收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

粒子群算法优化的小波神经网络在目标跟踪中的应用

王乐  
【摘要】:随着军事技术的发展,目标本身运动及环境的复杂性给目标跟踪带来了巨大的挑战。为了解决目标在机动情况下稳定、精确跟踪问题,本文提出将粒子群算法优化的小波神经网络应用于目标跟踪的“当前”统计模型,通过蒙特卡洛仿真,验证了该算法可改善跟踪性能。 本文在详细研究粒子群算法的基础上,针对标准粒子群算法在后期随着种群多样性的丢失,收敛速度变慢,极易早熟收敛的缺陷进行了改进。改进的粒子群算法在判断出粒子可能陷入早熟收敛时,就给陷入局部最优无法跳出的粒子增加一定的扰动,使陷入局部最优的粒子跳出,有效的避免了早熟收敛,而其余粒子保持不变,这样粒子在随后的迭代中两部分粒子组成一个新群体,这样既保留了每一代的全局最优粒子,又能保持了粒子种群的多样性。仿真验证了改进的粒子群算法减少了迭代次数、有效的避免了早熟收敛问题。 其次,对小波神经网络进行了详细分析,小波神经网络有着比BP神经网络更好的收敛速度和逼近精度。但小波神经网络常采用梯度下降法来训练网络参数,易陷入局部极小值,收敛速度慢。本文用改进的粒子群算法训练小波神经网络的参数。仿真实验表明,改进的小波神经网络减少了迭代次数、提高了收敛精度,有更好的预测性能。 目标模型的选取是机动目标跟踪中的一个关键问题。在建立模型时,既要符合目标机动的实际情况,又要便于数学处理。本文在分析CV模型、CA模型、Singer模型、“当前”统计模型的基础上,在MATLAB仿真坏境下,用蒙特卡罗仿真比较了各模型的跟踪精度。对“当前”统计模型进行了较深入的研究,分析了机动频率对“当前”统计模型跟踪精度的影响和机动频率自适应调整的原理。将粒子群算法优化的小波神经网络用于“当前”统计模型,自适应的调整模型的机动频率,仿真结果表明,本文算法不但提高了网络的训练速度,还提高了跟踪的精度,增强了系统的稳定性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 谷金诚;;基于小波和神经网络的故障诊断[J];职业;2011年21期
2 朱小梅;郭志钢;;石油价格预测算法的仿真研究[J];计算机仿真;2011年06期
3 孔未臣;;简析小波神经网络应用于模拟电路故障诊断的进展[J];科技信息;2011年16期
4 张思亮;葛洪伟;;粒子群和蛙跳的混合算法求解车辆路径问题[J];计算机工程与应用;2011年21期
5 周静;;离散粒子群算法在高校智能排课系统中的应用研究[J];科技信息;2011年22期
6 张立岩;张世民;秦敏;;基于改进粒子群算法排课问题研究[J];河北科技大学学报;2011年03期
7 张焕国;吕莎;李玮;;C均值算法的电信客户细分研究[J];计算机仿真;2011年06期
8 刘毅;;移动机器人路径规划中的仿真研究[J];计算机仿真;2011年06期
9 刘衍民;隋常玲;赵庆祯;;基于K-均值聚类的动态多种群粒子群算法及其应用[J];控制与决策;2011年07期
10 汲万峰;姜礼平;朱建冲;孙钧正;;基本粒子群算法和遗传算法用于航路规划的比较[J];火力与指挥控制;2011年06期
11 吴伯桥;陈焕文;刘雪飞;郭登科;;基于PSO和共轭梯度法的MIP路由优化方案[J];计算机测量与控制;2011年07期
12 张旭东;俞建宁;郭兰平;张建刚;付宏睿;;基于小波神经网络的深证300成分指数的预测[J];重庆理工大学学报(自然科学);2011年06期
13 吴晓军;杨战中;赵明;;均匀搜索粒子群算法[J];电子学报;2011年06期
14 周先锋;冯子健;杨维中;李晓松;;小波神经网络在梅毒发病率预测中的应用初探[J];四川大学学报(医学版);2011年04期
15 冯雪;裴志松;;粒子群优化算法的研究与应用[J];吉林建筑工程学院学报;2011年03期
16 黄永红;徐勇;;基于小波神经网络的某边坡预测研究[J];四川理工学院学报(自然科学版);2011年03期
17 钟延峰;;用小波神经网络对油井传感器进行故障诊断[J];油气田地面工程;2011年06期
18 万江华;卜凡亮;;粒子群算法在应急疏散中的应用研究[J];中国人民公安大学学报(自然科学版);2011年03期
