混合BMO算法在雷达信号滤波器设计中的应用

发布时间：2024-06-29 15:45

　　作为获取敌方目标信息的主要传感器,雷达在现代战争中的作用日益凸显。雷达所探测的目标属于非合作目标,由于电子干扰技术及隐身技术的应用,要成功探测目标变得十分困难。另外,复杂地貌,如高山、植被、海杂波等因素的影响,使得雷达目标探测问题愈加困难。采用有效的滤波器,是雷达滤除杂波和噪声等其他干扰并检测出有用目标信号的重要手段。对于滤波器的设计,除了采用经典的阶跃响应、冲激响应不变法等方法之外,还可以采用优化算法来对滤波器进行设计。本文主要利用改进型的鸟群算法(Bird Mating Optimizer,BMO)来进行雷达滤波器的优化设计,并将该算法运用到实际雷达系统中,得到了较好的效果。论文的主要工作如下:首先,分析了BMO算法的基本原理、参数设置和实现方式,得到了BMO算法在局部优化方面存在的不足;针对这些不足,提出了一种结合蛙跳优化算法的改进型的混合BMO算法。其次,总结和梳理了雷达信号滤波器的设计思想和一般设计方法,将这种结合蛙跳优化算法的改进型的混合BMO算法运用到雷达滤波器设计中,通过仿真分析了本方法与遗传算法、蛙跳算法、鸟群算法的性能,同时分析了该优化算法的参数设置方法。结果表明,...

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

图2-1BMO算法的工作原理图

有6%的鸟类属于这种类型。影响鸟类的混配的因素有很多，栖息环境、度、天气状况、季节变化和鸟的年龄等，都可能会对鸟类的繁殖育雏产，使得鸟类的婚配制度多样化，这也是鸟类物种能够在自然界保持物种样性的主要原因之一。算法基本原理MO算法的灵感来源于鸟类在交配季节的婚配制度，是以鸟类的交配....

图2-3蛙跳算法原理图

其基本原理是针对局部，不同的种群搜索过程是彼此独立的，在进行全局搜索，获得最优解的时候需要种群交换各自的信息。利用启发函数，算法开始启发式搜索，在解决某些复杂的非线性连续函数问题时，成功率远高于其他优化算法。同时，蛙跳算法的显著特点是算法模型相对简单，实现容易，且收敛速度快。蛙跳....

图2-4蛙跳算法流程图

15体步骤如下[32]：子群数量、种群大小、各种群中青行设置，则初始解的总个数。初始解。个体的适配值，并按降序进行排列。个子群中，执行局部搜索。通过计算位置；选择新产生的个体与旧个体中的使迭代次数达到预期值，则进行步优化要求，若达到，输出最优解；否少的使用在多目标、组....

图2-5混合BMO算法流程图

17图2-5混合BMO算法流程图具体实现步骤如下：参数和进行选择，鸟群的个数或者的个数表示为，因此，整个鸟群的个理鸟类种群。按照合理的鸟类基因存在种群个数为，种群的品质，其中表示为每只鸟的基因品质情况。题，实际上就是考虑遗传进化获得的

本文编号：3997777