基于船长统计模型的雷达舰船分类能力评价方法技术

本发明专利技术公开了一种基于船长统计模型的雷达舰船分类能力评价方法，包括：获取某一海域的若干船长样本数据；根据船长样本数据得到该海域的船长统计模型；建立不同径向尺寸估计误差下不同长度的舰船被正确分类的条件概率计算模型；根据船长统计模型和条件概率计算模型得到径向尺寸估计误差与该海域任一目标舰船被正确分类的概率之间的依赖曲线；根据依赖曲线对雷达舰船分类能力进行评价。本发明专利技术基于不同海域的船长统计模型，通过给出正确分类概率达到要求时容许的径向尺寸估计误差范围，能够更精确地分析和评价不同海用雷达和舰船径向尺寸估计方法的舰船粗分类能力。尺寸估计方法的舰船粗分类能力。尺寸估计方法的舰船粗分类能力。

【技术实现步骤摘要】
基于船长统计模型的雷达舰船分类能力评价方法


[0001]本专利技术属于雷达
，具体涉及一种基于船长统计模型的雷达舰船分类能力评价方法。

技术介绍

[0002]对海监视雷达是现代海上防御作战系统的主要组成部分，其在海岸和海岛防御中起着重要作用。此外，对海监视雷达还可用于海关缉私监控、海上交通监视等，为切断海上走私通道提供信息引导。高分辨对海监视雷达需要对海面舰船具有“粗”分类的能力，所谓“粗”分类即把海面舰船按照其长度分为“大、中、小”三类：船长小于a米的舰船为小型船，船长介于a 米至b米之间的舰船为中型船，船长大于b米的舰船为大型船，其中a＜b，区分舰船所属类型的分界值a，b通常由工程规定。
[0003]对于工作在扫描状态下的高分辨对海监视雷达，常用的分类手段是基于舰船的高分辨距离像(High
‑
resolution range profile，HRRP)对其径向尺寸进行估计，然后从径向尺寸和航向角得到船长的估计值，最后依据船长进行大中小分类。
[0004]然而，由于海杂波、目标姿态变化以及高分辨雷达脉冲压缩距离副瓣导致的舰船目标回波扩展等问题，径向尺寸估计均存在一定的误差，该误差的大小可能会导致将目标舰船错误分类，影响监视效果。而对于我国近海舰船粗分类的应用，目前尚没有有效的方法可以实现对不同对海监视雷达和舰船径向尺寸估计方法的舰船粗分类能力的评估，以帮助工程人员判断雷达是否满足工程对正确分类概率的需求。

技术实现思路

[0005]为了解决现有技术中存在的上述问题，本专利技术提供了一种基于船长统计模型的雷达舰船分类能力评价方法。本专利技术要解决的技术问题通过以下技术方案实现：
[0006]一种基于船长统计模型的雷达舰船分类能力评价方法，包括：
[0007]获取某一海域的若干船长样本数据；
[0008]根据所述船长样本数据得到该海域的船长统计模型；
[0009]建立不同径向尺寸估计误差下不同长度的舰船被正确分类的条件概率计算模型；
[0010]根据所述船长统计模型和所述条件概率计算模型得到径向尺寸估计误差与该海域任一目标舰船被正确分类的概率之间的依赖曲线；
[0011]根据所述依赖曲线对雷达舰船分类能力进行评价。
[0012]在本专利技术的一个实施例中，根据所述船长样本数据得到该海域的船长统计模型，包括：
[0013]根据所述船长样本数据计算船长样本的一、二阶原点矩；
[0014]利用所述船长样本的一、二阶原点矩计算船长统计模型的形状参数和尺度参数的估计值；
[0015]根据Weibull分布模型、所述形状参数和尺度参数的估计值得到该海域的船长统
计模型。
[0016]在本专利技术的一个实施例中，所述船长统计模型的表达式为：
[0017][0018]其中，f(L；ν,σ)表示形状参数为ν、尺度参数为σ的船长统计模型在船长为L米时的概率密度，exp表示以自然对数为底的指数操作。
[0019]在本专利技术的一个实施例中，所述不同径向尺寸估计误差下不同长度的舰船被正确分类的条件概率计算模型表示为：
[0020]当ε＝0时，θ(L,ε)＝1；
[0021]当ε＜0时，θ(L,ε)的表达式为：
[0022][0023]当ε＞0时，θ(L,ε)的表达式为：
[0024][0025]其中，θ(L,ε)表示船长为L米的舰船被径向尺寸估计误差为ε米的雷达正确分类的概率，π表示圆周率，arccos表示反余弦操作，cos表示余弦操作，a表示小型船与中型船的分界船长，b表示中型船与大型船的分界船长。
[0026]在本专利技术的一个实施例中，根据所述船长统计模型和所述条件概率计算模型得到径向尺寸估计误差与该海域任一目标舰船被正确分类的概率之间的依赖曲线，包括：
[0027]根据所述船长统计模型和所述条件概率计算模型得到径向尺寸估计误差与正确分类概率之间的函数关系式；
[0028]利用软件绘制所述函数关系式，得到所述径向尺寸估计误差和所述正确分类概率之间的依赖曲线。
[0029]在本专利技术的一个实施例中，所述径向尺寸估计误差与正确分类概率之间的函数关系式表示为：
[0030][0031]其中，P
C
(ε)表示径向尺寸估计误差为ε的雷达将某一海域舰船正确分类的概率，∫表示积分操作，∞表示无穷大，f(L；ν,σ)表示船长统计模型。
[0032]在本专利技术的一个实施例中，根据所述依赖曲线对雷达舰船分类能力进行评价，包括：
[0033]根据工程需求从所述依赖曲线得到径向尺寸估计误差的容许取值范围；
[0034]根据雷达的实际径向尺寸估计误差和所述容许取值范围对该雷达舰船分类能力进行评价。
[0035]本专利技术的另一个实施例提供了一种基于船长统计模型的雷达舰船分类能力评价方法，应用于中国近海海域，包括：
[0036]获取中国近海海域的若干船长样本数据；其中，所述中国近海海域包括渤海、黄海、东海以及南海；
[0037]根据所述船长样本数据分别计算中国近海及渤海、黄海、东海、南海船长统计模型的形状参数和尺度参数的估计值；
[0038]根据所述形状参数和尺度参数的估计值得到对应海域的船长统计模型；
[0039]建立不同径向尺寸估计误差下不同长度的舰船被正确分类的条件概率计算模型；
[0040]根据所述船长统计模型和所述条件概率计算模型得到径向尺寸估计误差与该海域任一目标舰船被正确分类的概率之间的依赖曲线；
[0041]根据所述依赖曲线对雷达舰船分类能力进行评价。
[0042]在本专利技术的一个实施例中，所述船长统计模型包括中国近海船长统计模型，所述中国近海船长统计模型的形状参数估计值为ν
Offshore
≈0.95，尺度参数估计值为σ
Offshore
≈62.56；
[0043]所述渤海船长统计模型的形状参数估计值为ν
B
≈1.32，尺度参数估计值为σ
B
≈105.69；
[0044]所述黄海船长统计模型的形状参数估计值为ν
H
≈0.97，尺度参数估计值为σ
H
≈72.32；
[0045]所述东海船长统计模型的形状参数估计值为ν
D
≈0.93，尺度参数估计值为σ
D
≈
55.66；
[0046]所述南海船长统计模型的形状参数估计值为ν
N
≈0.92，尺度参数估计值为σ
N
≈59.00。
[0047]在本专利技术的一个实施例中，所述对应海域的船长统计模型包括中国近海船长统计模型、渤海船长统计模型、黄海船长统计模型、东海船长统计模型以及南海船长统计模型；其中，
[0048]所述中国近海船长统计模型的表达式为：
[0049]f
Offshore
...

