一种基于量子遗传算法的雷达海杂波反演蒸发波导的方法技术

本发明专利技术公开了一种基于量子遗传算法的雷达海杂波反演蒸发波导的方法，该方法将QGA算法应用于RFC技术的实施，并将这种结合称为RFC‑based‑QGA RFC‑based技术。本发明专利技术RFC‑based‑QGA在蒸发波导折射率剖面反演中具有可行性和优良性能。RFC‑based‑QGA具有精确度高，耗时少，稳定好的特点，适合推广应用。

【技术实现步骤摘要】

本专利技术属于优化算法QGA应用
，涉及一种基于量子遗传算法的雷达海杂波反演蒸发波导的方法。
技术介绍
海面上低空对流层折射率常随着气象条件发生着时空的变化。当对流层的垂直温度和湿度发生异常变化时，就会产生大气波导。大气波导可以使处于其中的电磁波产生超视距和雷达空洞现象，这些现象极大的影响着海上雷达和通信系统的性能。因此实时获得大气波导的垂直折射率剖面信息对雷达性能评估和预测有着重要的作用。RFC(Refractivityfromclutter)是利用雷达海杂波信息反演大气波导垂直折射率剖面信息的一种新兴技术，它实质上是将实际测量海杂波与模拟海杂波进行对比拟合的过程，当两组数据吻合最好时的模拟海杂波所对应的大气折射率垂直剖面即为反演的最佳折射率剖面。RFC技术的实施要用到优化算法，合适的优化算法可以让RFC技术的性能得到极大的提升，为此业界很多工作者都在致力于寻找更好的优化算法。量子遗传算法(QGA,QuantumGeneticAlgorithm)是一个正处于发展中的优化算法，正式提出于2000年，它结合量子计算和遗传算法，主要用量子比特编码基因和个体，并用量子旋转门更新个体，具有种群小、多样性丰富和收敛快的优点，已经在很多领域被成功尝试。目前，现有技术中还没有将QGA算法应用于RFC技术的实施技术。
技术实现思路
为了弥补现有技术中的空白，本专利技术提出了一种基于量子遗传算法的雷达海杂波反演蒸发波导的方法，该方法将QGA算法应用于RFC技术的实施，并将这种结合称为RFC-based-QGA技术。其技术方案如下：一种基于量子遗传算法的雷达海杂波反演蒸发波导的方法，包括以下步骤：开始t←0(1)用Q-bit初始化蒸发波导高度种群其中表示种群第t代中的第j个表示蒸发波导高度的个体，N是初始种群大小。(2)对初始种群Q(t)中每个个体实施一次测量，得到相应的蒸发波导高度二进制确定解获得种群的二进制串表达(3)根据适应度目标函数Φ，计算B(t)中的每个确定解的适应度值获得适应度值集(4)保存F(t)中最佳适应度值并保存相应最佳个体作为当前所有个体下一代演化的最佳目标。(5)while(为满足终止条件)do开始(a)t←t+1(b)同步骤(2)，一次测量种群Q(t-1)中的每个个体，产生二进制确定解群X(t)。(c)同步骤(3)，对(b)产生的X(t)进行适应值评估，得到其适应值集F(t)。(d)通过量子旋转门更新Q(t-1)获得新一代种群Q(t)。(e)同步骤(4)，存储F(t)中最佳适应度值并保存相应最佳个体作为当前所有个体下一代演化的最佳目标。结束结束。本专利技术的有益效果为：本专利技术RFC-based-QGA在蒸发波导折射率剖面反演中具有可行性和优良性能。RFC-based-QGA具有精确度高，耗时少，稳定好的特点，适合推广应用。附图说明图1是蒸发波导修正折射率垂直剖面；图2是蒸发波导环境下的标准化海杂波功率群(2.84GHz,30.78m)图3是蒸发波导环境下的标准化海杂波功率群(10GHz,10m)图4是实际观测的标准化海杂波功率(10GHz,13m)；图5是基于海杂波群图2的蒸发波导高度反演结果频率直方图和散点图，其中：图5(a)是基于图2中海杂波曲线(a)的蒸发波导高度PSO反演结果频率直方图。图5(b)是基于图2中海杂波曲线(b)的蒸发波导高度PSO反演结果频率直方图。图5(c)是基于图2中海杂波曲线(c)的蒸发波导高度PSO反演结果频率直方图。图5(d)是基于图2中海杂波曲线(d)的蒸发波导高度PSO反演结果频率直方图。图5(e)是基于图2中海杂波曲线(e)的蒸发波导高度PSO反演结果频率直方图。图5(f)是基于图2中海杂波曲线(a)的蒸发波导高度PSO反演结果散点图。图5(g)是基于图2中海杂波曲线(b)的蒸发波导高度PSO反演结果散点图。图5(h)是基于图2中海杂波曲线(c)的蒸发波导高度PSO反演结果散点图。图5(i)是基于图2中海杂波曲线(d)的蒸发波导高度PSO反演结果散点图。图5(j)是基于图2中海杂波曲线(e)的蒸发波导高度PSO反演结果散点图。图5(k)是基于图2中海杂波曲线(a)的蒸发波导高度QGA反演结果频率直方图。图5(l)是基于图2中海杂波曲线(b)的蒸发波导高度QGA反演结果频率直方图。图5(m)是基于图2中海杂波曲线(c)的蒸发波导高度QGA反演结果频率直方图。图5(n)是基于图2中海杂波曲线(d)的蒸发波导高度QGA反演结果频率直方图。图5(o)是基于图2中海杂波曲线(e)的蒸发波导高度QGA反演结果频率直方图。图5(p)是基于图2中海杂波曲线(a)的蒸发波导高度QGA反演结果散点图。图5(q)是基于图2中海杂波曲线(b)的蒸发波导高度QGA反演结果散点图。图5(r)是基于图2中海杂波曲线(c)的蒸发波导高度QGA反演结果散点图。图5(s)是基于图2中海杂波曲线(d)的蒸发波导高度QGA反演结果散点图。图5(t)是基于图2中海杂波曲线(e)的蒸发波导高度QGA反演结果散点图。图6是基于海杂波群图3的蒸发波导高度反演结果频率直方图和散点图，其中：图6(a)是基于图3中海杂波曲线(a)的蒸发波导高度PSO反演结果频率直方图。图6(b)是基于图3中海杂波曲线(b)的蒸发波导高度PSO反演结果频率直方图。图6(c)是基于图3中海杂波曲线(c)的蒸发波导高度PSO反演结果频率直方图。图6(d)是基于图3中海杂波曲线(d)的蒸发波导高度PSO反演结果频率直方图。图6(e)是基于图3中海杂波曲线(e)的蒸发波导高度PSO反演结果频率直方图。图6(f)是基于图3中海杂波曲线(a)的蒸发波导高度PSO反演结果散点图。图6(g)是基于图3中海杂波曲线(b)的蒸发波导高度PSO反演结果散点图。图6(h)是基于图3中海杂波曲线(c)的蒸发波导高度PSO反演结果散点图。图6(i)是基于图3中海杂波曲线(d)的蒸发波导高度PSO反演结果散点图。图6(j)是基于图3中海杂波曲线(e)的蒸发波导高度PSO反演结果散点图。图6(k)是基于图3中海杂波曲线(a)的蒸发波导高度QGA反演结果频率直方图。图6(l)是基于图3中海杂波曲线(b)的蒸发波导高度QGA反演结果频率直方图。图6(m)是基于图3中海杂波曲线(c)的蒸发波导高度QGA反演结果频率直方图。图6(n)是基于图3中海杂波曲线(d)的蒸发波导高度QGA反演结果频率直方图。图6(o)是基于图3中海杂波曲线(e)的蒸发波导高度QGA反演结果频率直方图。图6(p)是基于图3中海杂波曲线(a)的蒸发波导高度QGA反演结果散点图。图6(q)是基于图3中海杂波曲线(b)的蒸发波导高度QGA反演结果散点图。图6(r)是基于图3中海杂波曲线(c)的蒸发波导高度QGA反演结果散点图。图6(s)是基于图3中海杂波曲线(d)的蒸发波导高度QGA反演结果散点图。图6(t)是基于图3中海杂波曲线(e)的蒸发波导高度QGA反演结果散点图。图7是基于实测杂波图4的蒸发波导高度反演结果频率直方图和散点图，其中：图7(a)是基于图4所示实测海杂波曲线的蒸发波导高度PSO反演结果频率直方图。图7(b)是基于图4所示实测海杂波曲线的蒸发波导高度PSO反演结果散点图。图7(本文档来自技高网...

