首页|改进GWO-RBF神经网络的高频地波雷达海杂波预测模型

改进GWO-RBF神经网络的高频地波雷达海杂波预测模型

Prediction model of high frequency surfacewave radar sea clutter with improved GWO-RBF neural network

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
高频地波雷达的海上目标探测能力与海杂波的抑制效果息息相关,而海杂波的精确预测又是其有效抑制的重要前提.为实现海杂波的精确预测,提出一种基于改进灰狼算法优化RBF神经网络的预测模型(MGWO-RBF),为解决灰狼优化算法收敛速度慢和易陷入局部最优的缺点,提出一种灰狼狼群分工搜索的策略,使得整个迭代过程中狼群始终兼具大范围搜索和局部探索能力.与经典的粒子群算法、标准灰狼优化算法和动态权重灰狼优化算法对比得出结论:改进的灰狼算法在收敛速度和精度上都有明显提升,MGWO-RBF预测模型对海杂波预测的精度达到96.23％,取得了较好的预测效果.

何康宁、尚尚、杨童、刘明

展开 >

江苏科技大学 电子信息学院,镇江212100

海杂波 灰狼优化算法 RBF神经网络 分工搜索 预测

国家自然科学基金国防基础科研计划稳定支持专项江苏省研究生科研与实践创新计划江苏省研究生科研与实践创新计划江苏科技大学青年科技创新项目

61801196JCKYS2020604SSJS010KYCX20_3142KYCX20_3139

2022

10.11917/j.issn.1673-4807.2022.01.012

江苏科技大学学报(自然科学版)
江苏科技大学

江苏科技大学学报(自然科学版)

北大核心
影响因子：0.373
ISSN：1673-4807
年,卷(期)：2022.36(1)
  • 1
  • 7