一种基于改进狼群算法的光电雷达信号分选方法

本发明涉及光电雷达信号处理领域，具体涉及智能算法和光电雷达信号分选技术，尤其涉及一种基于改进狼群算法的光电雷达信号分选方法。

背景技术：

1、光电雷达是一种利用光学和电子技术实现的雷达系统，光电雷达常用于动目标探测，光电雷达不仅提供目标的距离、速度和角度等信息，还提供高分辨率的目标图像，能够实现对目标更加全面精准的探测和识别。光电雷达信号分选是将信号脉冲串从接收到的交错的脉冲流中分离出来的过程，这一过程通常是在接收器中完成的。信号分选的结果直接影响后续的信号处理，影响光电雷达对目标的探测识别性能。随着雷达技术的迅猛发展，雷达信号的密度和复杂程度都大幅升高，这给信号分选的实时性和准确性带来了极大的挑战。径向基函数(radial basis function，rbf)神经网络因其强大的非线性逼近能力、鲁棒性及简单的网络结构成为了雷达信号分选的有效工具，但rbf神经网络存在径向基函数的中心、宽度和连接权值这些参数不易确定的问题。狼群算法是一种常见的智能寻优算法，但其存在收敛时间较长和易陷入局部最优解的问题。

技术实现思路

1、为了解决在新体制光电雷达大量应用，雷达信号的密度和复杂程度都大幅升高的背景下，光电雷达信号分选准确率和效率低下的问题。本发明提供了一种基于改进狼群算法的光电雷达信号分选方法，通过对狼群算法进行改进，提高了其收敛速度和寻优精度，并将改进狼群算法用于rbf神经网络参数优化上，改进狼群算法优化后的rbf神经网络能够更有效地进行光电雷达信号处理和特征提取，从而得到更高的分选准确率。该方法主要包括：

2、s1：光电雷达的接收器接收到交叠在一起的光电雷达信号，经过测量参数电路得到这些光电雷达信号的pdw参数；

3、s2：选用pdw中pri、rf、pw、pa、pm和bw作为光电雷达信号的特征参数构建数据集，把该数据集划分为训练集和测试集，并进行归一化和标签化处理；

4、s3：构建rbf神经网络；

5、s4：改进狼群算法；

6、s5：利用改进狼群算法优化rbf神经网络：狼群对应于rbf神经网络中需要优化的连接权值、径向基函数中心和宽度这些特征参数，目标函数值对应于rbf神经网络实现光电雷达信号分选的测试集分选准确率；头狼位置对应于最优的参数，头狼对应的目标函数值即为最高的测试集分选准确率，即光电雷达信号分选准确率；

7、s6：将训练集和测试集输入通过改进狼群算法优化后的rbf神经网络，进行训练和测试，将实际获得的光电雷达信号输入至训练和测试好后的rbf神经网络，完成光电雷达信号的分选。

8、进一步地，所述rbf神经网络包括输入层、隐含层和输出层，前两层之间是非线性变化，后两层之间是线性变化。

9、进一步地，改进狼群算法的过程如下：

10、(1)参数初始化，所述参数包括狼匹数量wolfnum、优化参数维度dim、最大迭代次数maxgen、探狼比例因子α、探狼最大游走次数tmax、距离判断因子ω、步长因子s、群体更新比例因子β、参数取值上下界ub和lb、探狼最大游走方向hmax以及最小游走方向hmin；

11、(2)使用tent混沌映射狼群初始化，产生[0,1]的混沌数，经过混沌映射初始化后的种群如下：

12、xid＝lbd+(ubd-lbd)·zid

13、其中，ubd和lbd分别表示第d维对应的参数取值上下界，i∈{1,2,…,wolfnum}，d∈{1,2,…,dim}；

14、(3)在探狼游走的过程中，增加如下公式所示的高斯变异：

15、tempx＝temp(m+2,f,:).*(1+randn(1,1))

16、其中，randn是产生均值为0，方差为1的正态分布的随机数，m∈{1,2,…,tmax}，tmax表示最大游走次数，f∈{1,2,…,s_num}，s_num表示探狼数目，temp(m+2,f,:)保存的是第m+2次游走第f匹探狼的位置；

17、计算tempx所对应的目标函数值，若其优于探狼原位置对应的目标函数值，则更新探狼的位置，若其还优于leady，则更新头狼位置，并进入步骤(4)；

18、(4)选取除头狼、探狼外其余的狼群为猛狼，更新猛狼s的位置，更新后的猛狼s的目标函数值与头狼的目标函数值比较，如果比其更优，则更新头狼位置，猛狼s作为头狼发起召唤行为；否则，计算猛狼s与头狼的距离dis，猛狼s继续奔袭直到dis小于预设距离dnear，进入步骤(5)；

