粒子群算法優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)在目標(biāo)跟蹤中的應(yīng)用.pdf

1、隨著軍事技術(shù)的發(fā)展，目標(biāo)本身運(yùn)動及環(huán)境的復(fù)雜性給目標(biāo)跟蹤帶來了巨大的挑戰(zhàn)。為了解決目標(biāo)在機(jī)動情況下穩(wěn)定、精確跟蹤問題，本文提出將粒子群算法優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)應(yīng)用于目標(biāo)跟蹤的“當(dāng)前”統(tǒng)計(jì)模型，通過蒙特卡洛仿真，驗(yàn)證了該算法可改善跟蹤性能。
　　 本文在詳細(xì)研究粒子群算法的基礎(chǔ)上，針對標(biāo)準(zhǔn)粒子群算法在后期隨著種群多樣性的丟失，收斂速度變慢，極易早熟收斂的缺陷進(jìn)行了改進(jìn)。
　　 改進(jìn)的粒子群算法在判斷出粒子可能陷入早熟收斂時(shí)，

2、就給陷入局部最優(yōu)無法跳出的粒子增加一定的擾動，使陷入局部最優(yōu)的粒子跳}t：，有效的避免了早熟收斂，而其余粒子保持不變，這樣粒子在隨后的迭代中兩部分粒子組成一個(gè)新群體，這樣既保留了每一。代的全局最優(yōu)粒子，又能保持了粒子種群的多樣性。仿真驗(yàn)證了改進(jìn)的粒子群算法減少了迭代次數(shù)、有效的避免了早熟收斂問題。
　　 其次，對小波神經(jīng)網(wǎng)絡(luò)進(jìn)行了詳細(xì)分析，小波神經(jīng)網(wǎng)絡(luò)有著比BP神經(jīng)網(wǎng)絡(luò)更好的收斂速度和逼近精度。但小波神經(jīng)網(wǎng)絡(luò)常采用梯度下降法來訓(xùn)

3、練網(wǎng)絡(luò)參數(shù)，易陷入局部極小值，收斂速度慢。本文用改進(jìn)的粒子群算法訓(xùn)練小波神經(jīng)網(wǎng)絡(luò)的參數(shù)。仿真實(shí)驗(yàn)表明，改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)減少了迭代次數(shù)、提高了收斂精度，有更好的預(yù)測性能。
　　 目標(biāo)模型的選取是機(jī)動目標(biāo)跟蹤中的一個(gè)關(guān)鍵問題。在建立模型時(shí)，既要符合目標(biāo)機(jī)動的實(shí)際情況，又要便于數(shù)學(xué)處理。本文在分析CV模型、CA模型、Singer模型、“當(dāng)前”統(tǒng)計(jì)模型的基礎(chǔ)上，在MATLAB仿真壞境下，用蒙特卡羅仿真比較了各模型的跟蹤精度。對“當(dāng)前”