交叉验证的GRNN神经网络雷达目标识别方法研究

• 作者: 夏厚培 林悦
• 来源期刊: 现代防御技术
• 学科: 工学
• 关键词: 雷达自动目标识别 高分辨距离像 最小熵对齐法 广义回归神经网络 光滑因子 交叉验证法
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 探测跟踪技术
• 页码范围: 113-119
• 页数: 7页
• 分类号: TN959|TP183
• 字数: 4645字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-086x.2018.04.018

摘要

雷达目标识别是现代雷达技术的重要发展方向之一,在未来武器系统中具有重要的意义.针对高分辨一维距离像在预处理中平移敏感性的问题,使用了全局最小熵距离对齐算法,能够较准确快速对准距离像单元,提高了距离对齐的精度.为了提高雷达目标识别的准确率,提出了一种与广义回归神经网络模型(generalized regression neural network,GRNN)相结合的目标识别方法.利用K重交叉验证法对神经网络训练,并且根据最小均方误差寻找出GRNN神经网络光滑因子spread的最优值,同时获得目标识别训练样本的最优输入输出值.通过对比,取得最优光滑因子的GRNN神经网络将大幅度提高其收敛速度与泛化能力.仿真实验证明,基于改进GRNN神经网络的雷达目标识别可以获得较高较稳定的识别正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏厚培	中国船舶重工集团公司第七二四研究所	5	34	3.0	5.0
2	林悦	南京信息工程大学电子与信息工程学院	1	9	1.0	1.0