陣列天線綜合方法概述

直線陣列天線的綜合是在預(yù)先給定輻射特性(如方向圖形狀、主瓣寬度、副瓣電平、方向性系數(shù))的情況下，綜合出陣列單元數(shù)、間距、激勵(lì)幅度和相位。
其中最常見的為給定方向圖主瓣寬度、副瓣電平的要求進(jìn)行綜合，方向圖的其它細(xì)節(jié)不苛求。這類綜合方法最著名的是道爾夫—切比雪夫綜合法，泰勒綜合法、高斯分布、二項(xiàng)式分布、SinZ-Z和Villeneuve分布等。
切比雪夫陣列的主要特點(diǎn)包括：等副瓣電平；在相同副瓣電平和相同陣列長(zhǎng)度下主瓣最窄。泰勒陣列分布的特點(diǎn)是：靠近主瓣某個(gè)區(qū)域內(nèi)的副瓣電平接近相等，隨后單調(diào)地減小，有利于提高天線方向性。
二項(xiàng)式分布是沒(méi)有副瓣電平的，高斯分布比較接近與二項(xiàng)式分布，SinZ-Z分布主副瓣電平比較高，其他副瓣電平較低，Villeneuve分布的副瓣電平逐漸降低。
泰勒分布的口徑效率隨著副瓣電平的降低而降低，切比雪夫的口徑效率隨著副瓣電平的降低先升高后降低，同時(shí)泰勒分布的口徑效率與陣元數(shù)量關(guān)系不大，比較穩(wěn)定，切比雪夫分布的口徑效率與陣元數(shù)量有關(guān)。

切比雪夫陣列綜合

切比雪夫陣列的主要特點(diǎn)包括：每個(gè)副瓣電平是相等的；在相同副瓣電平和相同陣列長(zhǎng)度下主瓣最窄；單元激勵(lì)的分布公式如下所示：

32陣元的切比雪夫陣，副瓣電平分別為20、24、30、40dB，陣列的饋電分布如下所示：

32陣元的切比雪夫陣，副瓣電平分別為20、24、30、40dB對(duì)應(yīng)的天線方向圖如下所示：

泰勒陣列綜合

泰勒陣列分布的特點(diǎn)是：靠近主瓣某個(gè)區(qū)域內(nèi)的副瓣電平接近相等，隨后單調(diào)地減小，有利于提高天線方向性。單元激勵(lì)的分布公式如下所示：

32陣元的泰勒分布陣，副瓣電平分別為20、24、30、40dB，陣列的饋電分布如下所示：

32陣元的泰勒分布陣，副瓣電平分別為20、24、30、40dB對(duì)應(yīng)的天線方向圖如下所示：

高斯分布、二項(xiàng)式分布、SinZ-Z和Villeneuve分布

高斯分布的饋電分布公式如下所示：

二項(xiàng)式分布的饋電分布的公式如下所示：

SinZ-Z的饋電分布的公式如下所示：

Villeneuve饋電分布的公式如下所示：

16陣元的高斯分布、二項(xiàng)式分布、SinZ-Z和Villeneuve的饋電幅度如下所示：

16陣元的高斯分布、二項(xiàng)式分布、SinZ-Z和Villeneuve的陣列方向圖如下所示：

綜上所示，其中二項(xiàng)式分布是沒(méi)有副瓣電平的，高斯分布比較接近與二項(xiàng)式分布，SinZ-Z分布主副瓣電平比較高，其他副瓣電平較低，Villeneuve分布的副瓣電平逐漸降低。

切比雪夫、泰勒和Villeneuve綜合比較

32陣元副瓣電平30dB的切比雪夫、泰勒和Villeneuve饋電分布如下所示：

32陣元副瓣電平30dB的切比雪夫、泰勒和Villeneuve陣列方向圖如下所示：

切比雪夫、泰勒和Villeneuve分布的口徑效率比較

陣元規(guī)模32陣元，切比雪夫、泰勒和Villeneuve分布在不同副瓣電平下的口徑效率如下所示：

副瓣電平24dB，切比雪夫、泰勒和Villeneuve分布在不同陣元規(guī)模下的口徑效率如下所示：

副瓣電平32dB，切比雪夫、泰勒和Villeneuve分布在不同陣元規(guī)模下的口徑效率如下所示：

泰勒分布的口徑效率隨著副瓣電平的降低而降低，切比雪夫的口徑效率隨著副瓣電平的降低先升高后降低，同時(shí)泰勒分布的口徑效率與陣元數(shù)量關(guān)系不大，比較穩(wěn)定，切比雪夫分布的口徑效率與陣元數(shù)量有關(guān)。

切比雪夫綜合python代碼示例

import math
import cmath
import matplotlib.pyplot as plt
import numpy as np
class Pattern:
    def Cheby(self,N,RdB,n_round=4):
        M=int(N)
        R0dB=RdB
        clist=[]
        list=[]
        R0=10**(R0dB/20)
        x0=0.5*((R0+(R0**2-1)**0.5)**(1/(M-1))+(R0-(R0**2-1)**0.5)**(1/(M-1)))
        if M%2==0:
            m=int(M/2)
            for n in range(1,m+1):
                a=0
                for q in range(n,m+1):
                    a=a+(-1)**(m-q)*x0**(2*q-1)*np.math.factorial(q+m-2)*(
                            2*m-1)/np.math.factorial(q-n)/np.math.factorial(
                        q+n-1)/np.math.factorial(m-q)
                clist.append(a)
        else:
            m=int(M/2)
            for n in range(1,m+2):
                a=0
                for q in range(n,m+2):
                    a=a+(-1)**(m-q+1)*x0**(2*q-2)*np.math.factorial(q+m-2)*(
                            2*m)/np.math.factorial(q-n)/np.math.factorial(
                        q+n-2)/np.math.factorial(m-q+1)
                clist.append(a)
        clist_max=max(clist)
        for i in range(0,len(clist)):
            clist[i]=round(clist[i]/clist_max,n_round)
        if M%2==0:
            for j in range(0,len(clist)):
                list.append(clist[len(clist)-j-1])
        else:
            for j in range(0,len(clist)-1):
                list.append(clist[len(clist)-j-1])
        return (list+clist)
    def radiation(self):
        n_cell = 16
        f = 3
        position = np.arange(0,n_cell)*50
        power = self.Cheby(n_cell,24)
        phase = np.zeros(n_cell)
        data_x = np.arange(-89,90,1)
        data_y = np.ones(len(data_x))
        mini_a = 1e-5
        k = 2 * math.pi * f / 300
        data_new = []
        for i in range(0, len(data_x)):
            a = complex(0, 0)
            k_d = k * math.sin(data_x[i] * math.pi / 180)
            for j in range(0, n_cell):
                a = a + power[j] * data_y[i] * cmath.exp(complex(0,(phase[j] * math.pi / 180 + k_d * position[j])))
            data_new.append(20*math.log10(abs(a)+mini_a))
        plt.plot(data_x, data_new)
        plt.show()

def main(argv=None):
    pattern = Pattern()
    pattern.radiation()

if __name__ == '__main__':
   main( )

代碼運(yùn)行截圖如下所示：
文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-494867.html

到了這里，關(guān)于相控陣天線（三）：直線陣列天線低副瓣綜合（切比雪夫、泰勒分布、SinZ-Z和Villeneuve分布、含python代碼）的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！