信息技术
信息技術
신식기술
INFORMATION TECHNOLOGY
2013年
9期
28-31,34
,共5页
BP神经网络%自适应学习速率梯度下降算法%样本向量%改进的自适应滤波器%旁瓣抑制
BP神經網絡%自適應學習速率梯度下降算法%樣本嚮量%改進的自適應濾波器%徬瓣抑製
BP신경망락%자괄응학습속솔제도하강산법%양본향량%개진적자괄응려파기%방판억제
BP neural network%GDA%sample vector%improved adaptive filter%sidelobe suppression
研究了BP神经网络在二相码旁瓣抑制中的应用,采用自适应学习速率梯度下降算法对网络进行训练,为了提高网络的抗噪声及多目标背景下的检测性能,训练的样本向量选取理想样本结合含噪声样本混合模式.此外,在将接收到的回波信号送入网络前,使其通过改进的自适应滤波器,以提高输入的信噪比.实验表明,对127位M码调相的不加噪声单目标回波,该算法能够使脉压输出的主旁瓣比达到60dB以上,并且在多目标及噪声环境下具有较好的性能.
研究瞭BP神經網絡在二相碼徬瓣抑製中的應用,採用自適應學習速率梯度下降算法對網絡進行訓練,為瞭提高網絡的抗譟聲及多目標揹景下的檢測性能,訓練的樣本嚮量選取理想樣本結閤含譟聲樣本混閤模式.此外,在將接收到的迴波信號送入網絡前,使其通過改進的自適應濾波器,以提高輸入的信譟比.實驗錶明,對127位M碼調相的不加譟聲單目標迴波,該算法能夠使脈壓輸齣的主徬瓣比達到60dB以上,併且在多目標及譟聲環境下具有較好的性能.
연구료BP신경망락재이상마방판억제중적응용,채용자괄응학습속솔제도하강산법대망락진행훈련,위료제고망락적항조성급다목표배경하적검측성능,훈련적양본향량선취이상양본결합함조성양본혼합모식.차외,재장접수도적회파신호송입망락전,사기통과개진적자괄응려파기,이제고수입적신조비.실험표명,대127위M마조상적불가조성단목표회파,해산법능구사맥압수출적주방판비체도60dB이상,병차재다목표급조성배경하구유교호적성능.
