基于参数可变遗传算法地面活动目标识别

《基于参数可变遗传算法地面活动目标识别》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、基于参数可变遗传算法地面活动目标识别　　作者简介：潘伟（1975—），男，黑龙江哈尔滨人，副教授，博士，研究方向：计算机视觉识别、遗传算法应用等（E-mail：pan.w@126.com）。摘要：特征维数压缩和神经网络隐含层结点数确定是雷达目标识别的关键问题，本文针对地面活动目标识别的特定问题构建了初始种群，然后提出一种即考虑进化代数对算法的影响，又考虑到每代不同个体适应度作用的可变交叉概率和变异概率，经过多次迭代进化最终收敛于问题的一个满意解。最后将该方法用于对三类地面活动目标的分类和识别，验证该方法用于目标分类和识别的可行性和

2、有效性。关键词：参数可变遗传算法；地面目标识别；一维距离像；交叉概率；变异概率中图分类号：TP31文献标识码：A1引言主要应用于军事领域的目标识别是模式识别的一个重要分支，是C4ISR系统中的一个重要部分。随着复杂电磁环境下信息化战争的日益复杂和新型武器的更新发展，实现对地面目标快速准确地分类和识别，能够帮助指挥员做出有利于战争发展的正确决定，为最终决定整个战场的胜负起到了不可低估的作用。9雷达目标识别通常指利用雷达接收设备从目标的反射回波电磁散射信号中，提取目标的各种特征信息，运用已知的目标先验知识，对目标进行分类、识别[1]。

3、目标识别一般分为三个阶段：回波信号获取、目标特征选取和分类与识别。在实际的应用中，为了满足实时性的要求，需要对提取的目标特征向量进行降阶处理，同时随着人工神经网络理论的日益成熟，各种研究成果不断应用到目标识别领域，并取得众多成果，但神经网络的隐层神经元个数问题一直没有确定的理论指导，在实际应用中往往凭借主观经验或多种实验反复尝试，这样既浪费了时间，又可能导致由于网络结构不当而无法得到最优解。2基于一维距离像的目标识别雷达目标识别实际上就是一个电磁波散射问题。根椐电磁场散射理论，目标电磁散射特性在频域内可分为三个区：光学区或称为高频

4、区，谐振区，瑞利区。随着现代雷达技术的不断进步，雷达工作频率越来越高，带宽越来越大，以至于大部分雷达工作在光学区，因此对光学区雷达的目标识别进行研究就显得尤为重要。9基于一维距离像的目标识别方法在光学区雷达目标识别中比较常用，主要因为一维距离像获取与处理时不存在二维成像时由于散射中心偏移而导致的运动补偿等问题，因此相对简单，更加实用。在光学区，目标的回波信号已不是传统意义上的发射信号的多普勒频移和时间的简单延迟，而是等效为沿雷达径向多个散射中心在不同分辨单元的散射电磁回波之和。当径向距离分辨力远小于目标尺寸时，目标在径向上占据多个

5、距离分辨单元，当用窄脉冲照射目标并且将散射功率记录为时间的函数，其结果就是径向一维目标距离像。它能够反映出目标沿雷达径向上精密的结构分布，而这种信息对目标识别来说有重要的意义。在距离回波中，每一个尖峰对应一个散射中心，其出现的位置是由对应散射中心所处的径向位置决定的；距离回波中尖峰的强度与对应的散射中心的散射强度成正比；每个尖峰的形状反映了该尖峰处的局部频率成分，且由其散射中心的类型决定的。目标的基频回波和一维距离像是一付氏变换对。根椐散射中心理论，假设目标是具有n个散射中心的复杂物体，经过解调后的视频回波信号模型可表示为本文具体

6、目标模型见参考文献[2-4]，用于研究识别方法的资料源通过计算机仿真获得。由于噪声与环境等特性的研究内容广泛，所以噪声模型采用普通的高斯白噪声，由计算机仿真获得。仿真的一维距离像占据32个距离分辨单元。3算法设计3.1编码策略9实数编码与二进制编码的方法是相似的，只是每个基因有10种可能取值：0～9。若每个变量用L位十进制数表示，变量个数为m，则染色体长度为m*L。实值编码策略不对变量进行编码，而将每个变量当作一位基因直接处理。3.2初始种群的构造遗传运算首先是从一个初始种群开始，在解决目标识别的特征及隐层神经元个数优选问题中，构

7、造初始种群为一个10×n的矩阵，每一行是一个染色体，其中每一行的前n-1位代表从总的输入特征N中选取的有效特征位数，第n位代表隐层神经元个数。下面以一个从N=64个特征中选取n=9个有效特征送入识别网络的情况举例说明初始种群的构造过程：[2571020222630333]是种群中的一个染色体，其中前9位代表36个特征中第几个特征被选中，而第10位代表隐层神经元个数为3个，本文以单隐层为例进行说明，多隐层的求解同样适用，前9个数的取值范围为1～36；神经网络隐层的最大结点数目和输入层节点数有很大关系，本文隐层神经元个数取值范围限定为

8、3～15。3.3遗传操作遗传操作包括选择、交叉、变异三种操作算子，本文采用标准遗传操作，选择操作是排序选择+最佳个体保存法，交叉操作是依据交叉概率的单点交叉，变异操作是依据变异概率的单基因突变。选择操作是遗传算法的基础，变异操作是遗传算法的核心，交