基于粒子群优化极限学习机的雷达识别方法

• 作者: 刘傲 周正
• 来源期刊: 兵工自动化
• 关键词: 相控阵雷达 辐射源识别 粒子群优化 核函数 极限学习机(extreme learning machine,ELM)
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 武器装备智能化|Armament Intellectualization
• 页码范围: 1-5,10
• 页数: 6页
• 分类号: TN95
• 语种: 中文
• DOI: 10.7690/bgzdh.2021.09.001

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.