改进SFLA-BP神经网络在遮盖干扰信号识别应用

发布时间：2020-12-29 13:36

　　提出一种改进混合蛙跳算法（SFLA）,采用天牛须搜索（BAS）算法来优化混合蛙跳算法的子种群的局部搜索能力,以适应度函数作为评价标准,通过不断对最差个体进行更新来提高子种群的整体水平,优化出整个种群的最优解,即神经网络最佳的初始权值、阈值,对反向传播（BP）神经网络进行训练,得出最优的网络模型,使用BP神经网络、SFLA-BP神经网络和改进SFLA-BP神经网络将雷达有源遮盖性干扰信号分类处理。实验结果表明:改进SFLA-BP神经网络对干扰信号的平均正确识别率为0.91,均优于BP神经网络的正确识别率0.853 5以及SFLA-BP神经网络的正确识别率0.891 7。 

【文章来源】：传感器与微系统. 2020年08期

【文章页数】：4 页

【部分图文】：

算法对函数的寻优曲线对比

将3种遮盖性干扰信号在不同干噪比下分别通过BP神经网络、SFLA-BP神经网络和改进SFLA-BP神经网络进行处理，实验结果如图2所示。从图2可以看出改进SFLA-BP神经网络对噪声调幅干扰信号的识别率提升较快，在相同干噪比下改进SFLA-BP神经网络平均识别率均优于BP神经网络、SFLA-BP神经网络。在-5 d B时，改进SFLA-BP神经网络平均识别率高于BP神经网络近10个百分点，高于SFLA-BP神经网络近3个百分点。改进SFLA-BP神经网络对干扰信号在不同干噪比下的平均正确识别率(0.91)均优于BP神经网络的正确识别率(0.8535)、SFLA-BP神经网络的正确识别率(0.8917)。

【参考文献】：
期刊论文
[1]基于Memetic算法的WSN分簇协议的研究[J]. 席志红,李向峰.  计算机应用研究. 2018(11)
[2]基于改进BP神经网络的汽车尾气检测系统设计[J]. 黄伟军,华猛,吴晨辉.  传感器与微系统. 2018(10)
[3]粒子群算法优化BP神经网络的粉尘浓度预测[J]. 赵广元,马霏.  测控技术. 2018(06)
[4]BP神经网络在室内甲醛定量分析中的应用[J]. 钱小瑞,吴飞.  传感器与微系统. 2018(04)
[5]岸基警戒雷达抗干扰性能评估方法[J]. 郭新民,王旭,魏国华.  系统工程与电子技术. 2018(04)
[6]改进混合蛙跳算法求解旅行商问题[J]. 罗雪晖,杨烨,李霞.  通信学报. 2009(07)
[7]一种基于阈值选择策略的改进混合蛙跳算法[J]. 李英海,周建中,杨俊杰,刘力.  计算机工程与应用. 2007(35)



本文编号：2945730