【技术保护点】

【技术特征摘要】
1.一种基于船长统计模型的雷达舰船分类能力评价方法，其特征在于，包括：获取某一海域的若干船长样本数据；根据所述船长样本数据得到该海域的船长统计模型；建立不同径向尺寸估计误差下不同长度的舰船被正确分类的条件概率计算模型；根据所述船长统计模型和所述条件概率计算模型得到径向尺寸估计误差与该海域任一目标舰船被正确分类的概率之间的依赖曲线；根据所述依赖曲线对雷达舰船分类能力进行评价。2.根据权利要求1所述的基于船长统计模型的雷达舰船分类能力评价方法，根据所述船长样本数据得到该海域的船长统计模型，包括：根据所述船长样本数据计算船长样本的一、二阶原点矩；利用所述船长样本的一、二阶原点矩计算船长统计模型的形状参数和尺度参数的估计值；根据Weibull分布模型、所述形状参数和尺度参数的估计值得到船长统计模型。3.根据权利要求2所述的基于船长统计模型的雷达舰船分类能力评价方法，其特征在于，所述船长统计模型的表达式为：其中，f(L；ν,σ)表示形状参数为ν、尺度参数为σ的船长统计模型在船长为L米时的概率密度，exp表示以自然对数为底的指数操作。4.根据权利要求1所述的基于船长统计模型的雷达舰船分类能力评价方法，其特征在于，所述不同径向尺寸估计误差下不同长度的舰船被正确分类的条件概率计算模型表示为：当ε＝0时，θ(L,ε)＝1；当ε＜0时，θ(L,ε)的表达式为：
当ε＞0时，θ(L,ε)的表达式为：其中，θ(L,ε)表示船长为L米的舰船被径向尺寸估计误差为ε米的雷达正确分类的概率，π表示圆周率，arccos表示反余弦操作，cos表示余弦操作，a表示小型船与中型船的分界船长，b表示中型船与大型船的分界船长。5.根据权利要求1所述的基于船长统计模型的雷达舰船分类能力评价方法，其特征在于，根据所述船长统计模型和所述条件概率计算模型得到径向尺寸估计误差与该海域任一目标舰船被正确分类的概率之间的依赖曲线，包括：根据所述船长统计模型和所述条件概率计算模型得到径向尺寸估计误差与正确分类概率之间的函数关系式；利用软件绘制所述函数关系式，得到所述径向尺寸估计误差和所述正确分类概率之间的依赖曲线。6.根据权利要求5所述的基于船长统计模型的雷达舰船分类能力评价方法，其特征在于，所述径向尺寸估计误差与正确分类概率之间的函数关系式表示为：其中，P
C
(ε)表示径向尺寸估计误差为ε的雷达将某一海域内任一舰船正确分类的概率，∫表示积分操作，∞表示无穷大。7.根据权利要求1所述的基于船长统计模型的雷达舰船分类能力评价方法，其特征在于，根据所述依赖曲线对雷达舰船分类能力进行评价，包括：根据工程需求从所述依赖曲线得到径向尺寸估计误差的容许取值范围；根据雷达的实际径向尺寸估计误差和所述容许取值范围对该雷达舰船分类能力进行评价。8.一种基于船长统计模型的雷达舰船分类能力评价方法，应用于中国近海海域，其特征在于，包括：获取中国近海海域的若干船长样本数据；其中，所述中国近海海域包括渤海、黄海、东海以及南海；
根据所述船长样本数...

【专利技术属性】
技术研发人员：水鹏朗，李杉，张坤，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：