【技术实现步骤摘要】
一种用于海目标检测的海杂波幅度统计分布现场建模方法
本专利技术涉及海上目标检测
，特别是涉及一种用于海目标检测的海杂波幅度统计分布现场建模方法。
技术介绍
海杂波是雷达照射在海面的散射回波。对海工作时的雷达目标检测性能主要依赖于海杂波的统计特性分布。一般的，海杂波统计分布特性将主要受以下四个方面参数的影响，雷达参数：发射频率、极化、带宽等；测量几何参数：擦地角、方位角等；海浪参数：如浪高、浪向、浪周期等；气象参数：如风速、风向等。由于影响参数众多，可以设想其映射关系将是极其复杂的。海杂波幅度统计分布是雷达对海目标检测的重要依据之一。除上述多因素和复杂关系之外，海面结构的时变性和非平稳性也决定了海杂波幅度统计分布函数的复杂性。因此，通过海杂波现场快速建模方法而获得实时海杂波幅度统计分布是一条有效解决问题的途径。传统海杂波建模方法是人工建立四种模型，并依次对四种模型进行参数估计，这种方式效率低、工作重复率高、经验依赖性强，无法实现快速而准确的实现对目标的检测。
技术实现思路
本专利技术的目的是提供一种用...
【技术保护点】
1.一种用于海目标检测的海杂波幅度统计分布现场建模方法，其特征在于，包括：/n获取训练好的神经网络模型，所述神经网络模型包括瑞丽分布神经网络模型、威布尔分布神经网络模型、对数正太分布神经网络模型以及K分布神经网络模型中的多种；所述瑞丽分布神经网络模型为以海杂波幅度的PDF曲线为输入，以瑞丽分布理论模型的参数为输出的神经网络模型，所述威布尔分布神经网络模型为以海杂波幅度的PDF曲线为输入，以威布尔分布理论模型的参数为输出的神经网络模型，所述对数正太分布神经网络模型为以海杂波幅度的PDF曲线为输入，以对数正太分布理论模型的参数为输出的神经网络模型，所述K分布神经网络模型为以海杂...
【技术特征摘要】
1.一种用于海目标检测的海杂波幅度统计分布现场建模方法，其特征在于，包括：
获取训练好的神经网络模型，所述神经网络模型包括瑞丽分布神经网络模型、威布尔分布神经网络模型、对数正太分布神经网络模型以及K分布神经网络模型中的多种；所述瑞丽分布神经网络模型为以海杂波幅度的PDF曲线为输入，以瑞丽分布理论模型的参数为输出的神经网络模型，所述威布尔分布神经网络模型为以海杂波幅度的PDF曲线为输入，以威布尔分布理论模型的参数为输出的神经网络模型，所述对数正太分布神经网络模型为以海杂波幅度的PDF曲线为输入，以对数正太分布理论模型的参数为输出的神经网络模型，所述K分布神经网络模型为以海杂波幅度的PDF曲线为输入，以K分布理论模型的参数为输出的神经网络模型；
采集现场海杂波幅度数据，得到海杂波幅度PDF曲线，记为现场PDF曲线；
将所述现场PDF曲线输入各所述神经网络模型，得到各理论模型的估计参数；
将各组估计参数分别输入相对应的理论模型，确定各所述理论模型对应的PDF曲线，记为理论PDF曲线；
选取与所述现场PDF曲线均方误差最小的理论PDF曲线所对应的理论模型和估计参数作为估计现场海杂波幅度分布的模型和模型参数。
2.根据权利要求1所述的用于海目标检测的海杂波幅度统计分布现场建模方法，其特征在于，各所述神经网络模型并行完成对输入的所述现场PDF曲线的参数估计。
3.根据权利要求1所述的用于海目标检测的海杂波幅度统计分布现场建模方法，其特征在于，所述神经网络模型的训练方法包括：
确定理论模型中参数的取值范围；
在所述取值范围内选择参数的取值，并根据所述理论模型和所述参数的取值确定对应的PDF曲线，将所述PDF曲线作为样本数据，将所述参数的取值作为标签，构建训练样本集；
采用所述训练样本集对神经网络进行训练，得到神经网络模型；
获取测试PDF曲线，并将所述测试PDF曲线输入所述神经网络模型，得到理论模型的估计参数；
将所述估计参数代入所述理论模型，得到所述理论模型对应的理论PDF曲线；
根据理...
【专利技术属性】
技术研发人员：姬婷婷，姬光荣，张树斌，孙竟豪，张金鹏，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：山东;37
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。