發(fā)布時間：2018-04-05 23:12

  本文選題：粒子群算法　切入點：支持向量機　出處：《物理學報》2015年04期

【摘要】：基于經(jīng)驗模態(tài)分解理論,提出了一種基于粒子群算法的支持向量機預測方法.采用總體平均經(jīng)驗模式分解法將混沌信號分解為若干固有模態(tài)函數(shù)和趨勢分量,將復雜的非線性信號轉(zhuǎn)化為具有不同尺度特征的平穩(wěn)分量.利用粒子群算法對支持向量機的懲罰系數(shù)和核函數(shù)進行優(yōu)化,結合支持向量機建立混沌序列的單步預測模型.從預測誤差中檢測淹沒在混沌背景中的微弱信號(包括瞬態(tài)信號和周期信號).對Lorenz系統(tǒng)和實測IPIX雷達數(shù)據(jù)進行仿真實驗,結果表明,該方法能夠有效地從混沌背景噪聲中檢測出微弱目標信號,Lorenz系統(tǒng)得到的均方根誤差0.000000339(-102.8225 d B時)比傳統(tǒng)支持向量機方法的均方根誤差0.049(-54.60 d B時)降低了5個數(shù)量級,從海雜波中檢測出具有諧波特性的微弱信號,表明預測模型具有更低的門限和誤差.
[Abstract]:Based on empirical mode decomposition theory, a support vector machine (SVM) prediction method based on particle swarm optimization (PSO) is proposed.The chaotic signal is decomposed into some inherent mode functions and trend components by the method of population average empirical mode decomposition, and the complex nonlinear signals are transformed into stationary components with different scale characteristics.Particle swarm optimization algorithm is used to optimize the penalty coefficient and kernel function of support vector machine (SVM), and a one-step prediction model of chaotic sequence is established by combining support vector machine (SVM).Weak signals (including transient signals and periodic signals) submerged in chaotic background are detected from prediction errors.The simulation results of Lorenz system and IPIX radar data show that,This method can effectively detect the weak target signal from chaotic background noise and the root mean square error obtained by Lorenz system is 0.000000339- 102.8225 dB), which is 5 orders of magnitude lower than that of traditional support vector machine (SVM) when the root mean square error is 0.049 ~ 54.60 dB).Weak signals with harmonic characteristics are detected from sea clutter, which indicates that the prediction model has lower threshold and error.
【作者單位】： 南京信息工程大學 氣象災害預報預警與評估協(xié)同創(chuàng)新中心 江蘇省氣象探測與信息處理重點實驗室;
【基金】：國家自然科學基金(批準號:61072133) 江蘇普通高校研究生實踐創(chuàng)新計劃(批準號:SJZZ_0112) 江蘇省產(chǎn)學研聯(lián)合創(chuàng)新資金計劃(批準號:BY2013007-02,BY2011112) 江蘇省高�？蒲谐晒a(chǎn)業(yè)化推進項目(批準號:JHB2011-15) 江蘇省“信息與通信工程”優(yōu)勢學科和江蘇省“六大人才高峰”計劃資助的課題~~
【分類號】：TN911.23;O415.5

【相似文獻】

相關期刊論文 前10條

1 ;全國第九屆微弱信號檢測學術會議征稿通知[J];物理;2001年02期

2 陳一詢;《微弱信號檢測》一書評介[J];物理;1988年07期

3 戴逸松;微弱信號檢測講座第二講 噪聲及其設計[J];物理;1988年09期

4 王金成,華家寧;半導體激光(紅光)高頻微弱信號檢測技術的研究[J];大連理工大學學報;1997年S2期

5 石敏;徐襲;;基于混沌系統(tǒng)的水下目標輻射噪聲線譜檢測[J];艦船科學技術;2013年05期

6 高振斌;張晨;李景春;;混沌算法和子空間算法應用在微弱信號檢測中的比較[J];科學技術與工程;2014年01期

7 姜萬錄,吳勝強;基于混沌振子的微弱信號檢測方法及應用[J];機床與液壓;2002年04期

8 行鴻彥;金天力;;基于對偶約束最小二乘支持向量機的混沌海雜波背景中的微弱信號檢測[J];物理學報;2010年01期

9 華家寧;一種LD泵浦Nd:YVO_4/KTP激光微弱信號檢測實驗系統(tǒng)[J];半導體光電;2001年02期

10 潘永惠;高頻綠激光微弱信號檢測技術的研究[J];電子技術應用;2003年08期

相關會議論文 前1條

1 甘維明;李風華;李整林;戴瓊興;;海洋混響背景下微弱信號檢測的仿真研究[A];2008年全國聲學學術會議論文集[C];2008年

相關碩士學位論文 前2條

1 姚秀偉;微波技術與微弱信號檢測實驗課設計——兼選修課理論研究[D];東北師范大學;2004年

2 周靖;基于混沌預測的水聲微弱信號檢測技術研究[D];國防科學技術大學;2009年

，

本文編號：1716907