应用于雷达探测频率扫描天线的应用与研究

来源 :桂林电子科技大学 | 被引量 : 0次 | 上传用户:wmrik
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着雷达和通讯等领域的不断发展,波束扫描阵列天线在这些领域获得了广泛的研究和应用。其中,频率扫描天线是一种辐射主波瓣随工作频率的变化而改变其指向的典型行波天线,它具有结构简单、辐射口面大和制作成本低等优势,在雷达探测、航天航空以及汽车防撞系统等应用领域起着重要作用。然而,普通频扫阵列天线存在波束扫描角度小、尺寸大、重量重等缺陷,本文针对上述不足,对小型化、低剖面、宽角扫描的频率扫描阵列天线展开了研究,论文主要研究内容如下:1、设计了两种工作在Ku波段的人工表面等离子激元(SSPP)漏波天线。两款天线都依据SSPP单位单元的等效电路原理,在单位结构中引入交指枝节,增强耦合电容效应,从而降低单元色散曲线的截止频率。(a)相较于孔型SSPP单元,天线一在单位单元中引入了交指型枝节结构,在相同截止频率下,其传输线线宽仅为前者的61.5%,减小了天线横向尺寸。同时通过不加载任何终端负载的天线电场分布的分析结果可知,其辐射性能保持不变,因此采用终端开路结构,减小了天线的整体尺寸。该天线在11~16GHz频带内,主波瓣由-54°连续扫描至+6°,平均增益可达12d Bi,具有宽角频率扫描特性的同时还能实现小型化;(b)为了提高频扫天线频带利用率,天线二基于双边梳状结构的设计,在11.6~16.5GHz的工作频带内实现了从-56°至+25°的波束扫描,全空间波束扫描范围可覆盖162°,频带利用率约为32.4°/GHz,同时在波束扫描过程中,峰值增益波动均低于3d B,保证了频扫过程中的增益一致性。2、基于复合左右手(CRLH)结构,设计了工作于E波段的宽角扫描漏波天线。采用在基片集成波导(SIW)中周期性加载具有左手特性的改进蘑菇型单位单元,结合SIW的右手传输特性构成复合左右手漏波天线。天线在60~90GHz的频率范围内实现了-58°至+16°的连续波束扫描,最大峰值增益可达14.84d Bi。在宽边方向处,其H面3d B波束宽度可达125°。该天线结构简单,具有高增益和宽角扫描等优点。3、基于人工表面等离子激元结构,在基片集成波导的基础上设计了一种广角波束扫描漏波天线。利用在基片集成波导(SIW)中刻蚀具有SSPP特性的周期性缝隙,进一步拓宽波束扫描范围,实现广角频率扫描。并利用非对称结构设计,抑制开放式阻带(OSB)效应,使得天线实现从后到前的连续扫描。结果表明,该天线在68~89GHz的工作频率范围内,在半空间内能够实现-72~+70的波束扫描覆盖。同时,由于天线具有对称双波束辐射特性,在全空间区域范围,该天线能够实现284°的频率波束扫描。4、为了提高频率扫描天线的频带利用率,采用蛇形弯折基片集成波导结构,设计了一种窄带广角扫描漏波天线。基于基片集成波导(SIW)技术,利用波导宽边上的竖槽作为基本辐射单元,结合阻抗匹配技术,构成蛇形弯折SIW缝隙阵列天线。该天线在72~80GHz(10.5%)的工作频带上,能够实现-62°至+53°的连续波束扫描,且在波束扫描过程中,峰值增益变化小于1.19d B,最大峰值增益能够达到10.48d Bi。该天线结构简单、剖面低,既能实现窄带广角频率扫描波束覆盖,还能在扫描过程中保持增益稳定,在E波段雷达探测领域具有良好的应用前景。
其他文献
学位
学位
学位
对基于深度学习的知识图谱关系预测方法进行研究能够对节点间关系的推理与隐含信息挖掘产生较大现实应用价值。其可用于犯罪预测、推荐系统、自然语言推理等系统及方法中。本文对基于知识图谱的关系预测方法进行研究,并将其应用于推荐系统中以提升准确率。本文主要解决由于图谱信息挖掘不充分而导致的推荐不准确问题。首先,为了更好地利用并挖掘图谱信息,得到更加准确的图谱关系表述,本文提出了一种基于RNN网络和Rotat
作为教育数据挖掘的重要研究分支之一,学生成绩预测研究得到了广泛的关注,国内外学者相继开展了一些卓有成效的工作。虽然传统的成绩预测方法取得了不错的效果,但这些方法仍存在一些不足,主要有两个方面:一是在传统课堂成绩预测问题中,预测存在一定的滞后性,而且数据也存在数据稀疏和特征单一等问题,以至于无法为课程初期的教学和管理工作提供有效的技术支撑。二是现有的在线平台课程成绩预测研究主要利用学习者在平台学习的
本文主要开展垂直型GaN电流孔径晶体管(Current Aperture Vertical Electron Transistor,CAVET)的相关研究,相较于横向型GaN HEMT(Lateral GaN High Electron Mobility Transistor)器件,CAVET器件在降低封测难度、减小芯片面积、获得高击穿电场、抑制电流崩塌效应等方面具有明显优势,本文从以下三方面开展
学位
知识图谱补全是通过预测实体之间的隐藏关系来获取新的知识,从而使知识图谱更加完善。目前将知识图谱中的实体和关系嵌入到连续低维向量空间中成为知识图谱补全的一种有效方法,应用卷积神经网络的ConvE等模型和应用图卷积神经网络的KBAT等模型在知识图谱嵌入中取得了较好的性能。但是,KBAT等模型不能对实体间的双向语义关系进行建模,并且无法获取丰富的多跳邻居特征,ConvE等模型难以获取三元组的深层特征。针
图匹配是用于在图结构数据中进行高效查询的一种技术,其广泛应用在生物信息学、知识图谱、计算机视觉等领域。相较于传统图匹配算法,基于机器学习和深度学习的方法将匹配任务描述为最小化能量函数问题,利用构建的模型自适应学习图的特征并修正参数,整个过程更加智能高效。然而,现有的无监督学习匹配算法中存在随机性强的问题,导致结果不稳定,以及监督学习算法中人为构造的特征存在不准确的可能性,从而导致匹配结果准确度较低
合流区作为最常见快速路瓶颈类型,是主线车流与匝道汇入车流交汇区域,车辆间冲突影响严重,致使拥堵、事故等交通问题频出。本研究以中国江苏省南京市应天大街快速路高架为研究对象,利用无人机航拍以及视频图象目标检测技术获取高精度车辆时空轨迹数据,结合快速路入口匝道合流区瓶颈交通拥堵特性,从宏微观角度分析车辆时空轨迹特征,交通流三参数的时变特性以及相互关系特性,辨识通行能力下降点及交通相变转捩特征点,深入理解