為了解決認知雷達資源自適應調度中評價指標和評價方法單一而導致主、客觀評價不一致的問題,根據空中目標威脅度以及目標圖像質量,提出一種基于神經網絡的認知雷達目標優(yōu)先級綜合評價方法,為認知雷達資源調度系統提供準確的調度依據。該方法首先建立目標的威脅度和成像質量的評價指標體系,然后采用BP神經網絡和自組織特征映射(SOFM)神經網絡對目標的優(yōu)先級進行綜合評價。仿真結果表明,該方法能夠對多個目標的優(yōu)先級進行客觀、準確的評價。 

【文章來源】：現代電子技術. 2020年09期 第62-66+70頁 北大核心

【文章頁數】：6 頁

【部分圖文】：

認知雷達目標優(yōu)先級綜合評價系統結構圖

為了確定圖像質量指標權重，本文建立了三層BP神經網絡結構模型，如圖2所示。由于理論上已經證明，單個隱含層的網絡可以通過適當增加神經元節(jié)點的個數實現任意非線性映射，因此，在本文中設定單個隱含層即可滿足需求。由圖2可知，輸入層包含4個節(jié)點（對應圖像質量的4個評價指標），隱含層根據神經網絡經驗公式設定10個神經元節(jié)點，輸出層只包含1個節(jié)點，輸出結果包含設定的4個評價等級之一。3.1.2 確定指標權重

利用本文確定的BP神經網絡結構對144個ISAR成像樣本進行訓練，其中，116(80%）個數據樣本作為訓練樣本，28(20%）個數據樣本作為測試樣本，訓練結果如圖3所示。在300批次時均方誤差開始收斂，在3 000批次時，均方誤差能達到0.010 818，對樣本的識別概率能達到92.857%，滿足對圖像質量等級評價的要求。根據式（13）可求出4個圖像質量評價的歸一化權重為：qi=[0.221 2,0.250 4,0.271 6,0.256 8]。


本文編號：2911672