Ka频段单脉冲多层微带阵列天线设计与优化

李 峰,官正涛,赵 璐

(中国西南电子技术研究所,成都610036)

1 引 言

微带天线由于具有低剖面、重量轻、成本低等优点而获得了广泛的应用。微带阵列天线的馈电网络一般有两种,一种与辐射单元共面,其结构简单,但由于馈电网络在不连续处也要辐射一些能量,通常会给方向图(特别是低副瓣)造成不利的影响;另一种则采用耦合馈电,使辐射阵面与馈电网络在不同的介质层上,从而消除了不希望的馈电网络辐射,但是为了与波导或同轴线联接,需要将输入端放在阵面边缘,必然增加微带线长度从而引起损耗的上升,在毫米波频段这种增加变得不能忍受。另外,耦合馈电的双层微带天线由于屏蔽腔的存在,天线厚度与重量均会明显增加。带状线的两个地板,一个印制耦合缝可用来给辐射单元耦合馈电,另一个则印制平面激励振子用来和波导输入端联接。采用带状线做馈电网络既可以使辐射阵面与馈电网络不在同一层,既减小了相互间的干扰,又能在阵面中心布置波导接口从而缩短总的馈线长度,减少馈线损耗。

在二次监视雷达中除了和波束外,还需要一个旁瓣抑制方向图来减少系统的“窜扰”。不同的阵列口径分布下旁瓣抑制的效果是不一样的,馈电网络的实现难度也有差异。在毫米波段由于工作波长短,线宽过小会带来加工困难,甚至于无法实现。因此馈电网络中的功分器分配比要尽量减小差异,而这和旁瓣抑制又是一对矛盾。本文以旁瓣抑制裕度和馈电网络中各级“T”形功分器的最大馈电分配比为目标函数进行天线方向图优化,最后得到在工程上实用的口径分布,它具有较大的设计余量及加工容差,从而确保加工的原理样机达到技术指标。

2 口径分布优化

经典优化算法,如随机爬山法,是单点搜索算法,即根据一些变动规则,从解空间中的一点移到另一点来进行。这样的方式对于多峰函数来说,可能会陷入局部的一个单峰的优解,更不幸的是当阵元数较大时,这种简单的搜索方法往往引起搜索的组合爆炸。遗传算法(GA)[1-4]对复杂、非线性问题显示出了强大的能力,与经典方法的结果相比其解的品质得到显著提高。

遗传算法从一初始化的群体出发,选取性能优良的个体,在这些优良个体之间进行生物化的繁殖,使它们一代代地进化到解空间中越来越好的区域。遗传算法包含以下五步过程:首先,对个体采用浮点码编码;其次,采用Minimax法定义适应度函数,就是使不同方位角度的和差通道电平差最小值最大化及馈电网络中各个功化器的最大功分比最小化;第三,个体选择为轮盘赌的正比选择法;第四,交叉;第五,变异。通过以上5个步骤后产生出新一代群体,对它们进行重新评价、选择、交叉、变异,如此循环往复,使群体中最优个体的适应度和平均适应度不断提高,直到最优个体的适应度达到某一限定值或最优个体的适应度和群体的平均适应度值不再提高,则迭代过程收敛,算法结束。

对于16元等间距阵,单元间距为0.9个自由空间波长时,采用切比雪夫阵[5],其设计副瓣为-30.5 dB;采用三角阵,其台坡为 0.28,副瓣为-23 dB;采用遗传算法(GA)优化,其副瓣为-23 dB。天线方位面和/差阵因子方向图如图1～3所示。

图1 切比雪夫分布Fig.1 Chebyshev distribution

图2 三角分布Fig.2 Triangle distribution

图3 GA分布Fig.3 GA distribution

以上3种分布有一个共同的边缘电平,它们的口径电流分布如图4所示。图5显示了方位面主波束5°以外到90°3种分布对应的差与和通道电平差方向图,值越大就表明差对和的覆盖效果越好。90°以外的角域属于后瓣区域,并且电平很低(小于-30 dB),这里就不再加以考虑。

图4 口径分布对比Fig.4 Contrast of GA distributionwith others

图5 差和通道电平差方向图Fig.5 Pattern with D-∑about all distributions

观察图1～5可以看到差通道对和通道的整体覆盖效果。很明显,GA分布优于三角分布,而切比雪夫分布最差。图5显示,三角分布在方位角70°附近的旁瓣抑制裕度明显变差,切比雪夫分布则在20°～60°的范围内都接近10 dB,而GA优化的分布则在90°范围内都优于12 dB,且幅度均匀。

由表1可以清楚地看到,除了副瓣电平(参考项)这一项指标以外GA分布均是最优结果。它对应的最大功分比最小,意味着馈电网络图案的线宽较宽,便于加工;旁瓣抑制裕度最大也增大了加工公差;波束宽度最小,表示在3种口径分布中的口径效率最高。

表1 主要指标对比Table 1 Technical parameters of all distributions

由GA根据旁瓣抑制裕度及最大功分比优化得到16个单元的馈电能量分布(各单元的相位相同)为:0.08,0.18,0.3,0.47,0.62,0.81,0.93,1,0.93,0.81,0.62,0.47,0.3,0.18,0.08。

