基于有效K均值－有效极限学习机的混沌海杂波背景中微弱信号检测.pdf

《基于有效K均值－有效极限学习机的混沌海杂波背景中微弱信号检测.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、JournalofComputerApplicationsISSN1001．90812015—03—10计算机应用，2015，35(3)：896—900CODENJYIIDUhttp：／／www．joca．an文章编号：1001-9081(2015)03—896—05doi：10．11772／j．issn．1001—9081．2015．03．896基于有效K均值一有效极限学习机的混沌海杂波背景中微弱信号检测商庆健，张金敏，王厅长(1．兰州交通大学机电工程学院，兰州730070；2．兰州交通大学机电技术研究所，兰州730070)(}通信作者电子邮箱s~552928@sina．com)

2、摘要：为了在复杂混沌噪声背景中快速准确提取有用信号，提出基于复杂非线性系统相空间重构理论，采用改进极限学习机(ELM)预测单步误差检测微弱信号的方法。采用改进K均值聚类算法选择最优族作训练集，改进极限学习机选择权值和偏置的方法进一步提高检测的精度和速度，采用Lorenz系统建立了混沌噪声序列的一步预测模型，从预测误差中检测湮没在混沌噪声中的微弱目标信号(包括周期信号和瞬态信号)，然后使用加拿大McMaster大学IPIX雷达数据，在海杂波噪声中提取漂浮物信号作为实验研究。结果表明该方法能够有效检测混沌背景噪声中极微弱信号，同时抑制噪声对混沌背景信号的影响，与径向基函数(RBF)神经

3、网络等传统算法相比，预测精度提升了25％，检测门限提高了一5dB，同时训练用时减少77．1S，在实际应用中具有更明显优势。关键词：混沌噪声；极限学习机；海杂波；微弱信号检测；耗时运算中图分类号：TN91l文献标志码：AWeaksignaldetectioninchaoticclutterbasedonefectiveK．meansandefectiveextremelearningmachineSHANGQingjian，ZHANGJinming，WANGTingzhang(1．SchoolofMechatronicEngineering，LanzhouJiaotongUniver

4、sity,LanzhouGansu730070，China；2．MechatronicsTechnologyandResearchInstitute，LanzhouJiaotongUniversity,LanzhouC,ansu730070，China)Abstract：Aimingattheproblemofex~actingtheusefulsignalinthecomplexbackgroundofchaoticnoiserapidlyandaccurately，thephasespacereconstructiontheorybasedoncomplexnonlinears

5、ystemWasproposed，andthemethodofimprovedExtremeLearningMachine(ELM)wasusedtopredictthesinglesteperroranddetecttheweaksigna1．TheimprovedK-meansclusteringalgorithmwasusedtoselecttheoptimalfamilyastrainingset，theimprovedextremelearningmachinechosetheweightvalueandtheoffsettoimprovethedetectionaccu

6、racyandspeed．TheonesteppredictionmodelofchaoticnoisesequencewithLorenzsystemwasestablished，andtheweaktargetsignals(includingperiodicsignalandtransientsigna1)thatlostinthechaoticnoiseweredetected，thentheIPIXradardataofCanadaMcMasterUniversitywereused，andthefloatersignalinseaclutternoisewasextra

7、ctedtodotheexperimentalresearch．Theresultsshowthatthemethodcaneffectivelydetecttheveryweaksignalinchaosbackgroundnoise，atthesametime，theinfluenceofnoisewasrestrainedtothechaoticbackgroundsignal，comparedwiththetraditionalalgorithmssuchas