基于粒子群优化极限学习机的雷达识别方法
CSTR:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

国防科技卓越人才基金(2017-JCJQ-ZQ-003);泰山学者工程专项经费(ts201712072)


Radar Recognition Method Based on Particle Swarm Optimization and Extreme Learning Machine
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对相控阵雷达识别的问题,提出一种基于粒子群优化极限学习机(PSO-KELM)的识别方法。在核函数 极限学习机(kernel extreme learning machine,KELM)的基础上,引入粒子群优化算法(particle swarm optimization, PSO),求得核函数参数最优解,提高相控阵雷达识别准确率。通过构建雷达数据库,使用粒子群优化极限学习机的 方法对不同噪声情况下的雷达数据进行识别,并与核函数极限学习机、核函数支持向量机(kernel support vector machine,KSVM)和半监督式迁移学习(semi-supervised and transfer learning,SSTL)的方法进行对比。仿真结果表明: 在不同雷达种类和不同噪声情况下,该方法识别准确率均高于其他方法。

    Abstract:

    Aiming at the problem of phased array radar recognition, a recognition method based on particle swarm optimization extreme learning machine (PSO-KELM) is proposed. On the basis of kernel extreme learning machine (KELM), particle swarm optimization (PSO) algorithm is introduced to obtain the optimal solution of kernel function parameters and improve the recognition accuracy of phased array radar. By constructing radar database, the method of particle swarm optimization extreme learning machine is used to identify radar data under different noise conditions, and compared with kernel function extreme learning machine, kernel support vector machine (KSVM) and semi-supervised and transfer learning(SSTL). The simulation results show that the recognition accuracy of this method is higher than other methods under different radar types and different noises.

    参考文献
    相似文献
    引证文献
引用本文

刘 傲.基于粒子群优化极限学习机的雷达识别方法[J].,2021,40(9).

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2021-05-24
  • 最后修改日期:2021-06-27
  • 录用日期:
  • 在线发布日期: 2021-09-22
  • 出版日期:
文章二维码