基于智能算法的雷达干扰效果评估方法研究

发布时间：2024-03-01 02:25

　　雷达干扰作为雷达对抗的主要手段和措施,其效果评估一直是一个相关研究较少、争议较多的领域。针对雷达干扰效果评估问题,提出采用智能评估的解决方法。首先分析选定了影响雷达干扰效果的关联因子。然后利用遗传算法对BP神经网络进行优化设计,以改善BP神经网络的缺点和不足,建立BP神经网络、遗传神经网络、支持向量机三种雷达干扰效果评估模型。最后进行仿真,验证对比分析模型性能。结果表明遗传神经网络评估模型较BP神经网络和支持向量机性能优越,提高了雷达干扰效果综合评估值的预测精度和准确率,准确率可达95.65%。

【文章页数】：5 页

【部分图文】：

图1BP神经网络结构示意图

BP神经网络实质上是一种基于误差反向传播算法的多层前向神经网络。由于它具有很强的模型识别和自学习能力,可以用来建立难以用数学模型描述的复杂非线性、不确定的系统。BP神经网络是目前最广泛使用的神经网络模型之一。BP神经网络包括输入层、隐含层和输出层,其中隐含层可以是单层也可以是多层....

图2遗传算法优化BP神经网络算法流程

遗传算法结合BP神经网络进行干扰效果评估的过程分为两个部分:BP神经网络部分和遗传算法部分。遗传算法结合BP神经网络算法流程如图2所示。为了便于比较模型性能,BP神经网络参数设置同上,输入层节点数量为7,输出层节点数量为1,隐含层节点数为15。

图3BP神经网络训练数据仿真结果

通过数据计算,以相对误差小于5%为标准,则BP神经网络准确率为65.22%,遗传神经网络准确率为95.65%,支持向量机准确率为91.30%。图4遗传算法优化BP神经网络训练数据结果

图4遗传算法优化BP神经网络训练数据结果

图3BP神经网络训练数据仿真结果图5支持向量机训练数据仿真结果

本文编号：3915294