[发明专利]一种基于优化型小波神经网络的跳频序列预测方法有效
| 申请号： | 201810935217.X | 申请日： | 2018-08-16 |
| 公开（公告）号： | CN109067427B | 公开（公告）日： | 2019-11-22 |
| 发明（设计）人： | 陈媛;张竞文;阳小龙;孙奇福 | 申请（专利权）人： | 北京科技大学 |
| 主分类号： | H04B1/713 | 分类号： | H04B1/713;G06N3/04;H04L12/24;H04B1/715 |
| 代理公司： | 51230 成都弘毅天承知识产权代理有限公司 | 代理人： | 邹敏菲<国际申请>=<国际公布>=<进入 |
| 地址： | 100083*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于优化型小波神经网络的跳频序列预测方法，属于跳频序列预测方法领域；其包括步骤1：对跳频信号进行时域分析获取当前时刻的跳频序列；步骤2：将跳频序列进行预处理获取训练样本和测试样本；步骤3：将训练样本输入初始化后的神经网络依次进行DBSCAN聚类计算和权值优化完成训练；步骤4：将测试样本输入完成训练的神经网络进行预测，获取下一时刻的跳频序列；本发明解决了目前使用小波神经网络对不同的跳频序列进行预测时，网络训练过程中因无通用且有效的算法，导致无法自适应确定隐含层节点个数和小波平移因子初始值的问题，提高了相同隐含层节点网络的预测精度，加快了网络后续的学习速度，缩短了程序的运行时间。 | ||
| 搜索关键词： | 跳频序列 跳频序列预测 小波神经网络 测试样本 神经网络 训练样本 隐含层 优化型 预测 预处理 网络训练过程 输入初始化 自适应确定 节点网络 平移因子 时域分析 输入完成 跳频信号 聚类 算法 小波 通用 优化 网络 学习 | ||
【主权项】：
1.一种基于优化型小波神经网络的跳频序列预测方法，其特征在于：包括如下步骤：/n步骤1：对跳频信号进行时域分析获取当前时刻的跳频序列；/n步骤2：将跳频序列进行预处理获取训练样本和测试样本；/n步骤3：将训练样本输入初始化后的神经网络依次进行DBSCAN聚类计算和权值优化完成训练；/n步骤4：将测试样本输入完成训练的神经网络进行预测，获取下一时刻的跳频序列；/n所述步骤3包括如下步骤：/n步骤3.1：将训练样本输入初始化后的神经网络进行DBSCAN聚类计算获取隐含层的节点个数和小波平移因子的初始值；/n步骤3.2：基于训练样本、隐含层的节点个数和小波平移因子的初始值以及初始化的网络权值计算隐含层输出，计算如下：/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京科技大学，未经北京科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810935217.X/，转载请声明来源钻瓜专利网。
