尺度可调的混合核RBF网络

针对传统核模型中采用单一核函数的局限性,利用两个核函数的线性组合得到混合核.在RBF网络的训练中,采取正交最小二乘的方法进行逐步回归建模.在学习每个神经元参数时,首先,用全局k均值聚类法得到数据样本的聚类中心,然后对每一个聚类中心,利用群搜索优化器搜索出最佳的尺度和混合核调节参数,误差最小的参数组合即为径向基函数参数.实验说明,新的RBF网络具有稀疏性好,泛化能力高等优点.

无载波超宽带引信组合脉冲功率谱快速拟合方法

为满足无载波超宽带(UWB)引信高斯组合脉冲波形设计需求,该文提出一种基于正交化寻基(OBS)的快速功率谱拟合方法。根据脉冲形成因子的取值范围构造多个候选的高斯脉冲函数,在通过最大化互信息实现功率谱设计的基础上,以循环迭代的方法进行功率谱拟合,每次迭代都对候选高斯脉冲函数进行施密特正交化,并通过内积计算快速地找出尚未被选取的候选高斯脉冲函数中与残留幅度频谱最匹配的一个,最终,根据选定高斯脉冲函数与它们正交化函数之间的矩阵关系确定加权系数,从而得到组合波形,使得拟合出的功率谱与设计功率谱之间达到较好相似性。通过仿真,验证了该文所提方法的有效性,及其相对于粒子群迭代算法的高效性。