共查询到19条相似文献,搜索用时 187 毫秒
1.
人工神经网络( ANN)进行建模时通常需要准备大量的数据样本,同时网络结构一般都比较复杂;而采用支持向量机( SVM)进行建模时,不同核函数有不同的效果,各有利弊,且选取SVM模型参数的理论支撑尚不完整。为了解决这些问题,提出了一种基于混合核函数的支持向量机来改善来波到达角( DOA)的估计性能,并结合二进制粒子群算法( PSO)来对混合核函数进行参数寻优。该混合核函数由全局核函数和局部核函数构成,提高了SVM的泛化能力和学习能力。首先通过拟合多项式函数,验证了该混合核SVM的有效性。将该方法用于DOA估计建模,在不同信噪比和快拍数下,通过与径向基函数( RBF)神经网络、基于各单一核函数的SVM和MUSIC算法预测结果对比,混合核SVM均方差有所降低,提高了DOA估计的精度且有更好的稳定性。 相似文献
2.
3.
多基外辐射源雷达定位系统受系统偏差影响较大。该文针对多基外辐射源雷达到达角度(DOA)和到达时差(TDOA)联合定位系统,提出一种基于约束总体最小二乘(CTLS)的无源定位和误差校正算法。首先引入辅助变量,将DOA和TDOA非线性观测方程进行线性化处理。考虑伪线性化后定位方程中噪声矩阵各分量统计相关特性,将无源定位与误差校正联合优化问题建立为CTLS模型,并采用牛顿迭代方法对模型求解。在此基础上,考虑辅助变量与目标位置的关联性,设计关联最小二乘算法改进目标位置估计值,采用后验迭代方法进一步提高系统偏差估计精度。最后推导了算法的理论误差。仿真结果表明:该算法能够有效地估计目标位置和系统偏差。 相似文献
4.
针对传统最小二乘支持向量机(LSSVM)稀疏性较差的问题,在传统支持向量机的基础上提出了新的LSSVM模型,并对其进行优化。利用选主元Cholesky分解,进行迭代操作,简化求解过程;利用径向基-卡方组合核函数,提高核函数的稀疏性;最后利用遗传算法,对组合核函数与支持向量机的参数寻优,解决了传统LSSVM在大样本情况下稀疏性较差,求解时间过长的问题,提高了LSSVM的泛性与精确度。仿真实验证明了所提出的模型是有效的。 相似文献
5.
针对微机械陀螺零偏受温度影响较大的问题,提出一种粒子群优化(PSO)算法和支持向量机(SVM)相结合的陀螺零偏温度补偿方法。首先,将平滑处理后的陀螺数据作为样本点,采用基于径向基核函数的支持向量机方法构建漂移模型,把数据从低维空间映射到高维空间,并进行线性拟合,保证泛化能力。然后,利用粒子群算法对支持向量机的惩罚参数、核函数参数以及不敏感系数进行优化,避免了人为选择参数的盲目性且提高了建立模型的精度。实验结果表明:经PSO调节支持向量机算法补偿后,陀螺输出精度更高;与最小二乘法、BP神经网络法相比,陀螺输出数据方差分别减小了81.3%和57%,最大误差分别减小54.7%和48.5%。 相似文献
6.
7.
基于径向基函数网络的雷达目标一维像识别技术研究 总被引:1,自引:0,他引:1
本文研究了利用递推最小二乘(RLS)方法训练的径向基函数网络(RBFN)用于雷达目标一维像的识别与分类问题。证明了RBFN与Parzen窗函数概率密度估计的等价性,指出RBFN隐层单元传输函数可以推广到一般的Psrzen概率核函数或势函数形式。还就高斯、三角、双指数三种核函数讨论了径向基函数网络形状参数、递推最小二乘算法的遗忘因子对识别结果的影响以及与网络训练时间的关系。 相似文献
8.
为了减少由于橡胶促进剂2-巯基苯并噻唑(MBT)掺假而导致橡胶制品质量不过关的问题,提出利用太赫兹时域光谱技术对MBT的有效含量进行定量研究。利用太赫兹透射测量得到MBT和聚乙烯混合物在0.3THz~1.4THz的吸收特征谱,提出了一种基于最小二乘支持向量回归(LS-SVR)的MBT定量检测模型,将LS-SVR模型分别与偏最小二乘模型和支持向量机回归模型进行比较,得到模型预测集均方根误差分别为1.1330%,2.5583%和2.3869%。结果表明,LS-SVR的定量模型可取得更好的效果,其精度更高,稳定性更好。本研究为MBT定量检测提供了新的快速且有效的方法。 相似文献
9.
