一种基于BP神经网络算法的地面防空雷达遮蔽角计算方法技术

技术编号:20093522 阅读:43 留言:0更新日期:2019-01-15 12:42
本发明专利技术公开了一种基于BP神经网络算法的地面防空雷达遮蔽角计算方法,用雷达波束扫描搜索屏,获取雷达的回波数据;对雷达回波做MTD动目标检测,提取搜索屏内静止遮蔽物信息,包括遮蔽物的方位角、俯仰角和与观测点之间的距离,构成雷达遮蔽角样本集;选择一个雷达遮蔽角样本作为测试样本,其余组成训练集,分别进行归一化处理;以训练样本的方位角为输入,方位角上的遮蔽角、距离为输出,训练BP神经网络模型;使用测试样本测试训练的BP神经网络模型,若模型输出和归一化的测试样本实际值的误差小于设定的阈值,则输出模型输出,即方位角‑遮蔽角曲线,否则重新采集。本发明专利技术提高了地面防空雷达遮蔽角计算的效率和精度,能适应多变的地形环境。

A Method for Calculating Shielding Angle of Ground Air Defense Radar Based on BP Neural Network

The invention discloses a method for calculating the shielding angle of ground air defense radar based on BP neural network algorithm. Radar beam scanning search screen is used to obtain radar echo data; MTD moving target detection is performed on radar echo, and static shield information in search screen is extracted, including azimuth angle, elevation angle and distance between observation points, to form a sample set of radar shielding angle. A radar occlusion angle sample is selected as the test sample, and the rest of the training set is made up for normalization. The BP neural network model is trained with the azimuth angle of the training sample as input and the azimuth angle and distance as output. The BP neural network model trained by the test sample is tested, if the error of the actual value of the model output and the normalized test sample is less than that set. Threshold, output model output, namely azimuth angle occlusion angle curve, otherwise re-acquisition. The invention improves the efficiency and accuracy of calculating the shielding angle of ground air defense radar, and can adapt to the changeable terrain environment.

