提出一種改進(jìn)混合蛙跳算法（SFLA）,采用天牛須搜索（BAS）算法來優(yōu)化混合蛙跳算法的子種群的局部搜索能力,以適應(yīng)度函數(shù)作為評價標(biāo)準(zhǔn),通過不斷對最差個體進(jìn)行更新來提高子種群的整體水平,優(yōu)化出整個種群的最優(yōu)解,即神經(jīng)網(wǎng)絡(luò)最佳的初始權(quán)值、閾值,對反向傳播（BP）神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,得出最優(yōu)的網(wǎng)絡(luò)模型,使用BP神經(jīng)網(wǎng)絡(luò)、SFLA-BP神經(jīng)網(wǎng)絡(luò)和改進(jìn)SFLA-BP神經(jīng)網(wǎng)絡(luò)將雷達(dá)有源遮蓋性干擾信號分類處理。實驗結(jié)果表明:改進(jìn)SFLA-BP神經(jīng)網(wǎng)絡(luò)對干擾信號的平均正確識別率為0.91,均優(yōu)于BP神經(jīng)網(wǎng)絡(luò)的正確識別率0.853 5以及SFLA-BP神經(jīng)網(wǎng)絡(luò)的正確識別率0.891 7。 

【文章來源】：傳感器與微系統(tǒng). 2020年08期

【文章頁數(shù)】：4 頁

【部分圖文】：

算法對函數(shù)的尋優(yōu)曲線對比

將3種遮蓋性干擾信號在不同干噪比下分別通過BP神經(jīng)網(wǎng)絡(luò)、SFLA-BP神經(jīng)網(wǎng)絡(luò)和改進(jìn)SFLA-BP神經(jīng)網(wǎng)絡(luò)進(jìn)行處理，實驗結(jié)果如圖2所示。從圖2可以看出改進(jìn)SFLA-BP神經(jīng)網(wǎng)絡(luò)對噪聲調(diào)幅干擾信號的識別率提升較快，在相同干噪比下改進(jìn)SFLA-BP神經(jīng)網(wǎng)絡(luò)平均識別率均優(yōu)于BP神經(jīng)網(wǎng)絡(luò)、SFLA-BP神經(jīng)網(wǎng)絡(luò)。在-5 d B時，改進(jìn)SFLA-BP神經(jīng)網(wǎng)絡(luò)平均識別率高于BP神經(jīng)網(wǎng)絡(luò)近10個百分點，高于SFLA-BP神經(jīng)網(wǎng)絡(luò)近3個百分點。改進(jìn)SFLA-BP神經(jīng)網(wǎng)絡(luò)對干擾信號在不同干噪比下的平均正確識別率(0.91)均優(yōu)于BP神經(jīng)網(wǎng)絡(luò)的正確識別率(0.8535)、SFLA-BP神經(jīng)網(wǎng)絡(luò)的正確識別率(0.8917)。

【參考文獻(xiàn)】：
期刊論文
[1]基于Memetic算法的WSN分簇協(xié)議的研究[J]. 席志紅,李向峰.  計算機(jī)應(yīng)用研究. 2018(11)
[2]基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的汽車尾氣檢測系統(tǒng)設(shè)計[J]. 黃偉軍,華猛,吳晨輝.  傳感器與微系統(tǒng). 2018(10)
[3]粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的粉塵濃度預(yù)測[J]. 趙廣元,馬霏.  測控技術(shù). 2018(06)
[4]BP神經(jīng)網(wǎng)絡(luò)在室內(nèi)甲醛定量分析中的應(yīng)用[J]. 錢小瑞,吳飛.  傳感器與微系統(tǒng). 2018(04)
[5]岸基警戒雷達(dá)抗干擾性能評估方法[J]. 郭新民,王旭,魏國華.  系統(tǒng)工程與電子技術(shù). 2018(04)
[6]改進(jìn)混合蛙跳算法求解旅行商問題[J]. 羅雪暉,楊燁,李霞.  通信學(xué)報. 2009(07)
[7]一種基于閾值選擇策略的改進(jìn)混合蛙跳算法[J]. 李英海,周建中,楊俊杰,劉力.  計算機(jī)工程與應(yīng)用. 2007(35)



本文編號：2945730