基于膜粒子群算法的雷达辐射源信号多目标特征选择方法研究

发布时间：2022-11-01 21:07

　　针对粒子群算法易陷入局部最优和收敛性能较差问题,受膜计算优化理论启发,提出1种膜框架下的粒子群算法,用于解决无监督的多目标雷达辐射源信号特征选择问题.在表层膜中,采用非支配排序和拥挤距离机制使算法既保留了多目标粒子群优化算法的快速收敛性,同时使用基本膜的进化规则也使解集具备较好的多样性,避免了过早收敛问题.在雷达辐射源信号特征提取中,利用一阶差分自相关方法提取包络特征,采用相关度和冗余度两个目标优化数据对象,以评价雷达辐射源信号特征子集的质量,并应用于雷达辐射源信号的脉内特征选择.实验结果表现出算法具有较好的可聚类性和全局收敛性,特征信号之间明显可分,边界清晰无交叠,获得了更高的雷达源信号分选识别正确率. 

【文章页数】：7 页

【文章目录】：
1 膜粒子群多目标优化算法的提出
2 膜粒子群多目标优化算法
3 算法在雷达辐射源信号特征选择中的应用
    3.1 目标函数设计
    3.2 雷达辐射源信号多目标特征选择算法步骤
4 实验结果分析
    4.1 一阶差分自相关包络特征提取
    4.2 仿真实验
5 结语


【参考文献】：
期刊论文
[1]引入多级扰动的混合型粒子群优化算法[J]. 徐利锋,黄祖胜,杨中柱,丁维龙.  软件学报. 2019(06)
[2]采用多目标进化模型的无监督故障特征选择算法[J]. 夏虎,庄健,周璠,于德弘.  振动与冲击. 2014(08)
[3]自然计算的新分支——膜计算[J]. 张葛祥,潘林强.  计算机学报. 2010(02)

博士论文
[1]基于脉内特征的雷达辐射源信号分选技术研究[D]. 陈韬伟.西南交通大学 2010

硕士论文
[1]可满足性问题的改进型类组织P系统的求解研究[D]. 葛平平.安徽理工大学 2015
[2]类细胞P系统在划分聚类中的研究[D]. 韩丽莎.山东师范大学 2015
[3]新体制雷达工作模式及状态建模与分析[D]. 陈卓.电子科技大学 2015
[4]细胞型和神经型P系统的应用问题研究[D]. 王康.西华大学 2011
[5]基于贪婪搜索的贝叶斯网络结构学习算法[D]. 高晓利.西安电子科技大学 2011



本文编号：3700101