一种混沌海杂波背景下的微弱信号检测方法

发布时间：2018-02-26 11:37

本文关键词： 支持向量机遗传算法海杂波相空间重构　出处：《物理学报》2014年10期 　论文类型：期刊论文

【摘要】：基于复杂非线性系统的相空间重构理论,提出了一种基于遗传算法的支持向量机预测方法.利用改进的自相关法和饱和关联维数法确定混沌信号的时间延迟和嵌入维,从而实现相空间重构.通过遗传算法优化支持向量机中的惩罚系数和核函数参数,并结合支持向量机建立混沌序列的单步预测模型,从预测误差中检测出淹没在混沌背景中的微弱信号(包括瞬态信号和周期信号).以Lorenz系统和加拿大McMaster大学利用IPIX雷达实测得到的海杂波数据作为混沌背景噪声进行仿真实验,结果表明该方法能够有效地从混沌背景噪声中检测出微弱目标信号,所得的均方根误差为0.00049521(信噪比为-89.7704 dB),这比传统支持向量机方法的均方根误差(0.049,信噪比为-54.60 dB)降低了两个数量级.
[Abstract]:The theory of phase space reconstruction of complex nonlinear systems based on a support vector machine prediction method based on genetic algorithm. To determine the chaotic signal time delay and embedding dimension by auto correlation method is improved and the saturated correlation dimension method, so as to realize the phase space reconstruction. Through the genetic algorithm to optimize the support penalty coefficient and kernel parameter vector in the machine, and combined with the single step to support the establishment of chaotic sequence vector machine prediction model, detect the weak signal submerged in chaos in the background from the predictive error (including transient signal and periodic signal). In the Lorenz system and McMaster University in Canada by IPIX radar measured sea clutter data as chaotic background noise simulation the results show that this method can effectively detect from chaotic background noise in a weak target signal, the RMS error is 0.00049521 (signal-to-noise ratio -89.7704 dB), root mean square error than the traditional support vector machine method (0.049, SNR = -54.60 dB) decreased by two orders of magnitude.

【作者单位】：南京信息工程大学气象灾害预报预警与评估协同创新中心江苏省气象探测与信息处理重点实验室电子与信息工程学院;
【基金】：国家自然科学基金(批准号:61072133) 江苏省产学研联合创新计划(批准号:BY2013007-02,BY2011112) 江苏省高等学校科研成果产业化推进计划(批准号:JHB2011-15) 江苏省“六大人才高峰”计划资助的课题~~
【分类号】：TN911.23;O415.5

