基于MoM和深度学习数据驱动的多项海面物理量的预测方法技术

本发明专利技术公开了一种基于MoM和深度学习数据驱动的多项海面物理量的预测方法。该系统如下：描述海面的各类参数，提取相应环境参数下海面的有关特性，基于常见几何海谱模型PM谱生成静态海面，根据海情，结合电磁分析手段获取杂波特性数据，辅助以MoM计算海面电磁散射，对数值计算结果讨论，从而构建以统计模型，数值计算数据作为样本形式的不同海面环境特征的样本库。随即引入BP神经网络深度学习，以海杂波特性数据作为输入，各类海面标准化参数数据作为标签，对比不同结构神经网络，得到最小误差下的最优神经网络。基于最优神经网络结构，迭代，进行模型的不断矫正，得到最优预测模型，最终实现海面几何特性的在线预测。最终实现海面几何特性的在线预测。最终实现海面几何特性的在线预测。

【技术实现步骤摘要】
基于MoM和深度学习数据驱动的多项海面物理量的预测方法


[0001]本专利技术涉及静态海面的电磁特性数值计算
，具体地说，是一种基于 MoM和深度学习数据驱动的多项海面物理量的预测方法。

技术介绍

[0002]海面电磁散射的研究更是与海洋微波遥感、雷达成像、拦截技术、海上目标探测及智能识别等领域息息相关。海面电磁散射也随着这些技术在各个领域的应用而变成了一个重要研究方向和发展趋势。
[0003]在遥感技术方面，合成孔径雷达(SAR)成像概念的出现已经近70年了，而电磁散射理论与合成孔径雷达海洋遥感有密切的联系，与海面的雷达测量技术也是相辅相成，近40年来高分辨成像雷达被广泛用于海洋的遥感，海面电磁特性的研究更是被深深的需要着。
[0004]在军事应用领域，雷达对于现代高科技战争有着不可或缺的地位，缺少了雷达，或者雷达达不到要求的话，水面舰艇、反舰导弹、舰载飞机都会像失去眼睛一样而导致战争的失败。而如何在复杂的海杂波背景中精确的识别目标，引导飞机与反舰导弹抵抗复杂电磁干扰准确攻击目标，都需要对海面电磁散射进行深度研究，为雷达本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于MoM和深度学习数据驱动的多项海面物理量的预测方法，其特征在于，步骤如下：步骤一：使用VS2010软件中FORTRAN语言，基于PM谱编写程序生成海面，得到一个海面模型.LIS文件；将海面剖分成三角形；步骤二：对于步骤一的海面模型，使用MoM计算RCS，得到单站条件下，θ为0
°‑
70
°
，Φ为0
°
的海面RCS回波数据；计算过程中设定频率参数为1.5GHz，对应频率下的海面介电常数79.6
‑
j6.57，扫描间隔为0.5
°
，极化方式为VV极化；步骤三：重复步骤一和二N次得到足够的所需要的RCS数据,N大于10000；将得到的RCS数据和步骤一生成的静态海面模型中的风速数据收集作为深度学习的神经网络样本库；步骤四：基于BP神经网络理论，利用RCS反演出风速...

【专利技术属性】
技术研发人员：丁大志，杨婕，刘冰，杨啸，段元芝，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：