共查询到18条相似文献,搜索用时 125 毫秒
1.
混沌背景下基于RBF神经网络的弱信号检测 总被引:2,自引:0,他引:2
弱信号检测问题是目标检测中一个重要的研究内容。通常,采用贝叶斯(Bayes)方法来检测目标信号的存在。在本文中利用背景信号为混沌这一先验信息,采用了RBF神经网络对模拟产生的淹没在混沌背景中的暂态信号进行检测,并将该方法与采用BP神经网络时的检测性能进行了比较。仿真实验结果表明,基于RBF神经网络的检测性能优于BP神经网络。 相似文献
2.
对复杂非线性系统的相空间重构理论进行了研究分析,提出了混沌背景中微弱信号检测的回声状态网络方法。针对回声状态网络模型参数选取困难这一问题,采用遗传算法对其模型参数进行优化。将回声状态网络模型参数作为遗传算法的个体,混沌时间序列预测均方根误差的倒数作为适应度函数,通过选择、交叉、变异等操作获得适合数据特点的最优模型参数。根据回声状态网络强大的学习和非线性处理能力,利用得到的回声状态网络模型最优参数建立混沌背景噪声的单步预测模型,将淹没在混沌背景噪声中的微弱瞬态信号和周期信号从预测误差中检测出来。以Lorenz系统和实测的海杂波数据作为混沌背景噪声进行仿真实验,仿真结果表明,本文所提方法在预测精度和训练速度方面均优于支持向量机和神经网络模型,能够有效地检测出混沌背景噪声中的微弱目标信号,且具有较小的预测误差。 相似文献
3.
4.
5.
6.
为了快速准确地检测混沌背景中的微弱信号,提高网络泛化能力,文中利用改进教学优化算法优化贝叶斯回声状态网络的模型参数,提出了一种改进教学优化的混沌背景中微弱信号检测方法。通过建立混沌序列单步预测模型,分析预测误差的幅值,检测混沌背景中微弱瞬态信号和周期信号。对Lorenz系统和实测的海杂波数据进行实验研究,验证预测模型的有效性,结果表明,贝叶斯回声状态网络模型的预测结果比支持向量机和径向基神经网络模型的均方根误差降低了2个数量级,缩短了预测时间,提高了预测精度和预测效率,能快速有效地检测混沌背景中微弱信号,且具有更低的门限。 相似文献
7.
8.
9.
针对常规单混沌振子微弱信号检测方法存在检测过程不稳定的现象,将混沌吸引子与双振子差分检测技术相结合,提出一种通过调整系统稳定混沌态来检测微弱信号的改进方法,同时利用双差分振子来判别系统混沌态向周期状态转变的临界值。通过仿真分析,该方法可有效防止误判且实时性较好,有利于在强噪声背景下的微弱信号检测,为工程实际应用提供了一种可借鉴的方法。 相似文献
10.
针对传统随机共振小信号检测无法对多参数进行同步调优的缺陷,本文提出了一种基于变种差分进化算法的随机共振混沌小信号检测方法。利用变种差分进化算法对Duffing振子的随机共振系统参数进行寻优,以系统输出信噪比为寻优问题的目标函数。为了验证算法的可行性,分别进行低频和高频小信号输入的仿真实验,在低频小信号检测实验中,输出信噪比较混沌变步长萤火虫优化算法平均提升1.98dB;高频小信号检测实验中,结合外差式随机共振理论,能够准确恢复出高频小信号对应低频段处的小信号,进一步推导出高频小信号的存在;对实测海杂波数据进行仿真实验,实验结果表明该方法能够有效地检测出淹没在海杂波背景下的混沌小信号。 相似文献
11.
为了解决涡流传感器的非线性问题,应用遗传算法(GA)训练径向基函数(RBF)神经网络(NN)实现其非线性补偿.介绍非线性补偿的原理和网络训练方法.从实测数据出发,建立了涡流传感器的非线性补偿模型.该方法能同时优化网络结构和参数,具有全局寻优能力,补偿精度高、鲁棒性好、网络训练速度快、能实现在线软补偿.实验结果表明,所采用的涡流传感器非线性补偿方法是有效的和可行的.补偿后,最大非线性误差在0.5%范围内,具有良好的线性. 相似文献
12.
13.
为了更好地确定RBF神经网络中心向量,并且使得最终的RBF神经网络结构可以进一步调整。提出了一种使用熵聚类的算法来首先确定RBF神经网络隐节点的个数及其初始值,实现初始化的基础上使用常规算法调整RBF神经网络的中心和训练宽度,最后使用基于互信息的RBF神经网络修剪算法调整网络结构。并将上述算法应用于COD软测量问题中,仿真实验结果表明:改进的算法与常规的算法相比,提高了训练速度和逼近精度。 相似文献
14.
能效分级是能效测评的基础,传统的能效分级方法单一且有局限性。文中提出一种智能化的评级方法,将神经网络应用于电力用户能效分析中,建立了基于神经网络的能效评级模型,从而不用给定某个特定的显式数学表达式。系统以RBF神经网络为核心建立模型,使用正交最小二乘法学习。综合考虑电能能效、电能污染能效和经济能效,可实时有效地进行能效分析及智能评级,并给出量化节能方案。仿真及实例计算表明,电力用户实时能效评级的RBF模型操作简捷、适用性强、实时性高,且具有较强的实用价值。 相似文献
15.
16.
GongXinbao ZangXiaogang ZhouXilang HuGuangrui 《电子科学学刊(英文版)》2003,20(5):378-382
Based on Immune Programming(IP), a novel Radial Basis Function (RBF) network designing method is proposed. Through extracting the preliminary knowledge about the width of the basis function as the vaccine to form the immune operator, the algorithm reduces the searching space of canonical algorithm and improves the convergence speed. The application of the RBF network trained with the algorithm in the modulation-style recognition of radar signals demonstrates that the network has a fast convergence speed with good performances. 相似文献
17.