引言

阵列天线通过多个阵元的协同辐射实现对波束的空间指向与增益控制，已成为雷达探测、新一代移动通信以及电子对抗等领域的核心技术[1-4]。传统均匀阵列虽结构简单、易于分析，但为获得窄波束与高分辨率，往往需大量天线单元，导致系统功耗与硬件成本显著增加。稀布阵列通过优化阵元在给定孔径内的分布，能够以较少的阵元数突破半波长间距的限制，获得更大的等效孔径与更优的旁瓣性能，具有极高的设计自由度[5]。然而，稀布阵列在降低硬件成本的同时，也带来了方向图综合复杂的挑战。如何在多约束条件下有效抑制峰值旁瓣电平（Peak Sidelobe Level, PSLL），是稀布阵列综合的核心问题。

近年来，学者们提出了不同的方法来进行稀布阵列综合，如遗传算法[6-7]、差分进化算法[8-9]、灰狼算法[10]、麻雀搜索算法[11]以及算术优化算法[12]等智能优化方法。这些智能优化算法以其较强的通用性和优化能力，广泛应用于天线阵列综合问题。文献[13]将遗传算法与和声搜索算法结合，实现了多约束条件下的稀布线阵综合；文献[11]使用混沌映射进行种群初始化，提高了初始种群的多样性，拓展了天线单元的可调节的范围；文献[12]在算数优化算法的基础上，提出了一种通过重构数学加速优化器及引入精英变异策略的改进算法，减少对当前最优个体的依赖，并在零陷综合问题上取得较好的效果。上述算法，虽然在PSLL抑制方面取得一定进展，但在多约束的稀布阵列综合时，普遍存在收敛能力不足，容易陷入局部最优停滞等问题。

鲸鱼迁徙算法（Whale Migration Algorithm,WMA）是一种基于鲸鱼群体协同迁徙行为的新型智能优化算法，其通过群体迁徙与个体协作在全局搜索与局部开发之间实现动态平衡，表现出较好的全局搜索能力和收敛稳定性。虽然WMA相比较其他智能优化算法的性能有明显提升，但在高维、强约束的稀布阵列优化问题中，该算法仍有搜索精度不足和局部最优停滞等问题。

针对上述问题，本文提出了一种基于改进的鲸鱼迁徙算法（Improved Whale Migration Algorithm, IWMA）[14]的稀布阵列优化方法。该方法根据种群中不同个体的搜索特性，引入自适应调控机制、领导者策略和团队协作策略。将IWMA算法应用于多约束条件下的稀布阵列综合，通过仿真实验验证了所提方法的可行性。

本文详细内容请下载：

https://www.chinaaet.com/resource/share/2000007250

作者信息：

魏佳瑞，赵宇飞，龙伟军，左栋，商秀荣

（南京信息工程大学 电子与信息工程学院，江苏 南京 210044）