19、(5)围攻行为的位置更新公式如下：

20、x'sd＝xsd+λ×(leadxd-xsd)

21、其中，λ∈[0,1]的随机数；

22、(6)狼群淘汰更新机制：淘汰r匹较弱的个体后，随机产生r匹新个体，然后判断种群中个体是否有重复的，若是，则删除重复的个体，再产生相应个数的新个体，依此类推，直到种群中的所有个体都是独一无二的为止；

23、(7)判断是否到达输出精度值或是达到maxgen，若是，则结束算法，反之转到步骤(3)，maxgen表示最大迭代次数。

24、进一步地，步骤(1)中的tent混沌映射的公式如下：

25、

26、其中，zkd表示当前狼群个体，z(k+1)d表示下一个狼群个体，β∈[0,1]。

27、进一步地，步骤(4)中更新猛狼s的位置更新公式如下：

28、

29、其中，leadxd表示当前头狼的位置，xsd表示当前猛狼的位置，表示召唤行为的步长。

30、进一步地，步骤(4)中的预设距离的计算公式为：

31、

32、其中，dim表示狼群优化参数维度，ω表示距离判断因子，ubd和lbd表示狼群第d维对应的参数取值上界和下界。

33、一种存储设备，所述存储设备存储指令及数据用于实现一种基于改进狼群算法的光电雷达信号分选方法。

34、一种基于改进狼群算法的光电雷达信号分选系统，包括：处理器及所述存储设备；所述处理器加载并执行所述存储设备中的指令及数据用于实现一种基于改进狼群算法的光电雷达信号分选方法。

35、本发明提供的技术方案带来的有益效果是：通过对狼群算法进行改进，提高了其收敛速度和寻优精度，并将改进狼群算法用于rbf神经网络参数优化上，改进狼群算法优化后的rbf神经网络能够更有效地进行光电雷达信号处理和特征提取，从而得到更高的分选准确率，提高了光电雷达信号分选的准确率和效率。本发明的算法创新效果良好，满足科学分析研究的需要，对提高光电雷达信号分选系统的性能，推动光电雷达信号处理及分类识别研究有积极的意义。

技术特征：

1.一种基于改进狼群算法的光电雷达信号分选方法，其特征在于：包括：

2.如权利要求1所述的一种基于改进狼群算法的光电雷达信号分选方法，其特征在于：所述rbf神经网络包括输入层、隐含层和输出层，前两层之间是非线性变化，后两层之间是线性变化。

3.如权利要求1所述的一种基于改进狼群算法的光电雷达信号分选方法，其特征在于：改进狼群算法的过程如下：

4.如权利要求3所述的一种基于改进狼群算法的光电雷达信号分选方法，其特征在于：步骤(1)中的tent混沌映射的公式如下：

5.如权利要求3所述的一种基于改进狼群算法的光电雷达信号分选方法，其特征在于：步骤(4)中更新猛狼s的位置更新公式如下：

6.如权利要求3所述的一种基于改进狼群算法的光电雷达信号分选方法，其特征在于：步骤(4)中的预设距离的计算公式为：

7.一种存储设备，其特征在于：所述存储设备存储指令及数据用于实现权利要求1～6任一项所述的基于改进狼群算法的光电雷达信号分选方法。

8.一种基于改进狼群算法的光电雷达信号分选系统，其特征在于：包括：处理器及存储设备；所述处理器加载并执行所述存储设备中的指令及数据用于实现权利要求1～6任一项所述的基于改进狼群算法的光电雷达信号分选方法。

技术总结
本发明提供了一种基于改进狼群算法优化的光电雷达信号分选方法，涉及光电雷达信号处理领域，光电雷达的接收器接收到交叠在一起的光电雷达信号，经过测量参数电路得到这些光电雷达信号的PDW参数；选用PDW中PRI、RF、PW、PA、PM和BW作为光电雷达信号的特征参数构建数据集，把该数据集划分为训练集和测试集，并进行归一化和标签化处理；构建RBF神经网络；改进狼群算法；利用改进狼群算法优化RBF神经网络；将训练集和测试集输入通过改进狼群算法优化后的RBF神经网络，进行训练和测试，将实际获得的光电雷达信号输入至训练和测试好后的RBF神经网络，完成光电雷达信号的分选。本发明的有益效果是：提高了光电雷达信号分选的准确率和效率。

技术研发人员：王沛,郝国成,锅娟
受保护的技术使用者：中国地质大学（武汉）
技术研发日：
技术公布日：2024/5/9