典型文献
一种基于GA-CNN的网络化雷达节点遴选算法
文献摘要：
网络化雷达具有广域分布的雷达节点,可以按需分任务调度雷达节点,是当前的研究热点.本文旨在研究不同波束指向下,通过神经网络预测一维阵列节点组合以降低该波束指向下的旁瓣.将遗传算法(genetic algorithm,GA)产生的数据集投喂给卷积神经网络(convolutional neural networks,CNN)进行训练,训练好的CNN可快速预测.本文提出用于降低阵列旁瓣的GA-CNN节点遴选算法,结合了GA处理组合爆炸问题的优势与深度学习良好的泛化能力和预测速度,且在全集中搜索和预测.从线阵的仿真结果可见,CNN已经学习到波束指向与节点选择的部分对应关系,运算速度大幅提升,使得雷达在高效应变环境方面具备进一步的研究价值.
文献关键词：
节点遴选;深度学习;遗传算法;卷积神经网络
中图分类号：
作者姓名：
陶海红;闫莹菲
作者机构：
西安电子科技大学雷达信号处理国家重点实验室,陕西西安 710071
文献出处：
引用格式：
[1]陶海红;闫莹菲-.一种基于GA-CNN的网络化雷达节点遴选算法)[J].空天防御,2022(01):1-5
A类：
节点遴选
B类：
GA,广域,任务调度,波束指向,神经网络预测,旁瓣,genetic,algorithm,投喂,喂给,convolutional,neural,networks,练好,快速预测,组合爆炸,泛化能力,测速,全集,线阵,经学,节点选择,环境方面
AB值：
0.326712
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
