[發明專利]一種群智能高效的雷達海雜波預報系統

在審

• 申請號: 201810691872.5
• 申請日: 2018-06-28
• 公開（公告）號: CN108983182A
• 公開（公告）日: 2018-12-11
• 發明（設計）人: 劉興高;張淼
• 申請（專利權）人: 浙江大學
• 主分類號: G01S7/41
• 分類號: G01S7/41
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 邱啟旺

本發明公開了一種群智能高效的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，雷達對所檢測海域進行照射，并將雷達海雜波數據儲存到數據庫中，上位機對數據庫中的海雜波數據進行建模預報；所述的上位機包括數據預處理模塊、小波神經網絡建模模塊、自適應蟻群算法優化模塊、海雜波預報模塊、判別模型更新模塊以及結果顯示模塊。以及提出了一種基于自適應蟻群算法優化小波神經網絡的雷達海雜波預報方法。本發明提供一種群智能尋優、高效的雷達海雜波預報系統及方法。

技術領域

本發明涉及雷達數據處理領域，特別地，涉及一種群智能高效的雷達海雜波預報系統。

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

為了克服傳統雷達海雜波預報方法人為選擇模型參數的影響、預報效率差的不足，本發明提供一種群智能尋優、高效的雷達海雜波預報系統。

本發明解決其技術問題所采用的技術方案是：一種群智能高效的雷達海雜波預報系統，包括雷達、數據庫以及上位機；所述的上位機包括數據預處理模塊、小波神經網絡建模模塊、自適應蟻群算法優化模塊、海雜波預報模塊、判別模型更新模塊以及結果顯示模塊，其中：

數據預處理模塊：對數據庫輸入的雷達海雜波數據進行預處理，采用如下過程完成：

(1)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＝1,2,…,N；

(2)對訓練樣本進行歸一化處理，得到歸一化幅值

其中，min x表示訓練樣本中的最小值，max x表示訓練樣本中的最大值；

(3)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。

小波神經網絡建模模塊：用以建立預報模型，采用如下過程完成：

設x＝(x₁,x₂,…,x_n)^T是小波神經網絡的輸入向量，y＝(y₁,y₂,…,y_m)^T表示小波神經網絡的預測輸出。對于多變量過程的建模，我們定義如下的多維小波函數：

其中，Ψ_i(x)為隱含層第i個節點輸出值，ψ為小波基函數，b_i＝(b_ij)和a_i＝(a_ij)分別表示小波基函數ψ的平移因子和縮放因子。采用的小波基函數為Morlet母小波基函數：

其中，

計算小波神經網絡的輸出：

其中，ω_ik是隱含層和輸出層的連接權值，M表示隱含層節點的數目，m表示輸出層節點的數目。