郑红利
- 作品数：3 被引量：11H指数：2
- 供职机构：南京信息工程大学更多>>
- 发文基金：江苏省高校科研成果产业化推进项目江苏省产学研联合创新资金项目国家自然科学基金更多>>
- 相关领域：电子电信更多>>
- 基于多参数组合优化的微弱信号检测方法被引量：2
- 2015年
- 针对传统检测方法对混沌背景下微弱信号检测能力不足的问题,提出了基于多参数组合优化的微弱信号检测方法。该方法利用相空间重构和支持向量机(SVM)模型参数间的相互依赖、相互制约的关系,将相空间重构和SVM模型参数作为遗传算法(GA)的个体,以混沌时间序列预测均方根误差的倒数作为适应度函数,采用实数编码,通过循环迭代获得最优参数值进行建模、训练和预测,从一步预测误差中将混沌背景中微弱信号(包括瞬态信号和周期信号)检测出来。分别以Lorenz系统和实测的IPIX雷达数据作为混沌背景噪声进行实验研究,仿真验证表明,所提方法能够有效地将混沌背景噪声中瞬态信号和周期信号检测出来,与传统的参数求取方法相比,预测精度和检测性能均得到显著提高。
- 行鸿彦郑红利徐伟
- 关键词：微弱信号检测混沌支持向量机遗传算法
- 基于相空间重构的混沌背景下微弱信号检测方法研究
- 随着对混沌学的深入研究,很多看似随机的复杂背景信号具有混沌特性。如何有效地将混沌噪声中的微弱目标信号提取出来,对信号的检测具有重要意义和应用价值。本文对相空间重构理论进行研究分析,利用混沌背景信号短期可预测性,建立混沌背...
- 郑红利
- 关键词：微弱信号检测遗传算法支持向量机回声状态网络
- 文献传递
- 混沌背景中微弱信号检测的回声状态网络方法被引量：10
- 2015年
- 对复杂非线性系统的相空间重构理论进行了研究分析,提出了混沌背景中微弱信号检测的回声状态网络方法。针对回声状态网络模型参数选取困难这一问题,采用遗传算法对其模型参数进行优化。将回声状态网络模型参数作为遗传算法的个体,混沌时间序列预测均方根误差的倒数作为适应度函数,通过选择、交叉、变异等操作获得适合数据特点的最优模型参数。根据回声状态网络强大的学习和非线性处理能力,利用得到的回声状态网络模型最优参数建立混沌背景噪声的单步预测模型,将淹没在混沌背景噪声中的微弱瞬态信号和周期信号从预测误差中检测出来。以Lorenz系统和实测的海杂波数据作为混沌背景噪声进行仿真实验,仿真结果表明,本文所提方法在预测精度和训练速度方面均优于支持向量机和神经网络模型,能够有效地检测出混沌背景噪声中的微弱目标信号,且具有较小的预测误差。
- 郑红利行鸿彦徐伟
- 关键词：混沌回声状态网络遗传算法微弱信号检测
