收藏本站
《哈尔滨工业大学》 2009年
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量机算法及其在雷达干扰效果评估中的应用研究

林连雷  
【摘要】:随着电子技术的发展,雷达对抗在战争中发挥着越来越重要的作用。雷达干扰是雷达对抗的主要组成部分,干扰效果是反映干扰装备作战能力的一项重要的综合性指标,它表现为干扰前后雷达工作性能的下降程度,是雷达方、干扰方以及对抗环境等方面的众多因素共同作用的结果。干扰效果评估要解决的是根据影响因素估计干扰效果的问题,科学合理地评估干扰效果对雷达干扰/抗干扰技术的研究、雷达及干扰装备的研制都具有重要的意义。 雷达干扰效果评估方法主要有早期的评估因子法,后来的模糊综合评估法,以及近几年出现的基于人工神经网络(ANN)等机器学习理论的智能评估法。智能评估法是利用机器学习理论对干扰实验所得到的实验样本进行学习,得到干扰效果与影响因素之间对应关系,并由此实现对特定影响因素下干扰效果的评估。因为具有以实验数据为基础、受人为影响小等特点,智能评估法已被认为是一种非常有前景的干扰效果评估方法。从智能评估角度,干扰效果评估问题可以看作是一个有限样本的学习问题,神经网络在有限样本情况下容易出现因过学习而导致的推广能力下降,而在统计学习理论基础上发展起来的支持向量机(SVM)是专门针对有限样本问题的机器学习方法,所以利用SVM解决干扰效果评估问题会更有优势。由于干扰技术的多样性,本文仅针对舰载有源干扰设备对反舰导弹末制导雷达进行的自卫式干扰进行研究。针对雷达干扰效果评估及战时预测问题研究合适的支持向量机算法,并解决其在该领域的相关应用问题是本文的主要研究内容,具体如下: 1.在支持向量机算法方面,对计算复杂度低的最小二乘支持向量机(LS-SVM)进行了研究。针对干扰效果评估中的离线学习以及干扰效果战时预测中需要对预测误差较大的样本进行在线学习的需求,并且为了克服标准LS-SVM解的非稀疏性的缺点,研究了两种在线式的LS-SVM:基于更新逆核矩阵的在线式LS-SVM和基于序列最小优化(SMO)的在线式LS-SVM,并分别研究了它们的分类算法和回归算法。它们均采用“预测→增量学习→逆学习”的思想迭代完成学习过程,能够根据具体问题自适应地得到稀疏的解,不但能够快速地完成离线学习,而且能够用于在线学习问题。 2.对SVM相关的参数选择及特征选择问题进行了研究。在SVM参数选择方面,针对SVM的性能一般是参数的多峰函数的特点,研究了利用全局优化能力强的微分进化算法(DE)解决SVM的参数选择问题。另外,针对机器学习领域有些问题的输入维数很高,需要进行特征选择的问题,研究了利用DE算法同步选择SVM的参数和特征的方法。仿真实验表明,与基于微粒群算法(PSO)的类似方法相比,基于DE的参数选择方法和同步选择方法不但具有更快的寻优速度,而且具有更强的参数选择和特征选择能力。 3.为了得到智能评估方法用以学习的实验样本,针对实验中的干扰效果度量问题进行了研究。通过分析末制导雷达的工作过程及其面临的有源干扰的特点,结合“时间准则”和“效率准则”,提出了以搜索时间比和跟踪误差比为指标的、综合定量的干扰效果度量方法。利用海军某电子对抗仿真中心的半实物仿真系统进行了干扰实验,实验结果表明度量的干扰效果符合理论及工程实践规律,度量方法有效。 4.根据干扰效果评估定量化的要求,将其看作一个回归问题,在分析末制导雷达有源干扰效果的主要影响因素基础上,研究了基于LS-SVM回归的干扰效果评估方法。半实物仿真实验表明,该方法能够根据影响因素较为准确地评估出的干扰效果,比基于ANN的评估方法具有更高的评估精度;此外,对干扰效果的战时预测问题进行了尝试性研究,根据战时影响因素不完全可知、预测精度不需要太高的特点,将干扰效果的战时预测看作一个分类问题,研究了基于LS-SVM分类的干扰效果战时预测方法。
【学位授予单位】:哈尔滨工业大学
【学位级别】:博士
【学位授予年份】:2009
【分类号】:TP181;TN974

【相似文献】
中国期刊全文数据库 前10条
1 乔景慧;周晓杰;柴天佑;郑秀萍;;水泥熟料生产过程生料分解率软测量模型[J];控制工程;2011年04期
2 任新建;王学伟;杨立国;王琳;;数字I/O电路的多总线自动测试诊断方法研究[J];电测与仪表;2011年07期
3 谢春利;邵诚;赵丹丹;;一类非线性系统基于最小二乘支持向量机的自适应H_∞控制[J];控制理论与应用;2011年07期
4 李娜;刘明光;杨罡;;基于最小二乘支持向量机的直流牵引电机建模[J];系统仿真学报;2011年07期
5 陈磊;;遗传最小二乘支持向量机法预测时用水量[J];浙江大学学报(工学版);2011年06期