【参考文献】

相关期刊论文前10条

1 王福友;袁赣南;谢燕军;乔相伟;;海杂波的短时非线性预测研究[J];雷达科学与技术;2009年01期

2 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期

3 戴栋,马西奎,李富才,尤勇;一种基于遗传算法的混沌系统参数估计方法[J];物理学报;2002年11期

4 王耀南,谭文;混沌系统的遗传神经网络控制[J];物理学报;2003年11期

5 崔万照,朱长纯,保文星,刘君华;混沌时间序列的支持向量机预测[J];物理学报;2004年10期

6 叶美盈,汪晓东,张浩然;基于在线最小二乘支持向量机回归的混沌时间序列预测[J];物理学报;2005年06期

7 行鸿彦;徐伟;;混沌背景中微弱信号检测的神经网络方法[J];物理学报;2007年07期

8 行鸿彦;金天力;;基于对偶约束最小二乘支持向量机的混沌海杂波背景中的微弱信号检测[J];物理学报;2010年01期

9 行鸿彦;程艳燕;徐伟;;基于广义窗函数和最小二乘支持向量机的混沌背景下微弱信号检测[J];物理学报;2012年10期

10 杜京义;侯媛彬;;混沌背景中微弱谐波信号检测的SVM方法[J];仪器仪表学报;2007年03期

【共引文献】

相关期刊论文前10条

1 王东霞;张楠;路晓丽;;基于育种算法的SVM参数优化[J];安徽大学学报(自然科学版);2009年04期

2 陶秀凤,唐诗忠,周鸣争;基于支持向量机的软测量模型及应用[J];安徽工程科技学院学报(自然科学版);2004年02期

3 程伟;张燕平;赵姝;;支持向量机在粮食产量预测中的应用[J];安徽农业科学;2009年08期

4 武素华;;基于最小二乘支持向量机的土壤含水量检测的研究与分析[J];安徽农业科学;2009年09期

5 陈念;沈佐民;;基于化学成分检测和SVM分类的茶叶品质鉴定[J];安徽农业科学;2010年15期

6 黄远顺;;矫直机的自动故障预报技术[J];安徽冶金;2012年01期

7 林春丽;齐欣;王克成;;SVM-KNN分类器在异常行为检测中的应用[J];辽宁科技大学学报;2010年05期

8 王亮;胡静涛;;基于LS-SVM的光刻过程R2R预测控制方法[J];半导体技术;2012年06期

9 梁万路;;代价敏感支持向量机的投影次梯度求解方法[J];兵工自动化;2011年04期

10 陆锦军;王执铨;;一种基于混沌特性的网络流量改进预测算法[J];兵工学报;2007年11期

相关期刊论文前10条

1 修春波,刘向东,张宇河;相空间重构延迟时间与嵌入维数的选择[J];北京理工大学学报;2003年02期

2 李月,石要武,马海涛,杨宝俊;湮没在色噪声背景下微弱方波信号的混沌检测方法[J];电子学报;2004年01期

3 顾炜，翟东辉，张立明;对复杂混沌时间序列快速预测的前馈神经网络[J];复旦学报(自然科学版);1995年03期

4 叶美盈,汪晓东;混沌光学系统辨识的支持向量机方法[J];光学学报;2004年07期

5 王福友;袁赣南;卢志忠;郝燕玲;;X波段导航雷达浪高实时测量研究[J];海洋工程;2007年04期

6 王红萍;王黎明;万程亮;;混沌理论在水声信号检测中的应用研究[J];舰船电子工程;2010年07期

7 陈瑛,罗鹏飞;海杂波背景下基于RBF神经网络的目标检测[J];雷达科学与技术;2005年05期

8 卢增祥,李衍达;交互支持向量机学习算法及其应用[J];清华大学学报(自然科学版);1999年07期

9 贺明峰,穆云明,赵立中;基于参数自适应控制的混沌同步[J];物理学报;2000年05期

10 高金峰,罗先觉,马西奎;实现连续时间标量(超)混沌信号同步控制的非线性反馈方法[J];物理学报;2000年05期

【相似文献】

相关期刊论文前10条

1 王飞;徐yN;;利用遗传算法设计自适应随机共振系统[J];舰船电子工程;2006年01期

2 严寒;;其他[J];中国光学与应用光学文摘;2007年01期

3 张礼兵;吴婷;袁根福;闫兴书;;基于遗传算法的激光打孔路径优化[J];机电工程;2007年06期

4 张蓓;王辉;马树国;马存山;周磊;张军;;Rh_n(n=3～57)团簇基态物性的遗传算法研究(英文)[J];新疆大学学报(自然科学版);2009年02期

5 肖怀宝;逯贵祯;李晓茹;;基于支持向量机与开口波导法的电磁参数提取方法研究[J];中国传媒大学学报(自然科学版);2010年01期

6 罗达峰,施大宁,王保林;Al-Ni合金团簇的原子结构[J];淮阴工学院学报;2005年03期

7 钟会林;吴福根;姚立宁;;遗传算法在二维声子晶体带隙优化中的应用[J];物理学报;2006年01期

8 代志恒;袁富宇;杨大伟;;用于时空综合被动定位的种子分裂算法[J];指挥控制与仿真;2007年02期

9 孟春霞;李秀坤;杨士莪;胡园;;基于遗传算法的单矢量水听器多目标方位估计[J];声学技术;2007年02期

10 马京华;王怀彬;;一种基于支持向量机和主成分分析的多光谱图像的分类方法[J];天津理工大学学报;2008年06期