تنک‌سازی آنتن آرایه‌‌ای با استفاده از بهینه‌سازی محدب

طراحی آرایه‌های تنک که می‌توانند الگوهای تشعشعی مورد نظر را با حداقل تعداد عناصر ایجاد کنند، یک حوزه تحقیقاتی مورد علاقه است. مسئله سنتز آرایه‌های تنک را می‌توان با محدودیت‌های مناسب بر روی اندازه‌ی تعداد عضوهای فضای حل، یعنی نُرم صفر وزن‌های عناصر آرایه مدلسازی کرد، اما چنین محدودیت غیرمحدبی، نیاز به حل مسئله چند جمله‌ای غیرتصادفی سخت دارد. ایده‌های جالبی برای آرام‌سازی محدودیت ذکر شده به صورت محدب پیشنهاد شده است. یک راه حل ممکن بر اساس حداقل‌سازی نُرم یک است؛ الگوریتم‌ استفاده شده در اینجا، ابتدا الگوی تشعشعی بهینه را با استفاده از بهینه‌سازی محدب تعیین می‌کند، سپس با استفاده از وزن‌دهی مجدد نرم یک، آرایه پراکنده را با حذف آن دسته از عناصری که وزن تقریبا صفر دارند، بدست آورده و موقعیت المان‌ها را به صورت بهینه مشخص می‌کند؛ در نتیجه با حل مشکل عدم تحدب مسئله، راه‌حل بهینه با زمان محاسباتی معقول ارائه می‌شود. هدف روش بهینه‌سازی ارائه شده، به حداقل رساندن تعداد عناصر، رعایت قیود مربوط به الزامات الگوی تشعشعی و کاهش زمان محاسبه است. این تحقیق در مطالعه موردی خود، توانسته با تنظیم پارامتر‌های مربوطه از جمله drr, γ, ε آرایه 11×11 (121 عنصر) را به 42 (با افزایش حداکثر سطح گلبرگ فرعی) و 37 عنصر (با افزایش پهنای گلبرگ اصلی) تنک‌سازی کند.

synthesis of sparse array via convex optimization

design of sparse array antenna that can create the desired radiation patterns with minimum number of elements, is a favorite research area. the synthesis sparse array problem can be modeled with appropriate constraints on the number of solve space members, namely l_0 norm of the weight elements. but it is a non convex problem that requires to solving a np hard problem. an interesting ideas is mentioned to relax problem to convex problem. the proposed solution is based l_1 norm; the algorithm used here, first determines the optimal radiation pattern with convex optimization. then by using iterative weighting l_1 norm, sparse array is obtained by removing those elements that weights of them are almost zero and optimally determines the position of the element. as a result, by solving the non convexity property of the problem, the optimal solution is provided with a reasonable computational time. the purpose of the optimization method is to minimize the number of elements, observe the constraints related to the requirements of the radiation pattern and reduce the calculation time. this research, in its case study, was able to sparse the 11×11 array (121 elements) to 42 elements (increase psl) and 37 elements (increase mainlobe beamwidth) by adjusting the relevant parameters such as drr, γ and ε.