發(fā)布時間：2021-04-25 08:47

　　為解決虛假目標點跡對雷達跟蹤性能的影響,本文提出了一種基于PSO-SVM算法的雷達點跡真?zhèn)舞b別方法,進一步對目標點跡和雜波點跡進行真?zhèn)舞b別,有助于濾除雜波剩余點跡,提高雷達處理容量和跟蹤性能。本方法利用點跡形成過程中生成的特征參數(shù),先利用PSO算法對SVM算法參數(shù)進行優(yōu)化選擇,再利用參數(shù)優(yōu)化后的SVM算法對雷達點跡進行真?zhèn)舞b別。最終,目標點跡鑒別準確率達到了95.18%,雜波點跡鑒別準確率達到了89.94%,整體的點跡鑒別準確率達到了92.13%。實驗結(jié)果表明:該算法有較高、較穩(wěn)定的點跡鑒別準確率,前期較多的雜波點跡被鑒別為目標點跡的缺陷也得到了較好的改善。 

【文章來源】：雷達科學與技術. 2020,18(04)北大核心

【文章頁數(shù)】：5 頁

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


【參考文獻】：
期刊論文
[1]基于AEPSO-SVM算法的雷達HRRP目標識別[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. 2019(09)
[2]粒子群與遺傳算法優(yōu)化支持向量機的應用[J]. 滿春濤,劉博,曹永成.  哈爾濱理工大學學報. 2019(03)
[3]改進適應度函數(shù)的陣列綜合粒子群算法[J]. 張燦斌,段世忠,趙書敏.  雷達科學與技術. 2011(03)
[4]支持向量機理論與算法研究綜述[J]. 丁世飛,齊丙娟,譚紅艷.  電子科技大學學報. 2011(01)

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



本文編號：3159087