為解決虛假目標(biāo)點(diǎn)跡對(duì)雷達(dá)跟蹤性能的影響,本文提出了一種基于PSO-SVM算法的雷達(dá)點(diǎn)跡真?zhèn)舞b別方法,進(jìn)一步對(duì)目標(biāo)點(diǎn)跡和雜波點(diǎn)跡進(jìn)行真?zhèn)舞b別,有助于濾除雜波剩余點(diǎn)跡,提高雷達(dá)處理容量和跟蹤性能。本方法利用點(diǎn)跡形成過程中生成的特征參數(shù),先利用PSO算法對(duì)SVM算法參數(shù)進(jìn)行優(yōu)化選擇,再利用參數(shù)優(yōu)化后的SVM算法對(duì)雷達(dá)點(diǎn)跡進(jìn)行真?zhèn)舞b別。最終,目標(biāo)點(diǎn)跡鑒別準(zhǔn)確率達(dá)到了95.18%,雜波點(diǎn)跡鑒別準(zhǔn)確率達(dá)到了89.94%,整體的點(diǎn)跡鑒別準(zhǔn)確率達(dá)到了92.13%。實(shí)驗(yàn)結(jié)果表明:該算法有較高、較穩(wěn)定的點(diǎn)跡鑒別準(zhǔn)確率,前期較多的雜波點(diǎn)跡被鑒別為目標(biāo)點(diǎn)跡的缺陷也得到了較好的改善。 

【文章來源】：雷達(dá)科學(xué)與技術(shù). 2020,18(04)北大核心

【文章頁(yè)數(shù)】：5 頁(yè)

【文章目錄】：
0 引言
1 支持向量機(jī)
2 粒子群優(yōu)化算法
3 基于PSO-SVM的雷達(dá)點(diǎn)跡真?zhèn)舞b別算法模型
4 實(shí)驗(yàn)仿真與分析
    4.1 PSO算法優(yōu)化SVM參數(shù)
    4.2 最優(yōu)參數(shù)下的SVM算法點(diǎn)跡鑒別分析
5 結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]基于AEPSO-SVM算法的雷達(dá)HRRP目標(biāo)識(shí)別[J]. 王彩云,黃盼盼,李曉飛,王佳寧,趙煥玥.  系統(tǒng)工程與電子技術(shù). 2019(09)
[2]粒子群與遺傳算法優(yōu)化支持向量機(jī)的應(yīng)用[J]. 滿春濤,劉博,曹永成.  哈爾濱理工大學(xué)學(xué)報(bào). 2019(03)
[3]改進(jìn)適應(yīng)度函數(shù)的陣列綜合粒子群算法[J]. 張燦斌,段世忠,趙書敏.  雷達(dá)科學(xué)與技術(shù). 2011(03)
[4]支持向量機(jī)理論與算法研究綜述[J]. 丁世飛,齊丙娟,譚紅艷.  電子科技大學(xué)學(xué)報(bào). 2011(01)

碩士論文
[1]雜波抑制與真假目標(biāo)判別[D]. 韋濤.西安電子科技大學(xué) 2017



本文編號(hào)：3159087