资源描述：
《用HMM框架下的神经网络分类器识别雷达目标.pdf》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20卷第2期红外与毫米波学报#ol.20,No.22001年4月".InfraredMillim.WavesApril,2001用HMM框架下的神经网络分类器识别雷达目标周德全郭耀红(空军第一航空学院科研部,河南,信阳,464000)摘要提出了一种~MM框架下的神经网络分类器,它既克服了普通神经网络不能有效地识别时变信号的缺点,又解决了~MM识别时变信号时不能突出不同信号的差异性问题.用网络权的遗传算法进化学习解决了Baum-Welch及BP网络学习中易陷入局部极小点的问题.还给出了用该网络成功识别实测雷达回波信号的实例.关键词隐含Markov模型,神经网络,遗传算法,目标识别.RAD
2、ARTARGETIDENTIFICATIONUSINGNEURALNETWORKCLASSIFIERBASEDONHMMFRAMEWORKZ~OUDe-GuanGUOYao-~ong(Dept.ofScienceResearch,AirForceNo.1InstituteofAeronautics,XinyangCity,~enan464000,China)AbstractAneuralnetworkclassifierbasedon~MMframeworkwasproposed.Itcanbeusedtoidentifytimevaryingsignal,whichanordinary
3、neuralnetworklacksof,andcanstressthedifferencesofdifferentsignals.EvolutionarylearningoftheneuralnetworkweightsusinggeneticalgorithmsolvestheproblemoffallingintolocalminimumpointwhichBPandBaum-Welchalgorithmnace.Anexampleofrecognizingradarreturnsignalsuccess-fullybytheneuralnetwrokwaspresented.Ke
4、ywordshiddenMarkovmodel,neuralnetwork,geneticalgorithm,targetrecognition.但客观上,常需要有效地识别时变信号.如,对空中引言作任意姿态无规则飞行的飞机~战场上作任意姿态隐含Markov模型(~MM)已经在语音识别及任意路线行驶的坦克进行识别,语音识别等.模式识别中得到了广泛的应用[1,2]针对以上情况,将~MM与MLP神经网络相.~MM具有很强的表征时变信号的能力[1]结合得到一种新颖的神经网络(简称~NN).~NN,很适合用作动态模式分类器.通常优化设计~MM参数时,只考虑如何使具有学习短时平稳整体非平稳信号的能力
5、.遗传算得模型更贴近相应的信号.因此,各模型参数只包含法(GAs)是近年来得到较大注意的一种优化算了本信号的信息,而不能突出不同信号的差异性.显法[3].用GAs来设计~NN的主要优点是克服了用然,这不利于对信号的有效识别.MLP神经网络中,于设计~MM参数的Baum-Welch算法及BP算法由于相邻层神经元之间相互联接,而权的学习又是易于陷入局部极小点的缺点.以所有类型样本的期望输出与实际输出之间的误差1HMM框架下的神经网络分类器最小为目标,所以,网络不仅学习了各信号的特征,而且突出了不同信号的差异.理论上,MLP神经网Niles和Siverman[4]提出的~MM神经网络,络可以形
6、成任意形状的分割曲面,能对静态信号进它可以实现传统~MM的结构和算法.图1给出了行有效的分类.MLP网络和大部分神经网络一样,~MM的结构图,图1中~O/~!~log分别代表缺乏学习时变信号的能力,也就无法识别时变信号.乘~除~加和对数运算,输出为稿件收到日期2000-03-20,修改稿收到日期2000-06-14Received2000-03-20,revised2000-06-141OS红外与毫米波学报2O卷tNA(t)=lOg[P(O1//],(1)Ot-1(j)=[Ot(z)azj]bj(Ot-1),z=1式(1)中Ot为1到t时刻的观测序列.连接权矩阵11StST-1,1SjS
7、N(3)A~B实现的是MM中状态转移概率矩阵和输出匹配概率P(O//可由下式计算:k)概率矩阵.输入y(t)为一M维的离散矢量.M是矢N量量化的VO码矢的个数.当输入观测矢量量化为P(0//k)=OT(z),(4)z=1某个码字时,与该码字对应的y(t)分量为1,其余分通常基于MM的识别系统都是选择P(O/最大k)量为O.的模型所对应的目标作为识别结果.k整个识别系统由各待识别类的MM网及从式(4)可见,只要将各模型/的OkT(z)
