学位论文 > 优秀研究生学位论文题录展示

基于RBF神经网络的海杂波抑制算法研究

作　者: 梁国良
导　师: 沈艳
学　校: 哈尔滨工程大学
专　业: 系统理论
关键词: 海杂波相空间重构支持向量机径向基神经网络抑制
分类号: TN957.51
类　型: 硕士论文
年　份: 2009年
下　载: 60次
引　用: 1次
阅　读: 论文下载

内容摘要

海杂波通常是指海洋表面的雷达后向散射回波,是舰载雷达和海浪监测设备的主要杂波源,它的存在严重干扰了雷达对海面目标的检测性能。海杂波抑制技术是当前研究的重点和难点。如何加强算法对海杂波的抑制,一直受到广大科技工作者的关注。本文给出了改进径向基(Radial Basis Function,简称RBF)神经网络梯度训练算法的方法。利用实际测得的海杂波数据,结合相空间重构理论,并分别通过互信息法,Cao方法和C-C方法进行仿真实验,得到合理的嵌入维数和嵌入延迟,将得到的结果做为网络输入节点个数确定的依据。本文将支持向量机(Suppor Vector Machine,简称SVM)算法和神经网络算法相结合,应用于海杂波抑制。用IPIX(Intelligent Pixel-Processing)雷达的实测数据进行仿真实验,通过对实验结果进行的理论分析和比较,结果表明本文提出的两种算法都具有很好的海杂波抑制能力。

全文目录

摘要  5-6
Abstract  6-9
第1章绪论  9-12
  1.1 课题研究的背景和意义  9-10
  1.2 国内外研究现状  10-11
  1.3 本文主要研究工作及内容安排  11-12
第2章海杂波混沌特性与抑制技术分析  12-24
  2.1 海杂波简介  12-13
  2.2 海杂波的混沌特性  13-18
    2.2.1 混沌的概念  13-14
    2.2.2 Lyapunov指数  14-15
    2.2.3 相空间  15-16
    2.2.4 相关维数  16-17
    2.2.5 Kolmogorov熵  17-18
  2.3 海杂波抑制技术分析  18-22
    2.3.1 海杂波的抑制模型  18-19
    2.3.2 海杂波抑制方法  19-22
  2.4 本文所用雷达实测海杂波数据说明  22-23
  2.5 本章小结  23-24
第3章基于相空间重构理论的网络参数选取  24-37
  3.1 相空间重构  24-26
  3.2 嵌入参数估计  26-30
    3.2.1 独立确定时间序列的嵌入延迟  26-28
    3.2.2 独立确定时间序列的嵌入维数  28-30
  3.3 同时确定时间序列嵌入窗宽的确定  30-32
  3.4 仿真实验及分析  32-35
  3.5 本章小结  35-37
第4章 RBF神经网络模型及其学习算法  37-57
  4.1 支持向量机算法  37-42
    4.1.1 回归  37-38
    4.1.2 线性支持向量机回归  38-39
    4.1.3 非线性支持向量回归  39-42
  4.2 神经网络简介  42-44
    4.2.1 神经网络研究进展  42-43
    4.2.2 神经网络研究内容  43
    4.2.3 神经网络的学习方式  43-44
  4.3 RBF神经网络  44-54
    4.3.1 RBF神经网络结构  44-45
    4.3.2 RBF神经网络原理  45-48
    4.3.3 常用的RBF神经网络学习算法  48-54
  4.4 改进的RBF神经网络梯度算法  54-56
  4.5 本章小结  56-57
第5章 RBF神经网络的海杂波抑制及仿真  57-71
  5.1 基于SVM的RBF神经网络结构优化  57
  5.2 基于SVM的RBF神经网络结构优化算法  57-58
  5.3 基于RBF神经网络的海杂波抑制  58-60
    5.3.1 神经网络学习预测方程  58-59
    5.3.2 海杂波预测和对消  59-60
  5.4 仿真实验  60-70
    5.4.1 数据来源与处理  60-61
    5.4.2 仿真实验比较  61-66
    5.4.3 实验结果分析  66-70
  5.5 本章小结  70-71
结论  71-73
参考文献  73-79
攻读硕士学位期间发表的论文和取得的科研成果  79-80
致谢  80

基于RBF神经网络的海杂波抑制算法研究

内容摘要

全文目录

相似论文