公开(公告)号：CN109067427A

公开(公告)日：2018-12-21

申请号：CN201810935217.X

申请日：2018-08-16

Applicant: 北京科技大学

Inventor： 陈媛 ,  张竞文 ,  阳小龙 ,  孙奇福

IPC: H04B1/713 ,  G06N3/04 ,  H04L12/24

Abstract: 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。

公开(公告)号：CN109067427B

公开(公告)日：2019-11-22

申请号：CN201810935217.X

申请日：2018-08-16

Applicant: 北京科技大学

Inventor： 陈媛 ,  张竞文 ,  阳小龙 ,  孙奇福

IPC: H04B1/713 ,  G06N3/04 ,  H04L12/24 ,  H04B1/715

Abstract: 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。