论文部分内容阅读
提出了一种新的基于最小二乘支持向量机的天线指向模型（LSSVM—PM）。不同于线性指向模型（Linear—PM）对天线指向偏差的分项进行代数相加，LSSVM—PM是对影响天线指向的因素进行考察，将因素变量作为支持向量机的输入，指向偏差作为输出，模型的求解是将原空间非线性地映射到一个高维的特征空间，然后在此空间中引入最小二乘法进行优化求解。因此，LSSVM—PM模型可解决天线指向偏差的非线性问题，同时将影响指向的外部因素考虑周全。实验数据模拟结果表明，该模型与线性模型相比，指向预测精度提高了17．36％，能