雷達(dá)干擾作為雷達(dá)對抗的主要手段和措施,其效果評估一直是一個相關(guān)研究較少、爭議較多的領(lǐng)域。針對雷達(dá)干擾效果評估問題,提出采用智能評估的解決方法。首先分析選定了影響雷達(dá)干擾效果的關(guān)聯(lián)因子。然后利用遺傳算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化設(shè)計,以改善BP神經(jīng)網(wǎng)絡(luò)的缺點和不足,建立BP神經(jīng)網(wǎng)絡(luò)、遺傳神經(jīng)網(wǎng)絡(luò)、支持向量機三種雷達(dá)干擾效果評估模型。最后進(jìn)行仿真,驗證對比分析模型性能。結(jié)果表明遺傳神經(jīng)網(wǎng)絡(luò)評估模型較BP神經(jīng)網(wǎng)絡(luò)和支持向量機性能優(yōu)越,提高了雷達(dá)干擾效果綜合評估值的預(yù)測精度和準(zhǔn)確率,準(zhǔn)確率可達(dá)95.65%。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

BP神經(jīng)網(wǎng)絡(luò)實質(zhì)上是一種基于誤差反向傳播算法的多層前向神經(jīng)網(wǎng)絡(luò)。由于它具有很強的模型識別和自學(xué)習(xí)能力,可以用來建立難以用數(shù)學(xué)模型描述的復(fù)雜非線性、不確定的系統(tǒng)。BP神經(jīng)網(wǎng)絡(luò)是目前最廣泛使用的神經(jīng)網(wǎng)絡(luò)模型之一。BP神經(jīng)網(wǎng)絡(luò)包括輸入層、隱含層和輸出層,其中隱含層可以是單層也可以是多層....

圖2遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法流程

遺傳算法結(jié)合BP神經(jīng)網(wǎng)絡(luò)進(jìn)行干擾效果評估的過程分為兩個部分:BP神經(jīng)網(wǎng)絡(luò)部分和遺傳算法部分。遺傳算法結(jié)合BP神經(jīng)網(wǎng)絡(luò)算法流程如圖2所示。為了便于比較模型性能,BP神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置同上,輸入層節(jié)點數(shù)量為7,輸出層節(jié)點數(shù)量為1,隱含層節(jié)點數(shù)為15。

圖3BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)仿真結(jié)果

通過數(shù)據(jù)計算,以相對誤差小于5%為標(biāo)準(zhǔn),則BP神經(jīng)網(wǎng)絡(luò)準(zhǔn)確率為65.22%,遺傳神經(jīng)網(wǎng)絡(luò)準(zhǔn)確率為95.65%,支持向量機準(zhǔn)確率為91.30%。圖4遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)結(jié)果

圖4遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)結(jié)果

圖3BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)仿真結(jié)果圖5支持向量機訓(xùn)練數(shù)據(jù)仿真結(jié)果

本文編號：3915294