大型直线稀疏阵列的迭代大型直线稀疏阵列的迭代FFT算法优化算法优化
提出了一种基于迭代FFT算法的大型直线稀疏阵列（可放置阵元的栅格数为1 000）的旁瓣电平优化方法，并给
出了详细的优化步骤。在给定的旁瓣约束条件下，利用阵列因子与阵元激励之间存在的傅里叶变换关系，对不
同的初始随机阵元激励分别进行迭代循环来降低稀疏阵列的旁瓣电平。在迭代过程中，根据稀疏率将阵元激励
按幅度大小置1置0来完成阵列稀疏。仿真实验证明了该方法的高效性和稳健性。
在许多实际工程应用中，只要求
近年来，随着计算机技术的飞速发展，高效的稀疏阵列优化方法已成为研究热点。用于稀疏阵列优化的算法主要有遗传算
法、模拟退火算法、分区动态规划法、粒子群算法以及最近出现的蚁群算法等。这些算法从本质上来说都是基于随机性的自然
算法，在阵列大小（即可放置阵元的栅格数）超过200的稀疏阵列的优化设计当中一般并不适用 [2]，而关于大型直线稀疏阵
列（阵列大小大于500）的优化问题，国内外鲜有研究。
本文介绍的基于
2 迭代迭代FFT算法算法
运用迭代FFT算法来实现大型直线稀疏阵列优化的详细步骤为[4]：
(1) 参数初始化，给定迭代循环总次数Num，阵列大小M，稀疏率f，
(2) 随机产生一个初始阵元激励数组Am。数组大小为M，有阵元的位置设置为1，无阵元的位置设置为0。阵元数目
T=f×M。
(3) 对Am作K（K>M）点的逆FFT变换，得到阵列因子AF。
(4) 找出AF中的旁瓣区域，将旁瓣区域中不满足给定的旁瓣约束的采样值进行处理，变成旁瓣约束允许的最大旁瓣电平值。
(5) 对处理后的AF作K点的FFT变换，得到新的阵元激励Am。
(6) 对Am作截断处理，只保留前M个数值。
(7) 对阵元激励Am进行归一化，其中T个幅度较大的采样值置为1，其余置为0，来完成阵列的稀疏。1表示该位置有阵元，0
表示该位置无阵元。
(8) 将归一化的阵元激励Am与迭代前的阵元激励进行比较。如果不相同，则执行步骤9；如果相同，则本次迭代循环结束。
评论0