阵列波束优化的标准支持向量回归

针对支持向量机在解决小样本、非线性和高维模式处理问题上的优势,对比支持向量回归与波束优化理论,修正支持向量回归价值损失函数.分析支持向量回归波束优化的基本方法及其应用条件,建立标准支持向量回归波束优化模型,建立基于标准支持向量回归波束形成器的优化模型及具体实现过程并进行数值仿真实验.结果表明,在不同的阵型、价值损失函数、数据样本和不同的信噪比下,基于标准支持向量回归的波束形成器在指向性和旁瓣级等性能指标上均取得了较好的效果,为波束形成器的优化设计提供了有效且可行的方法.

基于标准支持向量回归的阵列波束优化研究

针对支持向量机在解决小样本、非线性和高维模式处理问题上的优势,将支持向量回归与波束优化理论进行对比,修正支持向量回归价值损失函数,分析支持向量回归波束优化的基本方法及其应用条件,建立标准支持向量回归波束优化模型,研究了基于标准支持向量回归波束形成器的优化模型及具体实现过程,并进行了数值仿真实验.仿真实验结果表明,在不同的阵型、不同的价值损失函数、不同的数据样本和不同的信噪比下,基于标准支持向量回归的波束形成器在指向性和旁瓣级等性能指标上均取得了较好的效果,为波束形成器的优化设计提供了一种有效且可行的方法.

一种新的支持向量回归机TSVR

标准的支持向量回归机对于参数的选取有很强的依赖性.当选取的参数不恰当,或当数据受到噪声的污染时,回归的效果将受到较大的影响.笔者将训练点被正确划分的程度引入到支持向量回归机模型中,通过理论推导,提出了一种新的支持向量回归机TSVR,并给出了TSVR算法收敛的相关证明.同时,通过大量的数值实验,证明了TSVR具有较好的回归效果,其回归结果对参数的选取较不敏感,具有比标准的支持向量回归机更好的性质.