6 张昱;陈光黎;;基于最小二乘支持向量机的机器视觉识别方法[J];测控技术;2011年07期
7 邓森;杨军锋;杨朴;陈冰;;基于混沌粒子群优化LS-SVM的发动机磨损状态监测研究[J];计算机测量与控制;2011年08期
8 夏梁志;李华;;基于QPSO-LSSVM的醋酸乙烯聚合率软测量建模研究[J];自动化技术与应用;2011年08期
9 邢永忠;吴晓蓓;徐志良;;基于矢量基学习的自适应迭代最小二乘支持向量机回归算法[J];南京理工大学学报;2011年03期
10 向昌盛;周子英;余喜林;张林峰;;遗传算法在混沌时间序列预测中的应用研究[J];计算机应用研究;2011年08期
中国重要会议论文全文数据库 前10条
1 戴林超;吴琳丽;赵海娜;李训铭;;基于最小二乘支持向量机的故障预测法[A];2009年中国智能自动化会议论文集(第六分册)[中南大学学报(增刊)][C];2009年
2 虞俊;王冰;王平;陈星莺;;基于交叉验证最小二乘支持向量机的风速预测[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(下册)[C];2008年
3 刘丹军;胡邦辉;袁野;张辉;;最小二乘支持向量机在能见度预报中的应用[A];第26届中国气象学会年会灾害天气事件的预警、预报及防灾减灾分会场论文集[C];2009年
4 卢志刚;易之光;赵翠俭;李兵;吴士昌;;基于最小二乘支持向量机的非线性自适应逆控制[A];2005中国控制与决策学术年会论文集(上)[C];2005年
5 鲁春燕;李炜;刘微容;;基于LS-SVM的氧化铝粉流量软测量建模[A];全国冶金自动化信息网2009年会论文集[C];2009年
6 苏高利;秦钟;于强;;基于最小二乘支持向量机的农田水汽通量建模[A];首届长三角气象科技论坛论文集[C];2004年
7 徐达;武新星;胡俊彪;郭磊;李华;;最小二乘支持向量机回归预测模型研究与实现[A];全国先进制造技术高层论坛暨第八届制造业自动化与信息化技术研讨会论文集[C];2009年
8 苏高利;秦钟;于强;;基于最小二乘支持向量机的农田水汽通量建模[A];首届长三角科技论坛——气象科技发展论坛论文集[C];2004年
9 李方方;赵英凯;贾玉莹;杜杰;;基于最小二乘支持向量机的油品质量预测[A];第25届中国控制会议论文集(上册)[C];2006年
10 刘靖;刘剑飞;潘文彦;;最小二乘支持向量机在热舒适性PMV指标预测中的应用研究[A];全国暖通空调制冷2008年学术年会论文集[C];2008年
中国博士学位论文全文数据库 前10条
1 林连雷;支持向量机算法及其在雷达干扰效果评估中的应用研究[D];哈尔滨工业大学;2009年
2 刘昕;多功能传感器信号重构方法研究及其应用[D];哈尔滨工业大学;2009年
3 王永安;液压集成块性能评估系统关键技术研究[D];大连理工大学;2009年
4 范玉刚;基于Kernel的机器学习在建模与分类问题的应用研究[D];浙江大学;2006年
5 陈爱军;最小二乘支持向量机及其在工业过程建模中的应用[D];浙江大学;2006年
6 彭珍瑞;基于LS-SVM的气液两相流参数测量研究[D];浙江大学;2007年
7 蒲秀娟;胎儿心电信号提取研究[D];重庆大学;2009年
8 赵开春;仿生偏振导航传感器原理样机与性能测试研究[D];大连理工大学;2009年
9 陈磊;大规模供水系统直接优化调度研究[D];浙江大学;2005年
10 张茂雨;支持向量机方法在结构损伤识别中的应用[D];同济大学;2007年
中国硕士学位论文全文数据库 前10条
1 康晓非;基于支持向量机的多用户检测算法研究[D];西安科技大学;2005年
2 王瑞;基于支持向量机的医学图像处理[D];西安理工大学;2008年
3 宋初一;基于最小二乘支持向量机及粒子群优化的特征选择算法研究[D];吉林大学;2008年
4 李昂;基于SVM的常压塔石脑油干点软测量建模研究[D];哈尔滨工业大学;2008年
5 张国俊;财务危机预警模型在信贷风险管理中的应用研究[D];重庆大学;2005年
6 李莹;精馏过程航煤干点的软测量工程实现[D];大连理工大学;2006年
7 樊伟;通信信号自动调制识别中的分类器设计[D];西南交通大学;2005年
8 王芳;基于支持向量机的航段运量预测研究[D];南京航空航天大学;2007年
9 万辉;最小二乘支持向量机及其在图像增强中的应用研究[D];重庆师范大学;2008年
10 李卿;支持向量机在P2P网络流量检测中的应用[D];哈尔滨理工大学;2009年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026