一種組網(wǎng)雷達(dá)效能評(píng)估方法研究.pdf

《一種組網(wǎng)雷達(dá)效能評(píng)估方法研究.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

1、《自動(dòng)化技術(shù)與應(yīng)用》2016年第35卷第2期控制理論與應(yīng)用ControlTheoryandApplications一種組網(wǎng)雷達(dá)效能評(píng)估方法研究周銘，申正義，郭銳(空軍預(yù)警學(xué)院模擬訓(xùn)練中心，湖北武漢430019)摘要：針對(duì)組網(wǎng)雷達(dá)作戰(zhàn)效能指標(biāo)體系，提出了基于SOM—BP云神經(jīng)網(wǎng)絡(luò)的效能評(píng)估方法，利用MATLAB對(duì)其進(jìn)行了仿真，驗(yàn)證了方法的有效性。關(guān)鍵詞：SOM神經(jīng)網(wǎng)絡(luò)；BP云神經(jīng)網(wǎng)絡(luò)，組網(wǎng)雷達(dá)；效能評(píng)估中圖分類號(hào)：TP311文獻(xiàn)標(biāo)志碼：A文章編號(hào)：lo03—7241(20l6)02—0006—04AnEf

2、fectivenessEvaluationMethodofRadarNetworksZHOUMing，SHENZheng-yi，GUORui(AirForceEarlyWarningAcademy，Wuhan430019China)Abstract：Inordertoevaluatetheradarnetworksefectiveness，thispaperproposestheassessmentmethodbasedonSOM—BPneuralnetwork，andfinallysimulatesu

3、singMatlab．Theavailabilityofthisproposedmethodisverifiedbycomparingtheevaluationresultsofthefuzzycomprehensiveapproach．Keywords：SOMneuralnetworks；BPneuralnetworks；radarnetworks；eficiencyevaluation1引言m個(gè)輸出節(jié)點(diǎn)的二維網(wǎng)絡(luò)。第i個(gè)輸入神經(jīng)元節(jié)點(diǎn)與第利用基于自組織映像(SOM)神經(jīng)網(wǎng)絡(luò)能夠在沒(méi)有任J個(gè)輸出神經(jīng)元

4、節(jié)點(diǎn)之間的連接權(quán)值wj算法的訓(xùn)練過(guò)何先驗(yàn)知識(shí)的情況下，根據(jù)樣本中所包含的信息進(jìn)行聚程如下：類分類，使樣本的統(tǒng)計(jì)特性更加一致和顯著的特點(diǎn)對(duì)訓(xùn)練樣本進(jìn)行處理，再運(yùn)用處理后的樣本對(duì)BP云神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，通過(guò)對(duì)組網(wǎng)雷達(dá)作戰(zhàn)效能仿真比較，該方每拱法明顯優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。出聯(lián))2SOM神經(jīng)網(wǎng)絡(luò)自組織映像神經(jīng)網(wǎng)絡(luò)(SOM)的網(wǎng)絡(luò)結(jié)構(gòu)由完全連接的N維輸入層和M維輸出層兩層神經(jīng)元構(gòu)成，可以在訓(xùn)練中無(wú)監(jiān)督自組織學(xué)習(xí)，把高維的輸入模式映像到一維或二維空間，使相類似的輸入向量映像到同一輸出神XlX2?X日經(jīng)元，實(shí)現(xiàn)數(shù)據(jù)的分類

5、。SOM神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。圖1SOM神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖SOM神經(jīng)網(wǎng)絡(luò)算法步驟：Step1對(duì)所有的初始權(quán)值，w選擇[0，1】之間的隨若輸入為n維向量X=(X。，x．．．x)，建立一個(gè)有機(jī)值，且w互不相同。Step2以一定概率從樣本輸入空間里取1"1維向量，表示應(yīng)用于網(wǎng)格的啟動(dòng)模式。收稿日期：2O14-12-08自動(dòng)化技術(shù)與應(yīng)用2016年第35卷第2期控制理論與應(yīng)用ControlTheo~andApplications收了云模型的隨機(jī)性與模糊性和神經(jīng)網(wǎng)絡(luò)自身的特點(diǎn)，為了驗(yàn)證SOM-BP云神經(jīng)網(wǎng)絡(luò)的優(yōu)越性，

6、選取100提高了網(wǎng)絡(luò)的性能?；赟OM—BP云神經(jīng)網(wǎng)絡(luò)模型的組測(cè)試值經(jīng)過(guò)歸一化處理后分別對(duì)于SOM—BP云神經(jīng)中心算法是：首先利用SOM神經(jīng)網(wǎng)絡(luò)對(duì)輸人樣本進(jìn)行網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。本文設(shè)定SOM神經(jīng)網(wǎng)處理，優(yōu)選出具有代表性的樣本；其次，用優(yōu)選出來(lái)的絡(luò)和BP云神經(jīng)網(wǎng)絡(luò)(BP神經(jīng)網(wǎng)絡(luò))的最大迭代次數(shù)均樣本對(duì)BP云神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；最后，采用測(cè)試樣本為1000，BP云神經(jīng)網(wǎng)絡(luò)(BP神經(jīng)網(wǎng)絡(luò))的訓(xùn)練誤差目標(biāo)對(duì)模型進(jìn)行驗(yàn)證。為0．001，輸入層有16個(gè)神經(jīng)元，根據(jù)Kolmogorov定SOM-BP云神經(jīng)網(wǎng)絡(luò)

7、算法步驟：理，隱含層有33個(gè)神經(jīng)元。啟動(dòng)函數(shù)為Sigmoid函數(shù)，Step1構(gòu)造網(wǎng)絡(luò)訓(xùn)練樣本，并對(duì)輸入樣本進(jìn)行歸一輸出層為5其輸出Y廣y5為0．85～1、0．75～0．85、化處理。Step2用SOM算法將輸入樣本進(jìn)行初步聚類。良、中、差和很差5個(gè)能力評(píng)估等級(jí)。下面我們用兩組Step3以SOM網(wǎng)絡(luò)的聚類結(jié)果作為BP云神經(jīng)網(wǎng)實(shí)驗(yàn)來(lái)比較SOM—BP云神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)的收絡(luò)的輸入，通過(guò)BP云神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。斂速度和迭代次數(shù)。Step4訓(xùn)練后的復(fù)合神經(jīng)網(wǎng)絡(luò)就是SOM-BP神廣探測(cè)域經(jīng)網(wǎng)絡(luò)。SOM-BP云

8、神經(jīng)網(wǎng)絡(luò)算法流程圖如圖3所示。廠l能力豐通過(guò)上述演算法分析，可知SOM—BP云神經(jīng)網(wǎng)絡(luò)數(shù)墨是在改進(jìn)的BP云神經(jīng)網(wǎng)絡(luò)前加入了一個(gè)SOM競(jìng)爭(zhēng)層。首先對(duì)輸入樣本進(jìn)行自聚類，將低維空間線性不可分樣組卜--抗f擾能力—卜極化類犁系數(shù)本映像到高維空間，使其線性可分，從而完成對(duì)輸人樣本的初步辨識(shí)，然后通過(guò)BP云神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，進(jìn)行輸入一輸出間的監(jiān)督學(xué)習(xí)，從而完成輸入一輸出之間的非線性映像?？p—I指能釜力制4L-摘3J=削q*'JLmr~策能力“能l—控j