[發(fā)明專利]一種基于人工蜂群算法的智能雷達海上目標檢測系統(tǒng)及方法

在審

• 申請?zhí)枺?/td>: 201711116260.5
• 申請日: 2017-11-13
• 公開（公告）號: CN107656250A
• 公開（公告）日: 2018-02-02
• 發(fā)明（設(shè)計）人: 劉興高;盧偉勝
• 申請（專利權(quán)）人: 浙江大學
• 主分類號: G01S7/36
• 分類號: G01S7/36;G01S13/88
• 代理公司: 杭州求是專利事務(wù)所有限公司33200
• 代理人: 邱啟旺

技術(shù)領(lǐng)域

本發(fā)明涉及雷達數(shù)據(jù)處理領(lǐng)域，特別地，涉及一種基于人工蜂群算法的智能雷達海上目標檢測系統(tǒng)及方法。

背景技術(shù)

海雜波,即來自于海面的雷達后向散射回波。近幾十年來，隨著對海雜波認識的深入，德國、挪威等國家相繼嘗試利用雷達觀測海雜波獲取雷達海浪圖像來反演海浪信息，以獲得關(guān)于海洋狀態(tài)的實時信息，如海浪的波高、方向和周期等，從而進一步對海上微小目標進行檢測，這對海上活動具有十分重要的意義。

海上目標檢測技術(shù)具有重要的地位，提供準確的目標判決是對海雷達工作的重要任務(wù)之一。雷達自動檢測系統(tǒng)依據(jù)判決準則在給定的檢測閾值下做出判決，而強海雜波往往成為微弱目標信號的主要干擾。如何處理海雜波將直接影響到雷達在海洋環(huán)境下的檢測能力：1)識別導航浮標、小片的冰，漂浮在海面的油污，這些可能會對導航帶來潛在的危機；3)監(jiān)測非法捕魚是環(huán)境監(jiān)測的一項重要的任務(wù)。

在傳統(tǒng)的目標檢測時,海雜波被認為是干擾導航的一種噪聲被去掉。然而，在雷達對海觀測目標時，微弱的運動目標回波常常湮沒在海雜波中，信雜比較低，雷達不易檢測到目標，同時海雜波的大量尖峰還會造成嚴重虛警，對雷達的檢測性能產(chǎn)生較大影響。對于各種對海警戒和預警雷達而言，研究的主要目標是提高海雜波背景下目標的檢測能力。因此，不僅具有重要的理論意義和實際意義，而且也是國內(nèi)外海上目標檢測的難點和熱點。

發(fā)明內(nèi)容

為了克服已有雷達海上目標檢測方法無法實現(xiàn)在線檢測、智能性較差的不足，本發(fā)明提供一種實現(xiàn)在線檢測、智能性強的基于人工蜂群算法的智能雷達海上目標檢測系統(tǒng)及方法。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：

一種基于人工蜂群算法的智能雷達海上目標檢測系統(tǒng)，包括雷達、數(shù)據(jù)庫以及上位機，雷達、數(shù)據(jù)庫和上位機依次相連，所述雷達對所檢測海域進行照射，并將雷達海雜波數(shù)據(jù)儲存到所述的數(shù)據(jù)庫，所述的上位機包括：

數(shù)據(jù)預處理模塊，用以進行雷達海雜波數(shù)據(jù)預處理，采用如下過程完成：

(1)雷達對所檢測海域進行照射，并將雷達海雜波數(shù)據(jù)儲存到所述的數(shù)據(jù)庫；

(2)從數(shù)據(jù)庫中采集N個雷達海雜波回波信號幅值x_i作為訓練樣本，i＝1,...,N；

(3)對訓練樣本進行歸一化處理，得到歸一化幅值

其中，minx表示訓練樣本中的最小值，maxx表示訓練樣本中的最大值；

(4)將歸一化后的訓練樣本重構(gòu)，分別得到輸入矩陣X和對應(yīng)的輸出矩陣Y：

其中，D表示重構(gòu)維數(shù)，D為自然數(shù)，且D＜N，D的取值范圍為50-70；

所述魯棒預報模型建模模塊用以建立預報模型，采用如下過程完成：

將數(shù)據(jù)預處理模塊得到的X、Y代入如下線性方程：

其中

權(quán)重因子v_i由下式計算：

其中是誤差變量ξ_i標準差的估計，c₁,c₂為常量；

求解得待估計函數(shù)f(x)：

其中，M是支持向量的數(shù)目，1_v＝[1,...,1]^T,上標T表示矩陣的轉(zhuǎn)置，是拉格朗日乘子，b^*是偏置量，K＝exp(-||x_i-x_j||/θ²)，其中i＝1,…,M，j＝1,…,M，和exp(-||x-x_i||/θ²)均為支持向量機的核函數(shù)，x_j為第j個雷達海雜波回波信號幅值，θ是核參數(shù)，x表示輸入變量，γ是懲罰系數(shù)；

智能尋優(yōu)模塊，采用人工蜂群算法對魯棒預報模型的核參數(shù)θ和懲罰系數(shù)γ進行優(yōu)化，采用如下過程完成：

步驟1：初始化人工蜂群算法的參數(shù)，設(shè)蜜源數(shù)P，最大迭代數(shù)iter_max，初始搜索空間的最小值和最大值L_d和U_d；蜜源的位置表示問題的可行解，由于模型有兩個參數(shù)需要優(yōu)化，所以位置p_i的維度為2維，按下式隨機生成蜜源的位置p_i＝(p_i1,p_i2)，置初始迭代次數(shù)iter＝0；