SVM在阵列天领域的应用研究.pdfVIP

浙江人学坝lj学位论史 摘 要 本文丰要包含三方面的内容：阵列天线、支持向量机以及两者结合应用研究。 支持向量机是由Vapnik等人提出的小样本统计理论——统计学习理论发展 而来的一种新的通用学习算法，特别在高维空间中表示复杂函数，避免了常规算 法“维数灾难”等麻烦问题，可直接用阵列原始数据作为特征向量而4；影响系统 性能。本文主要将SVM这一新的机器学习方法应用到阵列天线领域，并用该算 法实现对目标信源的测定。 为了利用支持向量机的函数拟合来预测信源位置，我们将支持向量机理论和 阵列天线模型结合在一起，根据两者的不同特点构造了一个训练数据结构；并设 计了通过改变不同参数对训练机器进行优化的新的系统模型。这样不仅发挥了 SVM技术的优越性，而且还推广了该技术应用领域。本文仿真采用6元直线等 距阵列天线对于平面波入射的处理情形。把阵列天线采集的训练样本的协方差矩 阵进行适当变换之后送入SVM训练器进行学习，然后根据这个学习机对未知样 本进行SVM的函数拟合，得到信源方向。训练中需要采用不同的参数，以求得 最佳学习机。这种算法处理速度很快，能实时跟踪目标运动，且在环境不是很恶 劣的情况下精度较高，能有效的减少运算量。同时我们还将SVM与MUSIC算 法进行了比较，可以看出，在预测精度和跟踪速度方面，SVM算法的优点得到 了很好的体现。 关键字：阵列天线，自适应算法，统计学习理论，支持向量机，核函数 塑垩叁堂堡．!：堂些堡兰 一 Abstract andtheir three ofcontents：Antenna includes Thisthesis aspects array,SVM combination． universal fromStatistical SVMisakindof developed learningalgorithm，which by CBXI Vapnik．It is，small learningtheoryproposed Theory，that sample Learning call the functions in avoid dimensions，which high complicatedespecially represent that in alsowillnot troubleofthedimension algorithm．It happenedgeneral tragedy of forthe affectthe datathe byusing