欢迎来到天天文库
浏览记录
ID:38099127
大小:404.63 KB
页数:6页
时间:2019-05-24
《q-高斯的SOM神经网络在雷达抗干扰效能评估中的应用》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、第32卷第6期哈尔滨工程大学学报Vo1.32No.62011年6月JournalofHarbinEngineeringUniversityJun.2011doi:10.3969/j.issn.1006—7043.2011.06.013g一高斯的SOM神经网络在雷达抗干扰效能评估中的应用赵伟,伞冶(哈尔滨工业大学控制与仿真中心,黑龙江哈尔滨150001)摘要:为了扩大邻域函数的输出空间和增强神经元的邻域合作,提出基于g一高斯的SOM(self-organizingmapping)神经网络评估雷达抗干扰效能.采用q-高斯函数作为SOM神经网络的邻域函数,
2、选取较大的非广延熵指数q扩大了q一高斯函数的输出空间,随着邻域的缩小,非广延熵指数q从大到小自适应地调整平衡了神经元的远邻域合作和近邻域合作.通过评估雷达抗干扰效能和实例测试,仿真结果表明基于g-高斯的SOM神经网络效能评估的准确率为100%、模式识别的聚类正确率和分类正确率比其他SOM神经网络高出5%,验证了该方法的有效性和可行性.关键词:效能评估;雷达抗干扰;SOM神经网络;q一高斯中图分类号:TP18;E917文献标识码:A文章编号:1006-7043(2011)06-0767-06Aq-GaussianSOMneuralnetworkandi
3、tsapplicationforevaluationoftheefectivenessofradarECCMZHAOWei,SANYe(ControlandSimulationCenter,HarbinInstituteofTechnology,Harbin150001,China)Abstract:Inordertoincreasetheoutputspaceofneighborhoodfunctionsandenhancetheneighborhoodcooperationbetweenneurons,aq-Gaussianself-organi
4、zingmapping(SOM)neuralnetworkwasproposedforevaluationoftheeffectivenessofradarelectroniccounter—countermeasures(ECCM).Aq-Gaussianfunctionwastakenasaneighbor—hoodfunctioninanSOMneuralnetwork,andthenon—extensiveentropicindexqwaslargertoeficientlyincreasetheoutputspaceoftheq-Gauss
5、ianfunction.Thenon-extensiveentropicindexqwasadjustedadaptivelyfromlargetosmallwiththedecreasingneighbortobalancetheneuronsdistantandcloseneighborhoodcooperationability.ThesimulationresultsoftheeffectivenessevaluationoftheradarECCMandinstancetestsshowthattheq-GaussianSOMneuraln
6、etworkcanobtain100%accurateresultsinevaluatingeffectiveness.a5%higheraccuracyratebothinclusteringandclassificationthanotherSOMneuralnetworksinpatternrecognition;thevalidityandfeasibilityofthemethodareverified.Keywords:effectivenessevaluation;radarECCM;self-organizingmappingneur
7、alnetwork;q—Gaussian各种武器装备威力的发挥,战区的监视和警戒,达装备研究和作战效能评估有重要的作用.目前,雷诸兵种协同作战的调配、联系、指挥和控制等,都越达抗干扰效能评估的方法主要有线性加权法、层次来越多地依赖于雷达的效能⋯.随着雷达技术的发分析法、模糊评判法和概率综合法.但这些方法受人展,反雷达技术也迅速发展,导致了现代雷达工作环为因素影响大,因为神经网络具有良好的非线性映境的日益复杂和恶化.因此,研究雷达的抗干扰射能力,可以任意逼近一个复杂的非线性系统,所以能力受到了人们的重视,雷达抗干扰效能评估对雷人们越来越多的重视采用神经
8、网络来评估雷达抗干扰效能J.SOM神经网络是一种无监督学习的竞争收稿日期:2009-10—13.型神经网络,
此文档下载收益归作者所有