發(fā)布時(shí)間：2020-05-26 08:12

【摘要】：隨著現(xiàn)代電磁環(huán)境日益密集和復(fù)雜、電子信息技術(shù)的飛速發(fā)展和新興系統(tǒng)雷達(dá)的出現(xiàn),傳統(tǒng)的雷達(dá)信號(hào)識(shí)別方法已不能滿足現(xiàn)代電子戰(zhàn)的需要。因此,有必要研究和探索更加先進(jìn)的雷達(dá)信號(hào)識(shí)別方法,使其能夠提取出更加精煉,更具表征性和普遍性的雷達(dá)信號(hào)特征來(lái)適應(yīng)現(xiàn)代戰(zhàn)爭(zhēng)中電子戰(zhàn)的發(fā)展。卷積神經(jīng)網(wǎng)絡(luò)不僅是深度學(xué)習(xí)領(lǐng)域應(yīng)用較為廣泛的模型,而且由于其很強(qiáng)的魯棒性和容錯(cuò)性、并行處理能力、自學(xué)習(xí)、自組織、自適應(yīng)性、強(qiáng)擬合性、高效的特征提取卷積運(yùn)算和降維池化運(yùn)算,以及強(qiáng)大的信息綜合能力,逐漸成為雷達(dá)信號(hào)識(shí)別技術(shù)研究的一個(gè)新方向。然而,傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練算法往往采用誤差反向傳播算法,該算法易使網(wǎng)絡(luò)陷入局部最優(yōu),且收斂速度慢,泛化能力無(wú)法保證,且計(jì)算模型也較為復(fù)雜。本文研究了一種自主改進(jìn)的量子粒子群算法來(lái)克服反向傳播算法的缺陷,和卷積神經(jīng)網(wǎng)絡(luò)模型相結(jié)合應(yīng)用于雷達(dá)信號(hào)識(shí)別領(lǐng)域,主要工作如下:(1)分析了基本神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)的結(jié)構(gòu),深入探討了標(biāo)準(zhǔn)粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)和量子粒子群算法(Quantum-behaved Particle Swarm Optimization Algorithm,QPSO)的優(yōu)缺點(diǎn)。(2)在QPSO算法的基礎(chǔ)上引入差分進(jìn)化算子和自適應(yīng)因子,給出了一種改進(jìn)的量子粒子群算法(Improved Quantum-behaved Particle Swarm Optimization Algorithm,IQPSO),通過(guò)測(cè)試函數(shù)對(duì)比實(shí)驗(yàn)驗(yàn)證IQPSO算法的改進(jìn)優(yōu)勢(shì)。(3)將IQPSO算法與CNN相結(jié)合,給出了具體的編碼策略、參數(shù)設(shè)計(jì)方式、算法的流程圖,并引用UCL數(shù)據(jù)庫(kù)中的數(shù)據(jù)測(cè)試IQPSO-CNN的性能。(4)研究了不同體制的雷達(dá)信號(hào)的仿真,通過(guò)仿真實(shí)驗(yàn)得出不同體制雷達(dá)信號(hào)的仿真數(shù)據(jù),選取一定量的數(shù)據(jù)作為IQPSO-CNN的訓(xùn)練樣本,剩余數(shù)據(jù)作為IQPSO-CNN的測(cè)試樣本,驗(yàn)證網(wǎng)絡(luò)識(shí)別的正確率。
【學(xué)位授予單位】：江蘇科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TN957.51;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張珂;;雷達(dá)信號(hào)識(shí)別中設(shè)置問(wèn)題研究[J];數(shù)字通信世界;2019年05期

2 李廣彪,張劍云,毛云祥;一種新的雷達(dá)信號(hào)識(shí)別可信度確定方法[J];現(xiàn)代雷達(dá);2005年05期

3 沈家煌;黃建沖;朱永成;;基于序列樣本的威脅雷達(dá)信號(hào)識(shí)別方法[J];火力與指揮控制;2018年09期

4 王歡;何明浩;劉銳;韓俊;;雷達(dá)信號(hào)識(shí)別效果的模糊綜合評(píng)價(jià)研究[J];雷達(dá)科學(xué)與技術(shù);2012年04期

5 陳婷;嚴(yán)曉蘭;;基于粗集和支持向量機(jī)的雷達(dá)信號(hào)識(shí)別法[J];航天電子對(duì)抗;2010年06期

6 劉愛霞,趙國(guó)慶;一種新的雷達(dá)信號(hào)識(shí)別方法[J];航天電子對(duì)抗;2003年01期

7 吳瑩;羅明;;基于改進(jìn)的半監(jiān)督主動(dòng)學(xué)習(xí)的雷達(dá)信號(hào)識(shí)別[J];信號(hào)處理;2018年06期

8 楊宏飛;何正日;;時(shí)頻分析在雷達(dá)信號(hào)識(shí)別中的應(yīng)用[J];電子科技;2016年08期

9 寧宇;;基于分形理論和神經(jīng)網(wǎng)絡(luò)的雷達(dá)信號(hào)識(shí)別算法[J];中小企業(yè)管理與科技(中旬刊);2014年02期

10 ;雷達(dá)信號(hào)識(shí)別的一種方法[J];電子對(duì)抗技術(shù);1986年Z1期

相關(guān)會(huì)議論文 前2條

1 王惠娟;;雷達(dá)信號(hào)識(shí)別綜合可信度確定的新算法[A];2014第二屆中國(guó)指揮控制大會(huì)論文集（上）[C];2014年

2 葛覲銘;朱澤恩;鄭創(chuàng);黃建平;付強(qiáng);;KAZR云雷達(dá)信號(hào)識(shí)別的新算法研究[A];第33屆中國(guó)氣象學(xué)會(huì)年會(huì) S12 大氣物理學(xué)與大氣環(huán)境[C];2016年

相關(guān)博士學(xué)位論文 前1條

1 朱健東;復(fù)雜體制雷達(dá)信號(hào)識(shí)別與參數(shù)估計(jì)研究[D];解放軍信息工程大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 陳鑫;基于輕量化AlexNet模型的雷達(dá)信號(hào)識(shí)別算法研究[D];哈爾濱工程大學(xué);2019年

2 趙毅;基于改進(jìn)量子粒子群卷積神經(jīng)網(wǎng)絡(luò)雷達(dá)信號(hào)識(shí)別[D];江蘇科技大學(xué);2019年

3 寇韻涵;基于sSAE的LPI雷達(dá)信號(hào)識(shí)別算法研究[D];哈爾濱工程大學(xué);2018年

4 陳春利;基于集成深度學(xué)習(xí)的雷達(dá)信號(hào)識(shí)別方法研究[D];西南交通大學(xué);2018年

5 牛r，

本文編號(hào)：2681544