资源包含文件：Matlab源码+lunwen文档 [摘 要] 针对 RoboMaster 机甲大师赛赛场变化多端的情况，采用模糊小波神经网络对攻击目标的优先级进行评估和预测，利用模糊神经网络解决复杂环境信息的不确定问题，同时利用了小波神经网络增强神经网络的收敛速度和泛化能力。本文提出了一种针对赛场环境复杂度和未知性的攻击目标优先级预测方案并进行仿真实验，根据仿真结果表明，该算法可有效预测目标的攻击优先级，并且具有较好的稳定性、预测精度以及泛化能力。 关键词： 模糊小波神经网络; 攻击优先级 目录 基于模糊小波神经网络的攻击目标优先级评估 1 1 引言 1 2.1 模糊神经网络原理 1 2 原理 2 3 2.2 模糊小波神经网络原理 3 3 目标优先级估计的主要因素 3 4 4 基于 FWNN 的目标优先级评估仿真实验 5 5 结论 5 6 详细介绍参考：https://blog.csdn.net/sheziqiong/article/details/122407761?spm=1001.2014.3001.5501

随着射频功放非线性对射频前端的影响日益增大,使得功放建模变得越来越重要。提出了一种自适应模糊小波神经网络模型结构,并利用改进的粒子群优化算法,建立有记忆的功放模型。将小波函数融入到自适应模糊推理系统的模糊规则中,得到新的网络模型;在粒子群算法中引入最差位置影响因子,提高搜索效率,并进一步简化,忽略粒子的速度项,同时采用与适应度函数值相关的动态变化惯性权重,加快了收敛速度,避免出现"早熟"现象。仿真结果表明:该方法建立的功放模型误差小、精度高,能够有效地表征功放特性。