發(fā)布時(shí)間：2022-11-01 21:07

　　針對(duì)粒子群算法易陷入局部最優(yōu)和收斂性能較差問題,受膜計(jì)算優(yōu)化理論啟發(fā),提出1種膜框架下的粒子群算法,用于解決無(wú)監(jiān)督的多目標(biāo)雷達(dá)輻射源信號(hào)特征選擇問題.在表層膜中,采用非支配排序和擁擠距離機(jī)制使算法既保留了多目標(biāo)粒子群優(yōu)化算法的快速收斂性,同時(shí)使用基本膜的進(jìn)化規(guī)則也使解集具備較好的多樣性,避免了過早收斂問題.在雷達(dá)輻射源信號(hào)特征提取中,利用一階差分自相關(guān)方法提取包絡(luò)特征,采用相關(guān)度和冗余度兩個(gè)目標(biāo)優(yōu)化數(shù)據(jù)對(duì)象,以評(píng)價(jià)雷達(dá)輻射源信號(hào)特征子集的質(zhì)量,并應(yīng)用于雷達(dá)輻射源信號(hào)的脈內(nèi)特征選擇.實(shí)驗(yàn)結(jié)果表現(xiàn)出算法具有較好的可聚類性和全局收斂性,特征信號(hào)之間明顯可分,邊界清晰無(wú)交疊,獲得了更高的雷達(dá)源信號(hào)分選識(shí)別正確率. 

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
1 膜粒子群多目標(biāo)優(yōu)化算法的提出
2 膜粒子群多目標(biāo)優(yōu)化算法
3 算法在雷達(dá)輻射源信號(hào)特征選擇中的應(yīng)用
    3.1 目標(biāo)函數(shù)設(shè)計(jì)
    3.2 雷達(dá)輻射源信號(hào)多目標(biāo)特征選擇算法步驟
4 實(shí)驗(yàn)結(jié)果分析
    4.1 一階差分自相關(guān)包絡(luò)特征提取
    4.2 仿真實(shí)驗(yàn)
5 結(jié)語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]引入多級(jí)擾動(dòng)的混合型粒子群優(yōu)化算法[J]. 徐利鋒,黃祖勝,楊中柱,丁維龍.  軟件學(xué)報(bào). 2019(06)
[2]采用多目標(biāo)進(jìn)化模型的無(wú)監(jiān)督故障特征選擇算法[J]. 夏虎,莊健,周璠,于德弘.  振動(dòng)與沖擊. 2014(08)
[3]自然計(jì)算的新分支——膜計(jì)算[J]. 張葛祥,潘林強(qiáng).  計(jì)算機(jī)學(xué)報(bào). 2010(02)

博士論文
[1]基于脈內(nèi)特征的雷達(dá)輻射源信號(hào)分選技術(shù)研究[D]. 陳韜偉.西南交通大學(xué) 2010

碩士論文
[1]可滿足性問題的改進(jìn)型類組織P系統(tǒng)的求解研究[D]. 葛平平.安徽理工大學(xué) 2015
[2]類細(xì)胞P系統(tǒng)在劃分聚類中的研究[D]. 韓麗莎.山東師范大學(xué) 2015
[3]新體制雷達(dá)工作模式及狀態(tài)建模與分析[D]. 陳卓.電子科技大學(xué) 2015
[4]細(xì)胞型和神經(jīng)型P系統(tǒng)的應(yīng)用問題研究[D]. 王康.西華大學(xué) 2011
[5]基于貪婪搜索的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法[D]. 高曉利.西安電子科技大學(xué) 2011



本文編號(hào)：3700101