在利用粒子滤波(PF)进行雷达海杂波反演大气折射率廓线(refractivity from clutter,RFC)时,PF的重要性采样过程中采用的是次优的重要性函数。为了优化采样过程,尝试将粒子群优化算法(PSO)融入PF中(称为PSOPF方法),并将其用于RFC。PSOPF...在利用粒子滤波(PF)进行雷达海杂波反演大气折射率廓线(refractivity from clutter,RFC)时,PF的重要性采样过程中采用的是次优的重要性函数。为了优化采样过程,尝试将粒子群优化算法(PSO)融入PF中(称为PSOPF方法),并将其用于RFC。PSOPF方法是在PF的每一个预测步骤后,把由预测步骤得到的所有粒子作为PSO的初始种群,并把粒子的重要性权重作为其对应的适应度函数值。为了检验PSOPF的可行性和有效性,对PF方法和PSOPF方法分别进行了大量的RFC理想数值试验,并对每次反演的精度进行了方差估计,对所有数值试验结果的方差进行了统计分析。结果显示,基于PSOPF的RFC质量和稳定性总体上明显好于基于PF方法的RFC。展开更多
文摘在利用粒子滤波(PF)进行雷达海杂波反演大气折射率廓线(refractivity from clutter,RFC)时,PF的重要性采样过程中采用的是次优的重要性函数。为了优化采样过程,尝试将粒子群优化算法(PSO)融入PF中(称为PSOPF方法),并将其用于RFC。PSOPF方法是在PF的每一个预测步骤后,把由预测步骤得到的所有粒子作为PSO的初始种群,并把粒子的重要性权重作为其对应的适应度函数值。为了检验PSOPF的可行性和有效性,对PF方法和PSOPF方法分别进行了大量的RFC理想数值试验,并对每次反演的精度进行了方差估计,对所有数值试验结果的方差进行了统计分析。结果显示,基于PSOPF的RFC质量和稳定性总体上明显好于基于PF方法的RFC。
