[发明专利]混沌背景中基于优化组合支持向量机的微弱信号检测方法

权利要求书

1.一种混沌背景中基于优化组合支持向量机的微弱信号检测方法，其特征在于，所述方法包括：

将径向基核函数与多项式核函数结合构成组合核函数支持向量机，采用改进教学优化算法优化所述组合核函数支持向量机得到最优参数，利用优化后的最优参数建立最终的组合支持向量机预测模型，对单步预测误差进行分析并从中判断混沌背景噪声中是否存在微弱目标信号。

2.根据权利要求1所述的混沌背景中基于优化组合支持向量机的微弱信号检测方法，其特征在于，所述方法包括以下步骤：

S1：将径向基核函数与多项式核函数结合构成组合核函数支持向量机，确定组合核函数比例ρ、惩罚系数C、多项式参数q和径向基宽度σ的取值范围，设教学次数g＝0，最大教学次数为G；

S2：对合核函数比例ρ、惩罚系数C、多项式参数q和径向基宽度σ四个参数进行实数编码；

S3：利用组合向量机进行预测，计算个体的适应度；

S4：利用改进教学优化算法优化后得到最优参数，教学次数g加1；

S5：判断教学次数g是否等于最大教学次数G，如果g＝G则进入步骤S6，否则重复步骤S3至S5直至g＝G；

S6：输出优化后的模型参数；

S7：利用优化后的最优参数建立组合支持向量机预测模型并且用以预测混沌序列，判断混沌背景噪声中是否存在微弱目标信号。

3.根据权利要求2所述的混沌背景中基于优化组合支持向量机的微弱信号检测方法，其特征在于，所述方法还包括：

所述步骤S3中，利用组合向量机进行预测，通过下述公式求个体的适应度：

其中，n是训练集个体的总数，y_i表示真实值，表示预测值。

4.根据权利要求2所述的混沌背景中基于优化组合支持向量机的微弱信号检测方法，其特征在于，所述方法还包括：

所述步骤S7中，利用优化后的最优参数建立组合支持向量机预测模型并且用以预测混沌序列，计算预测精度和预测时间，判断混沌背景噪声中是否存在微弱目标信号。

5.根据权利要求2所述的混沌背景中基于优化组合支持向量机的微弱信号检测方法，其特征在于，所述方法还包括：

所述步骤S4中，利用改进教学优化算法中的教授、学习、反馈三个阶段优化后得到最优参数，教学次数g加1。

6.根据权利要求1-5中任意一项所述的混沌背景中基于优化组合支持向量机的微弱信号检测方法，其特征在于，所述方法还包括：

对劳伦兹混沌系统和实测海杂波数据进行仿真实验，以验证组合支持向量机预测模型的有效性。