有限空间下广义周期互质阵列群相对最优结构选型与增强优化研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61801024
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    26.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0111.信号理论与信号处理
  • 结题年份:
    2021
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2021-12-31

项目摘要

Although the traditional uniform array has superior performance, limited by the volume, manufacturing and maintenance costs and data storage capacity constraints, it is difficult to be applied in reality. The generalized periodic coprime array is found to be able to use fewer array elements to obtain higher resolution. The array positions can be analytically expressed as well, which is convenient for optimization. Although it has lots of advantages, the existing research were conducted under the assumption of free space, which lacks of the space constraint consideration. The generalized periodic coprime structures in the limited space form an array structure group, which produces lots of selectivities. The optimization is limited to the degree-of-freedom or mutual coupling enhancement singly as well. To solve the above problems, this program tends to conduct the research from the following three aspects. First, based on the finite physical space, the influence of structural parameters on the array performance is studied. By means of partitioning and comparing the physical aperture boundary, we can obtain the set of structures satisfying the space constraints and determine the relative optimal structure. Second, combining the characteristics of generalized periodic coprime array, we try to adopt the idea of constructing and decomposing symmetrical structures to establish the optimization criteria and provide the joint optimization scheme. Third, calculate the key parameters, design and build experimental platform to verify the research results. This program takes space constraints into consideration at the first time and provides feasible selection and optimization strategies among all the possible geometries. It will provide theoretical guidance for the practical application of generalized periodic coprime structures.
受体积、制造维护成本、数据存储处理能力限制,大规模传统均匀阵虽然性能优越,但很难实现和应用。广义周期互质阵被发现能使用较少阵元,获得高分辨阵列性能,且阵元位置可解析表示,具有重要的实际应用价值。目前,对广义周期互质结构的选择与优化,多从单一结构入手,忽视了互质结构的群属性,缺乏布阵空间限制考虑,且优化目标单一。本课题拟从有限物理空间约束出发,深入研究结构分布参数和阵列性能的相互关系,有选择地划分比较互质群的物理孔径边界,获得满足空间限制的结构集合的快速选择方案,确定相对最优阵型。在此基础上,结合广义周期互质阵特点,采用对称结构构建与分解思想,建立结构优化准则,给出自由度与耦合性能联合提升的结构优化方案。测算关键参数,搭建实验平台,验证研究结果。本课题将传感器布放空间限制纳入考虑范围,将提供复杂多样互质阵列群背景下,具体可行的选型与优化策略,为广义周期互质结构的实际应用提供理论指导。

结项摘要

稀疏阵可以在保证空间探测能力不降低的同时,大幅减少传感器数量并增大传感器布放间隔,有效降低系统成本和电磁耦合影响。稀疏阵结构优化设计是提高相控阵自由度和探测精度的重要技术手段。现有优化结构未考虑布放空间的物理尺寸限制,在实际应用中具有极大限制。本项目以广义周期互质阵列群为研究对象,围绕有限空间条件限制下的结构性能分析、结构参数选择、最优结构设计、性能联合增强,取得了以下研究成果:(1)广义周期互质阵结构参数对结构性能的影响机理研究;(2)相对最优结构的快速选型方法;(3)基于密集子阵分解的嵌套阵优化设计准则与最优结构设计;(4)基于冗余元素去除的互质阵优化设计准则与最优结构设计;(5)稀疏阵测向实验平台搭建与测试分析。总的来说,基于协方差矩阵恢复的稀疏阵高分辨测向理论和优化方法,从理论上完成了有限空间限定条件下的结构群确定和最优选型技术研究,从设计层面给出了多种优化结构准则和方案,并建立了测向实验系统,实现了从理论到实验验证的闭环研究。项目组取得的一系列研究成果为我国稀疏阵列探测与定位的实用化进程奠定了理论基础。项目按照研究计划进行,研究成果包括国内外重要学术期刊论文12篇(SCI期刊论文9篇,EI期刊论文1篇,国际学术会议论文2篇)、授权发明专利3项、申请发明专利2项、培养博士研究生5人、硕士研究生2人。

项目成果

期刊论文数量(10)
专著数量(0)
科研奖励数量(0)
会议论文数量(2)
专利数量(5)
Synthetic sparse planar array design for two-dimensional DOA estimation
用于二维 DOA 估计的合成稀疏平面阵列设计
  • DOI:
    10.1016/j.dsp.2021.103268
  • 发表时间:
    2022-01
  • 期刊:
    Digital Signal Processing
  • 影响因子:
    2.9
  • 作者:
    Xiangnan Li;Weijiang Wang;Xiaohua Wang;Shiwei Ren
  • 通讯作者:
    Shiwei Ren
Near-Field Noncircular Sources Localization Based on Fourth-Order Cumulant
基于四阶累积量的近场非圆源定位
  • DOI:
    10.1109/access.2020.3006292
  • 发表时间:
    2020-07
  • 期刊:
    IEEE Access
  • 影响因子:
    3.9
  • 作者:
    Li Xiaoran;Gong Qishu;Zhong Shunan;Ren Shiwei
  • 通讯作者:
    Ren Shiwei
Generalized L-Shaped Array Based on the Difference and Sum Coarray Concept
基于差和协阵列概念的广义L形阵列
  • DOI:
    10.1109/access.2020.3012527
  • 发表时间:
    2020-07
  • 期刊:
    IEEE Access
  • 影响因子:
    3.9
  • 作者:
    Li Xiangnan;Wang Xiaohua;Wang Weijiang;Ren Shiwei
  • 通讯作者:
    Ren Shiwei
Extended Transformed Nested Arrays for DOA Estimation of Non-circular Sources
用于非圆形源 DOA 估计的扩展变换嵌套数组
  • DOI:
    10.1109/access.2020.3021077
  • 发表时间:
    2020
  • 期刊:
    IEEE Access
  • 影响因子:
    3.9
  • 作者:
    Zhe Peng;Yingtao Ding;Shiwei Ren;Xiaohua Wang
  • 通讯作者:
    Xiaohua Wang
2D DOA estimation exploiting vertical synthetic planar array
利用垂直合成平面阵列进行 2D DOA 估计
  • DOI:
    --
  • 发表时间:
    2021
  • 期刊:
    IEEE Access
  • 影响因子:
    3.9
  • 作者:
    Guiyu Wang;Zesong Fei;Shiwei Ren
  • 通讯作者:
    Shiwei Ren

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于酉变换ESPRIT的相干信源DOA估计算法
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    系统工程与电子技术
  • 影响因子:
    --
  • 作者:
    任仕伟;马晓川;鄢社锋
  • 通讯作者:
    鄢社锋

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码