改进SFLA-BP神经网络在遮盖干扰信号识别应用

提出一种改进混合蛙跳算法(SFLA),采用天牛须搜索(BAS)算法来优化混合蛙跳算法的子种群的局部搜索能力,以适应度函数作为评价标准,通过不断对最差个体进行更新来提高子种群的整体水平,优化出整个种群的最优解,即神经网络最佳的初始权值、阈值,对反向传播(BP)神经网络进行训练,得出最优的网络模型,使用BP神经网络、SFLA-BP神经网络和改进SFLA-BP神经网络将雷达有源遮盖性干扰信号分类处理。实验结果表明:改进SFLA-BP神经网络对干扰信号的平均正确识别率为0.91,均优于BP神经网络的正确识别率0.853 5以及SFLA-BP神经网络的正确识别率0.891 7。

基于BAS-BP神经网络的遮盖干扰信号识别

提出一种使用天牛须搜索(beetle antennae search,BAS)算法优化反向传播(back propagation,BP)神经网络以识别遮盖干扰信号的方法。采用BAS优化BP神经网络的初始权值、阈值,以适应度函数作为评价标准,优化出最佳的权值、阈值,训练BP神经网络,得到最优BP神经网络模型,使用优化后的BP神经网络对雷达有源遮盖性干扰信号进行分类识别。选取射频噪声、噪声调幅和噪声调频3种干扰信号进行仿真,结果表明,BAS-BP神经网络和BP神经网络的均方误差分别为0.1486和0.1770,平均绝对值误差分别为0.2197和0.2693。BAS-BP神经网络和BP神经网络对3种干扰信号的平均识别率分别为0.9137和0.8827。BAS-BP神经网络方法能够识别干扰信号,且效果优于BP神经网络算法。