[發(fā)明專利]一種智能自適應的雷達海上目標檢測系統(tǒng)及方法在審
| 申請?zhí)枺?/td> | 201810691876.3 | 申請日: | 2018-06-28 |
| 公開(公告)號: | CN108983185A | 公開(公告)日: | 2018-12-11 |
| 發(fā)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 |
| 地址: | 310058 浙江*** | 國省代碼: | 浙江;33 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 雷達 海上目標 上位機 檢測系統(tǒng) 數(shù)據(jù)庫 自適應 智能 動態(tài)模糊神經(jīng)網(wǎng)絡 搜索算法 雜波 引力 檢測 數(shù)據(jù)預處理模塊 結果顯示模塊 模型更新模塊 目標檢測模塊 建模模塊 數(shù)據(jù)儲存 依次相連 優(yōu)化模塊 在線檢測 建模 照射 改進 海域 優(yōu)化 | ||
本發(fā)明公開了一種智能自適應的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,雷達對所檢測海域進行照射,并將雷達海雜波數(shù)據(jù)儲存到數(shù)據(jù)庫中,上位機對數(shù)據(jù)庫中的海雜波數(shù)據(jù)進行建模并檢測目標;所述的上位機包括數(shù)據(jù)預處理模塊、動態(tài)模糊神經(jīng)網(wǎng)絡建模模塊、改進引力搜索算法優(yōu)化模塊、目標檢測模塊、模型更新模塊以及結果顯示模塊。以及提出了一種基于改進引力搜索算法優(yōu)化動態(tài)模糊神經(jīng)網(wǎng)絡的智能雷達海上目標檢測方法。本發(fā)明提供一種實現(xiàn)在線檢測、智能自適應的雷達海上目標檢測系統(tǒng)及方法。
技術領域
本發(fā)明涉及雷達數(shù)據(jù)處理領域,特別地,涉及一種智能自適應的雷達海上目標檢測系統(tǒng)及方法。
背景技術
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;2)監(jiān)測非法捕魚是環(huán)境監(jiān)測的一項重要的任務。
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自適應能力和智能性較差的不足,本發(fā)明提供一種智能自適應的雷達海上目標檢測系統(tǒng)及方法。
本發(fā)明解決其技術問題所采用的技術方案是:一種智能自適應的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;所述的上位機包括數(shù)據(jù)預處理模塊、動態(tài)模糊神經(jīng)網(wǎng)絡建模模塊、改進引力搜索算法優(yōu)化模塊、目標檢測模塊、模型更新模塊以及結果顯示模塊,其中:
數(shù)據(jù)預處理模塊:對數(shù)據(jù)庫輸入的雷達海雜波數(shù)據(jù)進行預處理,采用如下過程完成:
(1)從數(shù)據(jù)庫中采集N個雷達海雜波回波信號幅值xi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(shù),D為自然數(shù),且D<N,D的取值范圍為50-70。
動態(tài)模糊神經(jīng)網(wǎng)絡建模模塊:用以建立預報模型,采用如下過程完成:
(1)網(wǎng)絡結構:設第p個訓練樣本Xp=[xp1,xp2,…,xpn],其中n是輸入變量的個數(shù)。
動態(tài)模糊神經(jīng)網(wǎng)絡的結構由5層組成,詳述如下:
第1層為輸入層,每個節(jié)點分別表示一個輸入的語言變量。則可知第p個訓練樣本Xp有n個輸入的語言變量xp1,xp2,…,xpn。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于浙江大學,未經(jīng)浙江大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810691876.3/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。