【技术保护点】
一种基于量子遗传算法的雷达海杂波反演蒸发波导的方法，其特征在于，包括以下步骤：开始t←0(1)用Q‑bit初始化蒸发波导高度种群其中表示种群第t代中的第j个表示蒸发波导高度的个体，N是初始种群大小；(2)对初始种群Q(t)中每个个体实施一次测量，得到相应的蒸发波导高度二进制确定解获得种群的二进制串表达(3)根据适应度目标函数Φ，计算B(t)中的每个确定解的适应度值获得适应度值集(4)保存F(t)中最佳适应度值并保存相应最佳个体作为当前所有个体下一代演化的最佳目标；(5)while(为满足终止条件)do开始(a)t←t+1(b)同步骤(2)，一次测量种群Q(t‑1)中的每个个体，产生二进制确定解群X(t)；(c)同步骤(3)，对(b)产生的X(t)进行适应值评估，得到其适应值集F(t)；(d)通过量子旋转门更新Q(t‑1)获得新一代种群Q(t)；(e)同步骤(4)，存储F(t)中最佳适应度值并保存相应最佳个体作为当前所有个体下一代演化的最佳目标；结束结束。

【技术特征摘要】
1.一种基于量子遗传算法的雷达海杂波反演蒸发波导的方法，其特征在于，包括以下步骤：开始t←0(1)用Q-bit初始化蒸发波导高度种群其中表示种群第t代中的第j个表示蒸发波导高度的个体，N是初始种群大小；(2)对初始种群Q(t)中每个个体实施一次测量，得到相应的蒸发波导高度二进制确定解获得种群的二进制串表达(3)根据适应度目标函数Φ，计算B(t)中的每个确定解的适应度值获得适应度值集(4)保存F(t)中最佳适应度值并保存相应最佳个体...

【专利技术属性】
技术研发人员：胡荣旭，周伟豪，张金鹏，吴振森，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61