3 单元及馈电网络

天线单元模型如图6所示。由贴片正下方的带状线上地板蚀刻“Z”形缝隙馈电,该地板同时作为微带贴片的地板。在带状线上地板的缝隙破坏了带状线的对称性,带状线上下两地板间将激励起平行板模式,增加了单元间的互耦,给阵面的口径幅度与相位分布造成很大的扰动,对天线性能带来不利影响。为了避免这种情况发生,在带状线上下两地板之间的介质2、3中,位于带状线上地板“Z”形馈电缝的四周制作一组间距足够小的金属化过孔。它们将带状线上下地板短路,形成一个矩形腔体,从而将位于介质3上的穿过金属化过孔的带线馈线所传播的TEM模转换成腔体内的波导TE10模,该TE10模再激励馈电缝。位于介质1上的圆极化辐射单元采用切角微带贴片图案。

图6 天线单元模型Fig.6Model of antenna unit

馈电网络将能量按照口面幅相分布的要求分配到各个辐射单元中。为便于控制相位,采用并馈方案。图7为16×16元的馈电网络布局图案。

图7 馈电网络示意图Fig.7 Schematic diagram of feed network

4 实验结果及结论

按16元×16元的规模加工制作了一个面阵,阵面上各阵元相位相同,方位面按0.9个波长等间距布阵,幅度为GA分布,俯仰面按0.8个波长等间距布阵,幅度为均匀分布。天线和差方向图如图8所示,方位面波束宽度实测值为4.2°,与设计值4.29°吻合良好。副瓣电平实测值-19.13 dB,与设计值-23 dB差3.87 dB。经实测,天线外形尺寸、天线表面不平度达到0.1 mm,这将引起最大2 dB的副瓣电平恶化。其余的1.87 dB估计是辐射贴片和馈电结构之间的定位误差引起的,从而造成各阵元上的相位和幅度出现偏差。

图8 实测的方位面和差方向图Fig.8 Measurement result of azimuth pattern

差方向图在0°～180°的前半空间内完全覆盖和方向图(除主波瓣外),实现了100%的旁瓣抑制效果。

如图9所示,俯仰面副瓣电平实测值-12.79 dB与均匀分布的理论值-13.34 dB相比差0.55 dB,阵面0.1 mm不平度将导致最大0.72 dB的恶化。如图10和图11所示,在500MHz带宽内天线平均增益约为27.3 dBi,折算成效率约24%(含口径效率)。馈电网络插入损耗约5 dB,它构成了天线的主要损耗,在材料性能没有改善之前达到30%的效率是十分困难的。但是将馈电网络改为带状线-波导混合网络可以减小约2 dB的馈电损耗,从而得到约38%的效率。

图9 实测的俯仰面方向图Fig.9 Measurement result of elevation pattern

图10 和差通道驻波比实测值Fig.10 Measurement result of VSWR

图11 轴比及增益实测值Fig.11Measurement result of gain and AR

根据作者的实践经验,工作于毫米波频段的多层微带阵列天线由于层间定位误差以及平面度误差将明显抬高副瓣电平,因此毫米波以上频段的低副瓣天线用一般的微带阵列天线很难实现,多波束微带阵列天线采用旁瓣对消也许是一种较好的选择,但是平面结构实现二维低副瓣波束也有困难。同样,加工误差给和差覆盖也带来不利影响,有几个角度上和差电平较为接近,只有在口径分布上采用余量较大的方案才能确保做出来的天线满足覆盖要求。为了提高效率,在材料未取得突破前,波导-带状线混合馈电的微带天线是一个可以考虑的方案。

[1]席裕庚,柴天佑.遗传算法综述[J].控制理论与应用,1996,13(6):697-708.XI Yu-geng,CHAI Tian-you.Survey on Genetic Algorithm[J].Control Theory&Applications,1996,13(6):697-708.(in Chinese)

[2]陈根社,陈新海.遗传算法的研究与进展[J].信息与控制,1994,23(4):215-222.CNEN Gen-she,CNEN Xin-hai.Advances in Genetic Algorithms[J].Information and Control,1994,23(4):215-222.(in Chinese)

[3]梁宇宏,陈星,温剑,等.改进遗传算法应用于超低副瓣天线阵的综合设计[J].微波学报,2010(4):47-50.LIANG Yu-hong,CHEN Xing,WEN Jian,et al.An Improved Genetic Algorithm Applied inPatternSynthesisof Ultra-low Sidelobe Linear Array Antenna[J].Journal of Microwaves,2010(4):47-50.(in Chinaese)

[4]李峰.遗传算法在阵列天线方向图综合中的应用[J].电讯技术,2002,42(2):60-64.LI Feng.Using Genetic Algorithm to Synthesize the Radiation Pattern of an Array Antenna[J].Telecommunication Engineering,2002,42(2):60-64.(in Chinese)

[5]Thomas A Milligan.Modern Antenna Design[M].New York:Wiley,2011:266-269.