遗传算法辅助的体积与平面大规模天线阵列方向性设计

本文研究了方向性增强问题，即针对特定期望到达/离开角（AoA/AoD）提升方向性增益。提出了一种利用直角坐标描述各天线单元及期望方位角与仰角并采用通用单元方向图的体积阵列方向性新问题表述。该方向性问题被表述为寻找天线单元间最优最小距离 $d_\text{min}$，以实现尽可能高的方向性增益。开发了一种加速实现方法，将天线单元布置于依赖于（$\theta_0$；$\phi_0$）的特定平面上。引入了一种针对均匀平面阵列（OUPA）的方向性优化新概念，以低复杂度求解该非凸优化问题的准最优解。该解通过所提逐次评估与验证（SEV）方法获得。此外，部署了遗传算法（GA）方法以快速求得方向性优化解。对于少量天线单元（通常 $N\in [4,\dots, 9]$），GA 优化可实现的方向性相较采用均匀线性阵列（ULA）与均匀圆阵（UCA）导向矢量的传统波束成形技术有约 $3$ dBi 增益，而相较一种改进的 UCA 方向性方法则有约 $1.5$ dBi 增益。对于较大量天线单元，提出了两种改进 GA 流程，即 GA-{\it marginal} 与 GA-{\it stall}，并与 OUPA 方法比较。OUPA 还显示出在大规模 MIMO 场景下超越 $30$ dBi 的良好方向性增益。