基于PSO-RBF神经网络的雷达目标识别

• 作者: 何隆玲 李维维 李铭 胡桂明
• 来源期刊: 现代防御技术
• 学科: 工学
• 关键词: 一维距离像 粒子群算法 RBF神经网络 雷达目标识别
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 探测跟踪技术
• 页码范围: 115-120
• 页数: 6页
• 分类号: TN957.51|TP183
• 字数: 3409字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-086x.2014.05.021

摘要

为提高雷达系统目标识别能力,对粒子群算法及RBF神经网络进行了分析.针对离子群算法(PSO)易陷入局部极小的缺陷,提出了基于自适应时变权重和局部搜索算子的改进PSO算法,并将该算法应用到RBF神经网络核函数参数的优化学习中,进行了雷达目标识别仿真实验.仿真结果表明,相对于标准PSO-RBF神经网络,改进算法不仅收敛速度快,且误差精度高,特别在干扰较强时,目标的识别率有较大提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡桂明	广西大学电气工程学院	34	156	7.0	9.0
2	李铭	广西大学电气工程学院	8	21	3.0	4.0
3	李维维	广西大学电气工程学院	5	22	3.0	4.0
4	何隆玲	广西大学电气工程学院	3	13	2.0	3.0