q-高斯的SOM神经网络在雷达抗干扰效能评估中的应用

《q-高斯的SOM神经网络在雷达抗干扰效能评估中的应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第32卷第6期哈尔滨工程大学学报Vo1．32No．62011年6月JournalofHarbinEngineeringUniversityJun．2011doi：10．3969／j．issn．1006—7043．2011．06．013g一高斯的SOM神经网络在雷达抗干扰效能评估中的应用赵伟，伞冶(哈尔滨工业大学控制与仿真中心，黑龙江哈尔滨150001)摘要：为了扩大邻域函数的输出空间和增强神经元的邻域合作，提出基于g一高斯的SOM(self-organizingmapping)神经网络评估雷达抗干扰效能．采用q-高斯函数作为SOM神经网络的邻域函数，

2、选取较大的非广延熵指数q扩大了q一高斯函数的输出空间，随着邻域的缩小，非广延熵指数q从大到小自适应地调整平衡了神经元的远邻域合作和近邻域合作．通过评估雷达抗干扰效能和实例测试，仿真结果表明基于g-高斯的SOM神经网络效能评估的准确率为100％、模式识别的聚类正确率和分类正确率比其他SOM神经网络高出5％，验证了该方法的有效性和可行性．关键词：效能评估；雷达抗干扰；SOM神经网络；q一高斯中图分类号：TP18；E917文献标识码：A文章编号：1006-7043(2011)06-0767-06Aq-GaussianSOMneuralnetworkandi

3、tsapplicationforevaluationoftheefectivenessofradarECCMZHAOWei，SANYe(ControlandSimulationCenter，HarbinInstituteofTechnology，Harbin150001，China)Abstract：Inordertoincreasetheoutputspaceofneighborhoodfunctionsandenhancetheneighborhoodcooperationbetweenneurons，aq-Gaussianself-organi

4、zingmapping(SOM)neuralnetworkwasproposedforevaluationoftheeffectivenessofradarelectroniccounter—countermeasures(ECCM)．Aq-Gaussianfunctionwastakenasaneighbor—hoodfunctioninanSOMneuralnetwork，andthenon—extensiveentropicindexqwaslargertoeficientlyincreasetheoutputspaceoftheq-Gauss

5、ianfunction．Thenon-extensiveentropicindexqwasadjustedadaptivelyfromlargetosmallwiththedecreasingneighbortobalancetheneuronsdistantandcloseneighborhoodcooperationability．ThesimulationresultsoftheeffectivenessevaluationoftheradarECCMandinstancetestsshowthattheq-GaussianSOMneuraln

6、etworkcanobtain100％accurateresultsinevaluatingeffectiveness．a5％higheraccuracyratebothinclusteringandclassificationthanotherSOMneuralnetworksinpatternrecognition；thevalidityandfeasibilityofthemethodareverified．Keywords：effectivenessevaluation；radarECCM；self-organizingmappingneur

7、alnetwork；q—Gaussian各种武器装备威力的发挥，战区的监视和警戒，达装备研究和作战效能评估有重要的作用．目前，雷诸兵种协同作战的调配、联系、指挥和控制等，都越达抗干扰效能评估的方法主要有线性加权法、层次来越多地依赖于雷达的效能⋯．随着雷达技术的发分析法、模糊评判法和概率综合法．但这些方法受人展，反雷达技术也迅速发展，导致了现代雷达工作环为因素影响大，因为神经网络具有良好的非线性映境的日益复杂和恶化．因此，研究雷达的抗干扰射能力，可以任意逼近一个复杂的非线性系统，所以能力受到了人们的重视，雷达抗干扰效能评估对雷人们越来越多的重视采用神经

8、网络来评估雷达抗干扰效能J．SOM神经网络是一种无监督学习的竞争收稿日期：2009-10—13．型神经网络，