【技术实现步骤摘要】
一种基于BP神经网络算法的地面防空雷达遮蔽角计算方法
本专利技术涉及防空雷达遮蔽角绘制技术,具体涉及一种基于BP神经网络算法的地面防空雷达遮蔽角计算方法。
技术介绍
雷达在某个方向上发现目标的最小高低角叫遮蔽角。当雷达天线的高低角小于这个角度时,由于地形或者地物的遮挡,雷达无法发现目标。对于机动作战的雷达来说,如何快速掌握雷达周边遮蔽物情况,绘制雷达遮蔽角图,是防空作战指挥的一项重要工作。传统的遮蔽角测量方式采用光学测量,虽然可靠性较高,但操作麻烦,耗时数日。近年来,随着地理信息系统GIS的建立,2013年《地理信息系统在炮位侦校雷达中应用》,利用地形高程信息完成自动高程修正、遮蔽角计算功能。但地理信息系统的数据录入,仍采用传统测绘方式,战时地形环境多变,地理信息系统数据库难以及时更新,而防空雷达对遮蔽角数据准确性要求严格,GIS不能满足机动防空雷达的需求。2016年《TheRadarScreenAngleAutomaticMeasurementSystem_KangkangYin》中提出雷达配备光学设备,获得地平线图像,采用图像分割技术识别空地交接线。但该方法存在图像边缘模糊时难以识别、无法排除动目标干扰等技术难题,且光学成像时可见光作用距离近,受天气影响大。
技术实现思路
针对高机动性防空雷达架设后需尽快获取地形信息的需求,本专利技术的目的在于提供一种基于BP神经网络算法的地面防空雷达遮蔽角计算方法,提高了地面防空雷达遮蔽角计算的效率和精度。实现本专利技术目的的技术解决方案为:一种基于BP神经网络算法的地面防空雷达遮蔽角计算方法,包括如下步骤:步骤1、雷达波束扫描搜索屏,获取雷达的回波数据;步骤2、对雷达回波做MTD动目标检测,提取搜索屏内静止遮蔽物信息,包括遮蔽物的方位角、俯仰角和与观测点之间的距离,构成雷达遮蔽角样本集;步骤3、选择一个雷达遮蔽角样本作为测试样本,其余组成训练集,分别进行归一化处理;步骤4、以归一化后训练样本的方位角为输入,方位角上的遮蔽角、距离为输出,训练BP神经网络模型;步骤5、使用归一化后的测试样本测试训练的BP神经网络模型,得到测试样本的模型输出,若模型输出和归一化的测试样本实际值的误差小于设定的阈值,则输出模型输出,即方位角-遮蔽角曲线,否则转至步骤1重新采集。本专利技术与现有技术相比,其显著优点为:1)本专利技术无需手动操作,可由雷达全自动实现,从采集数据到输出遮蔽角耗时控制在10s内,相比于传统的手工作业,效率大大提高;2)本专利技术方法开机后即可实时测量,相比于基于现代化地理信息系统数据库的计算方法,更能适应多变的战时地形环境;3)本专利技术相比于图像分割技术识别空地交接线,对光线和天气的鲁棒性更好。附图说明图1是本专利技术基于BP神经网络算法的地面防空雷达遮蔽角计算方法流程图。具体实施方式如图1所示,基于BP神经网络算法的地面防空雷达遮蔽角计算方法,包括如下步骤:1)数据采集:采用雷达波束扫描整个搜索屏,获取雷达回波数据。用雷达代替光学测量,作用距离远,无需额外的光学成像设备。顺序扫描整个搜索屏,所得结果为一组数据,为减小误差,去除虚警漏警,需顺序采集多组数据,采样耗时可根据搜索屏大小控制在几秒。2)数据预处理:对雷达回波进行MTD动目标检测算法,排除运动物体的影响,提取搜索屏内静止遮蔽物信息,包括遮蔽物的方位角、俯仰角和与观测点之间的距离,构成雷达遮蔽角样本集。3)样本分组:选择一个雷达遮蔽角样本作为测试样本,其余组成训练集,分别进行归一化处理,转化为(-1,1)上的无量纲化指标值。4)构建并训练网络:以归一化后训练样本的方位角为输入,方位角上的遮蔽角、距离为输出,训练BP神经网络模型。作为一种具体实施方式,构建3层BP神经网络,输入单元数1,输出单元数2,隐含层单元数取5层,激活函数其中x为神经元的输入,f(x)为神经元的输出。5)验证结果:使用归一化后的测试样本测试训练的BP神经网络模型,避免发生网络陷入局部最小值、采集数据有较大误差或错误等特殊情况。验证时,以归一化后测试样本的方位角为输入,得到测试样本的模型输出,即该方位角对应的遮蔽角和距离;若模型输出和归一化的测试样本实际值的误差小于设定的阈值,则输出模型输出,即方位角-遮蔽角曲线,否则转至步骤1重新采集。例如飞鸟,在经过动目标检测后,不会作为遮蔽物。但若有运动较为缓慢的物体,未被动目标检测识别,而错误地被作为遮蔽物,或者是信处偶尔出现虚警、漏警,而造成多组样本中遮蔽角数据不一致、随采集时间变化,则可能导致训练时网络无法收敛,或测试验证时实际输出与期望输出误差过大,需要重新采集数据。本文档来自技高网...

【技术保护点】
1.一种基于BP神经网络算法的地面防空雷达遮蔽角计算方法,其特征在于,包括如下步骤:步骤1、雷达波束扫描搜索屏,获取雷达的回波数据;步骤2、对雷达回波做MTD动目标检测,提取搜索屏内静止遮蔽物信息,包括遮蔽物的方位角、俯仰角和与观测点之间的距离,构成雷达遮蔽角样本集;步骤3、选择一个雷达遮蔽角样本作为测试样本,其余组成训练集,分别进行归一化处理;步骤4、以归一化后训练样本的方位角为输入,方位角上的遮蔽角、距离为输出,训练BP神经网络模型;步骤5、使用归一化后的测试样本测试训练的BP神经网络模型,得到测试样本的模型输出,若模型输出和归一化的测试样本实际值的误差小于设定的阈值,则输出模型输出,即方位角‑遮蔽角曲线,否则转至步骤1重新采集。

【技术特征摘要】
1.一种基于BP神经网络算法的地面防空雷达遮蔽角计算方法,其特征在于,包括如下步骤:步骤1、雷达波束扫描搜索屏,获取雷达的回波数据;步骤2、对雷达回波做MTD动目标检测,提取搜索屏内静止遮蔽物信息,包括遮蔽物的方位角、俯仰角和与观测点之间的距离,构成雷达遮蔽角样本集;步骤3、选择一个雷达遮蔽角样本作为测试样本,其余组成训练集,分别进行归一化处理;步骤4、以归一化后训练样本的方位角为输入,方位角上的遮蔽角、距离为输出,训练BP神...

【专利技术属性】
技术研发人员:马卉王建朋陆格格
申请(专利权)人:南京理工大学
类型:发明
国别省市:江苏,32

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1