發(fā)布時(shí)間：2024-06-29 15:45

　　作為獲取敵方目標(biāo)信息的主要傳感器,雷達(dá)在現(xiàn)代戰(zhàn)爭中的作用日益凸顯。雷達(dá)所探測的目標(biāo)屬于非合作目標(biāo),由于電子干擾技術(shù)及隱身技術(shù)的應(yīng)用,要成功探測目標(biāo)變得十分困難。另外,復(fù)雜地貌,如高山、植被、海雜波等因素的影響,使得雷達(dá)目標(biāo)探測問題愈加困難。采用有效的濾波器,是雷達(dá)濾除雜波和噪聲等其他干擾并檢測出有用目標(biāo)信號的重要手段。對于濾波器的設(shè)計(jì),除了采用經(jīng)典的階躍響應(yīng)、沖激響應(yīng)不變法等方法之外,還可以采用優(yōu)化算法來對濾波器進(jìn)行設(shè)計(jì)。本文主要利用改進(jìn)型的鳥群算法(Bird Mating Optimizer,BMO)來進(jìn)行雷達(dá)濾波器的優(yōu)化設(shè)計(jì),并將該算法運(yùn)用到實(shí)際雷達(dá)系統(tǒng)中,得到了較好的效果。論文的主要工作如下:首先,分析了BMO算法的基本原理、參數(shù)設(shè)置和實(shí)現(xiàn)方式,得到了BMO算法在局部優(yōu)化方面存在的不足;針對這些不足,提出了一種結(jié)合蛙跳優(yōu)化算法的改進(jìn)型的混合BMO算法。其次,總結(jié)和梳理了雷達(dá)信號濾波器的設(shè)計(jì)思想和一般設(shè)計(jì)方法,將這種結(jié)合蛙跳優(yōu)化算法的改進(jìn)型的混合BMO算法運(yùn)用到雷達(dá)濾波器設(shè)計(jì)中,通過仿真分析了本方法與遺傳算法、蛙跳算法、鳥群算法的性能,同時(shí)分析了該優(yōu)化算法的參數(shù)設(shè)置方法。結(jié)果表明,...

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2-1BMO算法的工作原理圖

有6%的鳥類屬于這種類型。影響鳥類的混配的因素有很多，棲息環(huán)境、度、天氣狀況、季節(jié)變化和鳥的年齡等，都可能會對鳥類的繁殖育雛產(chǎn)，使得鳥類的婚配制度多樣化，這也是鳥類物種能夠在自然界保持物種樣性的主要原因之一。算法基本原理MO算法的靈感來源于鳥類在交配季節(jié)的婚配制度，是以鳥類的交配....

圖2-3蛙跳算法原理圖

其基本原理是針對局部，不同的種群搜索過程是彼此獨(dú)立的，在進(jìn)行全局搜索，獲得最優(yōu)解的時(shí)候需要種群交換各自的信息。利用啟發(fā)函數(shù)，算法開始啟發(fā)式搜索，在解決某些復(fù)雜的非線性連續(xù)函數(shù)問題時(shí)，成功率遠(yuǎn)高于其他優(yōu)化算法。同時(shí)，蛙跳算法的顯著特點(diǎn)是算法模型相對簡單，實(shí)現(xiàn)容易，且收斂速度快。蛙跳....

圖2-4蛙跳算法流程圖

15體步驟如下[32]：子群數(shù)量、種群大小、各種群中青行設(shè)置，則初始解的總個數(shù)。初始解。個體的適配值，并按降序進(jìn)行排列。個子群中，執(zhí)行局部搜索。通過計(jì)算位置；選擇新產(chǎn)生的個體與舊個體中的使迭代次數(shù)達(dá)到預(yù)期值，則進(jìn)行步優(yōu)化要求，若達(dá)到，輸出最優(yōu)解；否少的使用在多目標(biāo)、組....

圖2-5混合BMO算法流程圖

17圖2-5混合BMO算法流程圖具體實(shí)現(xiàn)步驟如下：參數(shù)和進(jìn)行選擇，鳥群的個數(shù)或者的個數(shù)表示為，因此，整個鳥群的個理鳥類種群。按照合理的鳥類基因存在種群個數(shù)為，種群的品質(zhì)，其中表示為每只鳥的基因品質(zhì)情況。題，實(shí)際上就是考慮遺傳進(jìn)化獲得的

本文編號：3997777