多任务学习的稀布线阵方向图综合  

Synthesis Pattern of Parse Linear Arrays Based on Multi Task Learning

作　　者：贾月岭 李龙军[2] 王布宏[2] 

机构地区：[1]空军工程大学装备管理与安全工程学院,西安710051 [2]空军工程大学信息与导航学院,西安710077

出　　处：《空军工程大学学报（自然科学版）》2016年第4期90-94,共5页Journal of Air Force Engineering University(Natural Science Edition)

基　　金：国家自然科学基金(61372033)

摘　　要：提出一种基于多任务学习的线阵阵元位置与激励的联合稀疏优化方法。该方法可以在先验知识不足的情况下,从目标方向图中获得更多的特征信息,并将阵列天线稀疏优化问题转换成为稀疏矩阵的线性回归问题。通过稀疏向量支撑区的识别,将欠定的导向矢量矩阵方程转换为超定的特征矩阵方程的求解,在实现阵列方向图逼近的前提下,对阵元的激励与位置进行联合稀疏优化。仿真结果证明,该方法在优化阵元激励和位置的同时,实现了对天线阵列功能方向图波束的有效赋形。This paper proposes a multi-task learning method of j oint optimization based on sparse linear ar-ray position of elements and weights of the array.The method can get more information from the target pattern features without adequate prior knowledge,and convert the sparse array antennas into a linear re-gression problem sparse matrix.By identifying sparse vector support area,the paper transforms the under-determined steering vector matrix equation to the over determined conversion feature matrix equation.The results show that the proposed algorithm can optimize the position and weights of elements,and at the same time,this can realize the shaped beam pattern effectively.

关 键 词：稀疏线阵 联合优化 多任务学习 波束控制 

分 类 号：TN820[电子电信—信息与通信工程]