基于IFOA-SA-BP神经网络的雷达信号识别

摘要

为提高雷达信号的识别率,提出一种改进的果蝇优化算法(improved fruit fly optimization algorithm,IFOA)和模拟退火(simulated annealing,SA)算法相融合并用于优化反向传播(back propagation,BP)神经网络的雷达信号识别算法.首先,该算法提取雷达信号的调和平均盒维数、信息维数和差分近似熵特征作为信号识别的三维特征.然后,改进果蝇优化算法的寻优步长并添加逃脱系数以修改适应度函数,同时引入三维空间的搜索概念扩大果蝇的搜索范围,再对果蝇算法所求解的接受机制通过SA算法进行修正.最后,将融合后的算法IFOA-SA用于优化BP神经网络得到网络最优的初始权值和闽值,并用此网络进行雷达信号的分类识别.通过与BP和FOA-BP进行对比,结果表明IFOA-SA-BP能够提高雷达信号的识别率,证实了该算法的有效性.