一种线性校正到达时间差定位算法 总被引:3,自引:0,他引:3
针对到达时间差(TDOA)定位中出现的非线性估计问题,该文提出一种线性校正TDOA定位算法。首先将高度非线性的TDOA定位方程组转化为一组关于辐射源位置的伪线性方程,利用加权最小二乘(WLS)估计进行初始求解;然后在此基础上通过一阶泰勒级数展开把伪线性方程组转化为关于估计偏差的线性加权最小二乘问题并进行求解,分析了所提算法在测量误差较小时的有效性。最后提出了一种基于加权最小二乘估计的恒加速度运动辐射源的定位方法,相应的估计性能在测量误差较小时也接近克拉美罗界(CRLB)。计算机仿真结果验证了该算法的有效性。 相似文献
10.
11.
联合角度(DOA)和时差(TDOA)信息对运动目标进行无源定位实质上是一种非线性估计问题。针对将非线性观测方程转化为伪线性方程会产生有偏估计的缺点,该文基于双站定位中获得的角度和时差信息,给出了一种对三维空间目标定位跟踪的近似无偏估计滤波算法,它只需要对一对矩阵束进行广义特征分解,即可获得目标坐标和速度的估计值。计算机仿真结果表明,相比有偏估计滤波算法,如伪线性卡尔曼滤波(PLKF)算法或者最小二乘(LS)算法,该算法具有更高的定位精度,并且当观测误差增大时,其优势更加明显。 相似文献
12.
13.
Nabeel Ali Khan Sadiq Ali Magnus Jansson 《Multidimensional Systems and Signal Processing》2018,29(2):503-521
Time-frequency distributions (TFDs) allow direction of arrival (DOA) estimation algorithms to be used in scenarios when the total number of sources are more than the number of sensors. The performance of such time–frequency (t–f) based DOA estimation algorithms depends on the resolution of the underlying TFD as a higher resolution TFD leads to better separation of sources in the t–f domain. This paper presents a novel DOA estimation algorithm that uses the adaptive directional t–f distribution (ADTFD) for the analysis of close signal components. The ADTFD optimizes the direction of kernel at each point in the t–f domain to obtain a clear t–f representation, which is then exploited for DOA estimation. Moreover, the proposed methodology can also be applied for DOA estimation of sparse signals. Experimental results indicate that the proposed DOA algorithm based on the ADTFD outperforms other fixed and adaptive kernel based DOA algorithms. 相似文献
14.
针对传统L型均匀阵列二维波达方向(Direction of Arrival,DOA)估计中可估计信源数目受限于阵元数、分辨率低等问题,提出了一种新的L型和差嵌套阵列结构。该L型阵列的两个子阵布置相同,是非均匀的稀疏阵,通过阵元位置之间的差分、求和操作达到虚拟扩展阵元数目的效果,从而提升阵列的自由度。采用该阵列进行二维DOA估计时,两个子阵分别先进行一维的DOA估计,再采用PSCM(Pair-matching Signal Covariance Matrices)算法进行一维角度配对。每个子阵进行一维波达方向估计时,先采用VCAM(Vectorized Conjugate Augmented MUSIC)算法生成非均匀稀疏阵的求和求差协方差矩阵,再采用矩阵重构的方法恢复协方差矩阵的秩,最后对协方差矩阵采用MUSIC(Multiple Signal Classification)算法进行DOA估计。实验仿真表明,本阵列有着更高的自由度和估计精度。 相似文献
15.
16.
提出了一种新的基于径向基(RBF)神经网络的相关干涉仪测向方法,实现了自组织学习选取中心、正交最小二乘法及基于遗传算法的进化优选算法等训练方法,经训练后的RBF神经网络可用于多源信号波达角(DOA)估计。仿真结果表明,在一定范围内,该方法对信道噪声不敏感,测向精度与传统相关干涉仪相当,且测向处理时间和测向设备的存储量大大降低。 相似文献
17.
18.
El Zooghby A.H. Christodoulou C.G. Georgiopoulos M. 《Antennas and Propagation, IEEE Transactions on》2000,48(5):768-776
This paper considers the problem of multiple-source tracking with neural network-based smart antennas for wireless terrestrial and satellite mobile communications. The neural multiple-source tracking (N-MUST) algorithm is based on an architecture of a family of radial basis function neural networks (RBFNN) to perform both detection and direction of arrival (DOA) estimation. The field of view of the antenna array is divided into spatial angular sectors, which are in turn assigned to a different pair of RBFNNs. When a network detects one or more sources in the first stage, the corresponding second stage network(s) are activated to perform the DOA estimation. Simulation results are performed to investigate the performance of the algorithm for various angular separations, with sources of random relative signal-to-noise ratio and when the system suffers from Doppler spread 相似文献