海杂波背景下的PSO-RBF弱目标检测

论文摘要

海杂波背景下的目标检测是海面雷达信号处理的重要组成部分。海杂波中弱目标的检测,传统方法是基于海杂波统计特性,但是统计特性并不能很好地反映海杂波的内在动力学特性,因此检测效果很不理想。本文根据海杂波的混沌特性,对其进行了相构空间重构,并将粒子群算法算法（PSO）应用到径向基函数（RBF）神经网络核函数参数的优化学习中,利用加拿大McMaster大学采用IPIX雷达在Dartmouth地区海域实测带有目标的海杂波数据对此方法进行验证。结果表明,在混沌海杂波背景下PSO-RBF小目标检测法具有良好的预测性,相比于一般的径向基神经网络,改进算法不仅收敛速度快,且误差精度高。

论文目录

• 0 引 言
• 1 PSO-RBF神经网络目标检测
•   1.1 相空间重构
•   1.2 粒子群优化算法的基本原理
•   1.3 RBF神经网络结构
•   1.4 PSO-RBF算法的训练步骤
• 2 实验仿真及结果过分析
•   2.1 模拟海杂波预测
•   2.2 实测海杂波预测
• 3 结 论

文章来源

类型: 期刊论文

作者: 石嘉,夏德平

关键词: 粒子群优化,径向基函数,目标检测,神经网络,海杂波

来源: 电子测量技术 2019年07期

年度: 2019

分类: 信息科技,基础科学

专业: 海洋学,电信技术

单位: 南京电子技术研究所

分类号: TN957.51;P714

DOI: 10.19651/j.cnki.emt.1802251

页码: 35-39

总页数: 5

文件大小: 234K

下载量: 98