基于改进烟花算法的雷达辐射源识别方法

发布时间：2021-04-13 14:16

　　针对雷达辐射源识别问题,提出基于改进烟花算法（FWA）的雷达辐射源识别模型,利用改进烟花算法进行参数寻优,识别雷达辐射源。在对传统烟花算法分析的基础上,通过非线性递减调节烟花爆炸半径,提高烟花算法的寻优能力。仿真结果表明,改进烟花算法提高了雷达辐射源识别的准确性。 

【文章来源】：电光与控制. 2020,27(10)北大核心CSCD

【文章页数】：4 页

【部分图文】：

基于烟花算法改进SVM的雷达辐射源识别模型

改进烟花算法由于动态调节烟花爆炸半径,提高了寻优精度,增强了算法的寻优能力。基于线性核、Sigmoid核、RBF核模型、基本烟花算法模型和改进烟花算法模型对测试样本进行仿真,识别结果如图3及表4所示。表4 不同内核的SVM建模结果比较Table 4 Comparison of SVM modeling results of different kernels % 建模方法 识别结果 基于线性核模型 81.46 基于Sigmoid核模型 16.45 基于RBF核模型 92.28 基于烟花算法优化SVM模型 97.77 基于改进烟花算法SVM模型 98.29

【参考文献】：
期刊论文
[1]基于自动机器学习流程优化的雷达辐射源信号识别[J]. 涂同珩,金炜东.  计算机应用研究. 2019(01)
[2]基于改进烟花算法的SVM特征选择和参数优化[J]. 沈永良,宋杰,万志超.  微电子学与计算机. 2018(01)
[3]基于改进蜂群算法的雷达网目标分配方法[J]. 王蓉,周雪梅.  火力与指挥控制. 2017(12)
[4]改进的支持向量机低分辨雷达目标分类算法[J]. 陈志仁,顾红,苏卫民,王钊.  系统工程与电子技术. 2017(11)
[5]改进的混合蛙跳算法在雷达网部署中的应用[J]. 崔玉娟,察豪,田斌.  海军工程大学学报. 2015(01)
[6]烟花算法研究进展[J]. 谭营,郑少秋.  智能系统学报. 2014(05)
[7]支持向量机回归理论与控制的综述[J]. 王定成,方廷健,唐毅,马永军.  模式识别与人工智能. 2003(02)

硕士论文
[1]基于机器学习的雷达辐射源识别方法研究[D]. 李晨阳.西安电子科技大学 2018



本文编号：3135451