基于神经网络的认知雷达目标优先级综合评价方法

发布时间：2020-12-12 02:21

　　为了解决认知雷达资源自适应调度中评价指标和评价方法单一而导致主、客观评价不一致的问题,根据空中目标威胁度以及目标图像质量,提出一种基于神经网络的认知雷达目标优先级综合评价方法,为认知雷达资源调度系统提供准确的调度依据。该方法首先建立目标的威胁度和成像质量的评价指标体系,然后采用BP神经网络和自组织特征映射(SOFM)神经网络对目标的优先级进行综合评价。仿真结果表明,该方法能够对多个目标的优先级进行客观、准确的评价。 

【文章来源】：现代电子技术. 2020年09期 第62-66+70页 北大核心

【文章页数】：6 页

【部分图文】：

认知雷达目标优先级综合评价系统结构图

为了确定图像质量指标权重，本文建立了三层BP神经网络结构模型，如图2所示。由于理论上已经证明，单个隐含层的网络可以通过适当增加神经元节点的个数实现任意非线性映射，因此，在本文中设定单个隐含层即可满足需求。由图2可知，输入层包含4个节点（对应图像质量的4个评价指标），隐含层根据神经网络经验公式设定10个神经元节点，输出层只包含1个节点，输出结果包含设定的4个评价等级之一。3.1.2 确定指标权重

利用本文确定的BP神经网络结构对144个ISAR成像样本进行训练，其中，116(80%）个数据样本作为训练样本，28(20%）个数据样本作为测试样本，训练结果如图3所示。在300批次时均方误差开始收敛，在3 000批次时，均方误差能达到0.010 818，对样本的识别概率能达到92.857%，满足对图像质量等级评价的要求。根据式（13）可求出4个图像质量评价的归一化权重为：qi=[0.221 2,0.250 4,0.271 6,0.256 8]。


本文编号：2911672