基于改进灰狼算法的天波雷达定位模型

针对天波雷达方位分辨力低和传统解析算法定位误差较大的缺点, 提出一种混沌变异灰狼算法优化核极限学习机(KELM)的定位模型。首先, 该模型将分段线性混沌映射、自适应柯西变异和收敛因子的非线性化引入灰狼算法从而形成一种改进的灰狼算法; 然后, 采用改进后的灰狼算法对KELM的惩罚系数和核参数进行优化; 最后, 将优化后的KELM应用于天波雷达定位, 使建立的KELM定位模型具有更高的预测精度和更强的泛化能力。实验结果显示, 所提模型的预测结果与目标实测值基本一致, 预测精度高于标准灰狼优化算法改进的KELM模型和解析法定位模型, 为天波雷达定位提供了一种新的目标定位方法。