.png){kind=icon}
返回
New Algorithms for Enabling High-Dimensional Aperiodic Planar Antenna Array Optimization
.png){kind=icon}
OA
AI
DOI：10.1109/OJAP.2025.3637531.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着6G及未来技术的兴起，相控阵正成为敏捷天线系统的极具潜力的候选方案。特别是非周期相控阵为这类技术提供了许多理想特性，例如降低互耦、抑制旁瓣以及消除栅瓣。然而，由于这些特性之间存在竞争关系，此类系统的设计会形成一个复杂的高维优化空间。传统优化方法在应用于此类高维问题时往往难以有效扩展。为此，已识别出三种声称适用于此类复杂且大规模问题的算法：信任域贝叶斯优化（TuRBO）、混合鳗鲡优化算法（HRCOA）以及具有序贯随机坐标收缩分类算法（RACOS）的零阶优化工具箱（ZOOpt）。该研究通过使用自由浮动单元和在代价函数中引入权重建议最小间距，在优化过程中赋予最大自由度。研究选取了两种案例，分别是包含256个和625个单元的阵列，对应512个和1250个变量，使用这三种算法进行优化，并与协方差矩阵自适应进化策略（CMA-ES）进行了比较。分析了每种算法的收敛特性，并考察了它们在高维天线阵列优化问题中的鲁棒性。
Keyword:
Aperiodic
classification algorithms
optimization
particle swarm optimization
phased arrays
stochastic processes
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
I
IF:
3.6
论文数:
803
被引数:
1.6K