基于改進PSO-RBF神經網(wǎng)絡的高分辨率雷達目標檢測研究.pdf

1、分類號墅122壘UDC碩士學位論文基于改進PSORBF神經網(wǎng)絡的高分辨率雷達目標檢測研究何隆玲論文答辯日期2Q呈蘭生量旦2受旦學位授予日期2Q曼蘭生魚月2魚旦答辯委員會主席應王亡熬援基于改進PSORBF神經網(wǎng)絡的高分辨率雷達目標檢測研究摘要雷達自動目標檢測作為現(xiàn)代雷達的一個重要發(fā)展方向，在民用及軍事領域有著廣泛的應用。目標高分辨距離像能提供目標沿雷達射線方向的幾何結構信息，且與二維成像、三維成像相比，HRRP易于獲取和處理。本文基于HR

2、RP對雷達自動目標檢測技術進行研究，主要內容和創(chuàng)新如下：1從目標散射點模型出發(fā)，研究HRRP及其敏感特性。利用目標散點模型，分別仿真出‘‘I’，、“v”、“小”和“干”四種形狀目標的高分辨率距離像(腿RP)。2針對PSO算法容易陷入局部最優(yōu)和固定權值在算法搜索的末期會喪失粒子多樣性而導致算法的收斂速度變慢的問題，提出一種改進PSO算法，首先采用自適應慣性權重，以平衡全局快速搜索能力和局部精細搜索能力之間的矛盾；其次加入局部搜索算子a，即

3、粒子在更新位置后，在其速度范圍內再次隨機搜索，如搜索到的新位置適應度比當前位置適應度更優(yōu)，則將新位置作為下一次進化的起點，否則，將原位置作為下一次進化的起點。并通過四類測試函數(shù)對改進算法的性能進行驗證。3為避免RBF神經網(wǎng)絡算法陷入局部最優(yōu)，提高收斂精度和速度，提出一種基于改進PSO優(yōu)化的RBF神經網(wǎng)絡算法，該算法利用改進PSO算法和最小二乘法相結合對RBF神經網(wǎng)絡進行優(yōu)化學習訓練。并通過Hermit函數(shù)對改進算法進行性能測試。4為了提