[發明專利]一種基于改進入侵雜草優化算法的智能雷達海雜波預報系統及方法

在審

• 申請號: 201711117069.2
• 申請日: 2017-11-13
• 公開（公告）號: CN107656251A
• 公開（公告）日: 2018-02-02
• 發明（設計）人: 劉興高;盧偉勝
• 申請（專利權）人: 浙江大學
• 主分類號: G01S7/36
• 分類號: G01S7/36;G01S13/88
• 代理公司: 杭州求是專利事務所有限公司33200
• 代理人: 邱啟旺

技術領域

本發明涉及雷達數據處理領域，特別地，涉及一種基于改進入侵雜草優化算法的智能雷達海雜波預報系統及方法。

背景技術

海雜波，即來自于被雷達發射信號照射的一片海面的后向散射回波。由于海雜波對來自海面或接近海面的“點”目標，如航海浮標及漂浮在海上的冰塊等目標的雷達回波的可檢測性形成嚴重制約，因此海雜波的研究對海洋背景中輪船等目標的探測性能具有十分重要的影響從而具有重要理論意義和實用價值。

習慣上海雜波被視為單一隨機過程，如對數正態分布、K分布等。然而這些模型在實際應用中都有其特定的局限性，其中一個重要原因是海雜波看似隨機的波形，實際上并不具有隨機分布特性。

發明內容

為了克服傳統雷達數據處理的易受人為因素影響、智能性不足的缺點，本發明提供一種避免人為因素影響、智能性高的基于改進入侵雜草優化算法的智能雷達海雜波預報系統及方法。

本發明解決其技術問題所采用的技術方案是：

一種基于改進入侵雜草優化算法的智能雷達海雜波預報系統，包括雷達、數據庫以及上位機，雷達、數據庫和上位機依次相連，所述雷達對所檢測海域進行照射，并將雷達海雜波數據儲存到所述的數據庫，所述的上位機包括：

(1)雷達對所檢測海域進行照射，并將雷達海雜波數據儲存到所述的數據庫；

(2)從數據庫中采集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，分別得到輸入矩陣X和對應的輸出矩陣Y：

其中，D表示重構維數，D為自然數，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：

將數據預處理模塊得到的X、Y代入如下線性方程：

其中

權重因子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f(x)：

其中，M是支持向量的數目，1_v＝[1,...,1]^T,上標T表示矩陣的轉置，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，x_j為第j個雷達海雜波回波信號幅值，θ是核參數，x表示輸入變量，γ是懲罰系數；

所述智能尋優模塊，用以采用改進入侵雜草優化算法對魯棒預報模型的核參數θ和懲罰系數γ進行優化，采用如下過程完成：

(A)：初始化改進入侵雜草優化算法的參數，設置最小種群規模N_min、最大種群規模N_max、雜草個體所能產生的最大種子規模s_max、雜草個體所能產生的最小種子規模s_min、種群初始狀態時設定的最大值δ_max、種群初始狀態設定的最小值δ_min、最大迭代次數iter_max及非線性調和因子n等各個參數值，設種群數為P。由于模型有兩個參數需要優化，所以位置p_i的維度為2維，隨機生成每個青蛙的位置p_i＝(p_i1,p_i2)，置初始迭代次數iter＝0；

(B)：評估當前種群中每個雜草個體的適應度，標記種群最好適應度、最差適應度和最優個體；

(C)：判斷迭代次數是否達到iter_max。若達到，終止算法；否則，跳轉至步驟(D)；

(D)：根據下式分別計算計算種群內個體繁殖的種子數目和更新當前迭代的標準差δ；