19 李文婷;吴锦;;基于改进粒子群算法的神经网络建模[J];机械管理开发;2011年04期
20 黄彩虹;金福江;;PSO算法在多约束染色工艺优化模型中的应用[J];计算机与应用化学;2011年07期
中国重要会议论文全文数据库 前10条
1 金向阳;张莉;于广滨;;基于改进小波神经网络的航空滚动轴承的故障检测[A];第二十六届中国控制会议论文集[C];2007年
2 李元松;李新平;代翼飞;陈清运;;基于小波神经网络的高陡边坡位移预测[A];岩石力学与工程的创新和实践:第十一次全国岩石力学与工程学术大会论文集[C];2010年
3 董健;尹萌;张辉;;小波神经网络结合多项式的混合预测方法在通信规划中的应用[A];2011全国无线及移动通信学术大会论文集[C];2011年
4 赵亮;;遗传增强混沌粒子群算法[A];第二十九届中国控制会议论文集[C];2010年
5 王勇青;陈延如;邵艳明;陈晶晶;陈斐楠;;基于小波神经网络的氧气顶回转炉口火焰温度多光谱测量[A];中国光学学会2011年学术大会摘要集[C];2011年
6 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年
7 牛东晓;邢棉;谢宏;陈志业;;短期电力负荷预测的小波神经网络模型的研究[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年
8 张顶学;关治洪;刘新芝;;多种群并行粒子群算法研究[A];第二十六届中国控制会议论文集[C];2007年
9 侯霞;张军峰;刘国海;;基于小波神经网络的飞机故障诊断[A];第二十九届中国控制会议论文集[C];2010年
10 牟海维;马娜;付光杰;刘祥楼;;基于小波神经网络的电力谐波检测方法[A];第二十九届中国控制会议论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年
2 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年
3 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年
4 全海燕;混合克隆竞争与启发学习策略的多角色随机游动粒子群算法研究[D];云南大学;2010年
5 秦全德;粒子群算法研究及应用[D];华南理工大学;2011年
6 刘仁云;基于计算智能技术的结构可靠性优化设计研究[D];吉林大学;2006年
7 常彦伟;纵向参数多子群粒子群算法的研究与应用[D];中国矿业大学;2009年
8 田野;粒子群优化算法及其应用研究[D];吉林大学;2010年
9 刘明;油田热水供暖系统热负荷智能预测技术研究[D];东北石油大学;2011年
10 岳本贤;粒子群算法拓展研究及在约束布局优化中应用[D];大连理工大学;2012年
中国硕士学位论文全文数据库 前10条
1 王乐;粒子群算法优化的小波神经网络在目标跟踪中的应用[D];太原理工大学;2011年
2 卢荣甲;圆填充刚性常数的近似估计及其混合粒子群算法[D];广西民族大学;2010年
3 杨立标;基于混合优化策略的粒子群算法及其应用研究[D];哈尔滨工程大学;2010年
4 陈琳玲;基于简化粒子群算法的测试数据自动生成方法研究[D];西南大学;2010年
5 赵辛欣;随机聚焦粒子群算法在机组组合中的应用[D];西南交通大学;2010年
6 董延胜;粒子群算法在神经网络参数优化中的应用[D];河南科技大学;2009年
7 王冬;基于粒子群算法的Web文本信息过滤研究[D];华北电力大学(河北);2010年
8 李文婷;基于改进型粒子群算法的热轧带钢宽度神经网络预报模型的研究[D];太原理工大学;2011年
9 汪华;粒子群算法的研究及其在供水优化调度中的应用[D];合肥工业大学;2011年
10 张念志;基于粒子群算法的集送货一体化车辆路径问题研究[D];山东大学;2010年
中国重要报纸全文数据库 前1条
1 记者 黄蔚 通讯员 蔡文兵;校内外导师领航学生科研[N];中国教育报;2011年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978