算法融合已经成为一种趋势。其中涉及的模拟退火算法和运用粒子群算法改进的遗传算法可以有效解决线阵中副瓣电平过高的问题，起到了抑制作用。除此之外，通过加入杂草入侵算法来对布谷鸟搜索算法进行改进，既可以加快大面积的同心圆阵列的收敛速度，又兼顾了天线阵列的低旁瓣特性。
本文详细内容请下载：https://www.chinaaet.com/resource/share/2000005285
作者信息：
姜文琦1，张华美1，2，王祥夫1
（1.南京邮电大学 电子与光学工程学院，江苏 南京 210023；2.东南大学 毫米波国家重点实验室，江苏 南京 210096）
