[發(fā)明專利]基于層次混合高斯模型的雷達天線單元裝配參數(shù)優(yōu)化方法

在審

• 申請?zhí)枺?/td>: 202210101773.3
• 申請日: 2022-01-27
• 公開（公告）號: CN114692943A
• 公開（公告）日: 2022-07-01
• 發(fā)明（設計）人: 王瑞;王琳;鐘詩勝;趙振國
• 申請（專利權）人: 哈爾濱工業(yè)大學（威海）
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06F30/27
• 代理公司: 威海恒譽潤達專利代理事務所(普通合伙) 37260
• 代理人: 曾基

1.基于層次混合高斯模型的雷達天線單元裝配參數(shù)優(yōu)化方法，其特征在于：包括以下步驟：

步驟S1，雷達單元裝調參數(shù)靈敏度分析，采用特征樹算法和隨機森林靈敏度分析算法結合，構建參數(shù)靈敏度分析模型，進行關鍵裝調參數(shù)確定；

步驟S2，采用層次混合高斯模型的裝調參數(shù)優(yōu)化，將混合高斯聚類和層次聚類算法融合，構建層次混合高斯模型，進行參數(shù)的二次優(yōu)化；

步驟S3，XGBOOST的電訊性能預測模型構建，以各裝調參數(shù)為樹生長特征，以葉子節(jié)點分數(shù)為標準做電訊性能判別，實現(xiàn)電訊性能的精確預測。

2.如權利要求1所述的基于層次混合高斯模型的雷達天線單元裝配參數(shù)優(yōu)化方法，其特征在于：步驟S2中，采用層次混合高斯模型的裝調參數(shù)優(yōu)化包括：K-means初始參數(shù)確定模塊、高斯聚類迭代訓練模塊和層次聚類判別模塊；

K-means初始參數(shù)確定模塊，用來設定混合高斯模型的初始參數(shù)；

高斯聚類迭代訓練模塊，利用生產(chǎn)數(shù)據(jù)擬合出高斯數(shù)據(jù)類；

層次聚類判別模塊，將層次聚類和混合高斯聚類相結合。

3.如權利要求2所述的基于層次混合高斯模型的雷達天線單元裝配參數(shù)優(yōu)化方法，其特征在于：步驟S2中，采用層次混合高斯模型的裝調參數(shù)優(yōu)化包括以下步驟，始于步驟S201；

步驟S201，開始，執(zhí)行步驟S202；

步驟S202，輸入高斯聚類結果和數(shù)據(jù)標簽，執(zhí)行步驟S203；

步驟S203，設置比例閾值，執(zhí)行步驟S204；

步驟S204，類別數(shù)等于0，執(zhí)行步驟S205；

步驟S205，性能等級數(shù)等于0，執(zhí)行步驟S206；

步驟S206，計算該類中該性能等級數(shù)據(jù)占比，執(zhí)行步驟S207；

步驟S207，判斷比例是否大于閾值，若是，執(zhí)行步驟S208；若否，執(zhí)行步驟S209；

步驟S208，該類別記錄加1，執(zhí)行步驟S209；

步驟S209，判斷性能等級數(shù)是否達上限，若是，執(zhí)行步驟S210；若否，執(zhí)行步驟S205；

步驟S210，判斷類別數(shù)等于聚類個數(shù)，若是，執(zhí)行步驟S211；若否，執(zhí)行步驟S203；

步驟S211，判斷類別記錄數(shù)是否大于1，若是，執(zhí)行步驟S212；若否，執(zhí)行S214；

步驟S212，重復聚類，執(zhí)行步驟S213；

步驟S213，重復聚類直到所有類別內部都只有一類性能數(shù)據(jù)占比大于閾值；

步驟S214，記錄結果，執(zhí)行步驟S215；

步驟S215，結束。

4.如權利要求1所述的基于層次混合高斯模型的雷達天線單元裝配參數(shù)優(yōu)化方法，其特征在于：混合高斯聚類模型的計算方法為，

一維高斯分布的概率密度函數(shù)如式(7)

μ和σ分別為分布的均值和方差；

多維數(shù)據(jù)的高斯分布函數(shù)為：

式中Σ為協(xié)方差矩陣，d為數(shù)據(jù)的維數(shù)，μ為數(shù)據(jù)均值，二維高斯分布圖像為橢圓形，三維高斯分布為橢球形；

混合高斯模型公式如(9)所示，該模型為多個高斯模型按一定的權重比例進行融合：

f(X)＝α₁f₁(X)+α₂f₂(X)+...+α_nf_n(X),X＝(x₁,x₂...x_n) (9)。