欢迎来到天天文库
浏览记录
ID:35057460
大小:5.62 MB
页数:49页
时间:2019-03-17
《基于kohonen神经网络的雷达目标回波识别》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、:門1敝請分樂号;;〇数寧位代獨/:学号;別30膊㈱T;a馨抑^Northlliii¥ersityOfChina.動硕±学位论文片:;争I邦’:纖画11基于Kohonen神经网络的雷达目标目波測漏罰馨魏韓;誦紙研究生麵睡—*"*""*'巧-'''■■支‘;心,-—制蕾马盼:BT/…V^世?二三原创性黄明本人郑重声明:所呈交的学位论文,是本人在指导教师的指导下,独立进行研究所取得的成果。除义中己经注明引用的内容外,本论文不包含冥他个人或集体
2、已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体,均已在女中P乂明确方式掠明。本声明的法律责任由本人承担。、、I论文作者签名以L、:日期:^关于学位论文使用权的说明本人完全了解中北大学有关保管、使用学位论文的规定,其中包括:①学校有枚保管、并向有关部口送交学位论文的原件与复印件;②学校可a采用影印、缩印或其它复制手段复制并保存学位论文;③学校可化许学位论文被查巧或借拥;④学校可a学术交流为目的,复制巧送和交换学位论文;⑤学校可k义公布学位论女的全部或部分内容(巧密学位论文在解巧后进守此规定)。
3、心^签名:1:7日期:哪_/导师签名wL:14份日期:图书分类号O29密级非密注1UDC____________________________________________________________硕士学位论文基于Kohonen神经网络的雷达目标回波识别桑鹏伟指导教师(姓名、职称)王鹏副教授申请学位级别理学硕士专业名称应用数学论文提交日期__2016__年___4__月___1__日论文答辩日期__2016__年___5__月__28__日学位授予日期________年______月______日论文评阅人黄迟、胡红
4、萍答辩委员会主席刘桂荣山西大学2016年6月1日中北大学学位论文基于Kohonen神经网络的雷达目标回波识别摘要雷达目标回波识别作为军事领域中关键的一个研究方向,其研究手段在近几年的不断朝着智能化、工具化的方向发展。人工神经网络作为一种强自适应性的智能算法,大规模并行处理、强容错性等特点使其很容易的被应用于雷达目标回波识别中。本文主要以Kohonen神经网络为基础对雷达目标回波的识别进行研究和实验,根据其良好的聚类效果、强自适应性和自组织的特点,提出了一种识别准确率比较高的S-Kohonen_bayes方法。首先,文章从实际问题出发,阐述了雷达目标回波
5、识别所遇到的具体问题,提出采用Kohonen的神经网络方法进行聚类解决,并进行仿真实验。其次,根据聚类结果对Kohonen网络进行改进,引入两种比较实用的滤波对雷达目标回波的数据进行优化。通过仿真实验证明,滤波的优化效果十分显著,且其中的中值滤波器具有更好的实验效果。然后,为了对实验结果进行更好的改良,提出S-Kohonen_bayes的方法。使用两种贝叶斯决策的方法,从统计和决策的角度对实验结果进行优化。并且,在本章的仿真实验中加入Adboost强分类器,更大的提升了雷达目标回波识别的准确率。最后,用实地采录的雷达目标回波数据对本文提出的S-Koho
6、nen_bayes方法进行效果验证。实验结果证明,本文采用的方法在雷达目标回波的识别上具有很高的准确率,并具有良好的泛化性能。关键词:雷达目标回波,S-Kohonen,滤波器,贝叶斯决策,强分类器中北大学学位论文ApplicationofNeuralNetworksinRadarTargetRecognitionAbstractRadartargetechorecognitionisakeyresearchdirectioninmilitaryfield,anditsresearchmethodshavebecomemoreintelligentinr
7、ecentyears.Asastrongabilitytoadapttotheintelligentalgorithm,thecharacteristicsoflarge-scaleparallelprocessing,strongfaulttolerancemadeiteasytobeusedinradartargetrecognition.TheresearchofthispaperisbasedonKohonenneuralnetwork.ProposedamethodwithhighaccuracynamedS-Kohonen_bayes.Fi
8、rst,accordingtotheradartoidentifythespecificpro
此文档下载收益归作者所有