【技术实现步骤摘要】
基于AVMD
‑
BiLSTM模型的隐身飞机动态RCS序列预测方法
[0001]本专利技术涉及飞机雷达隐身
,尤其涉及一种基于
AVMD
‑
BiLSTM
模型的隐身飞机动态
RCS
序列预测方法
。
技术介绍
[0002]飞机的动态
RCS
受雷达入射波的频率
、
极化方式以及姿态角变化影响,这导致飞机的动态
RCS
具有复杂的起伏特性,而传统的动态
RCS
估计方法只能对
RCS
的变化趋势进行粗略估计,难以精确估计动态
RCS
值
。
[0003]综上,为更有效的对隐身飞机的动态
RCS
进行评估,需要提出一种更为精确的方法实现对隐身飞机动态
RCS
序列的准确估计
。
技术实现思路
[0004]针对现有技术的不足,本专利技术提供一种基于
AVMD
‑
BiLSTM
模型的隐身飞机动态
RCS
序列预测方法,以实现对隐身飞机动态
RCS
序列的精确估计,进而更有效的分析隐身飞机的雷达隐身特性
。
[0005]一种基于
AVMD
‑
BiLSTM
模型的隐身飞机动态
RCS
序列预测方法,包括如下步骤:
[0006]步骤1:运用建模软件对
【技术保护点】
【技术特征摘要】
1.
一种基于
AVMD
‑
BiLSTM
模型的隐身飞机动态
RCS
序列预测方法,其特征在于,包括以下步骤:步骤1:运用建模软件对隐身飞机进行建模,建立隐身飞机的
3D
模型;步骤2:使用电磁方针软件求解隐身飞机在
HH
与
VV
两种极化方式下的全空域静态
RCS
数据库;步骤3:以步骤2中的全空域静态
RCS
数据库为基础,获取隐身飞机在定常盘旋航迹下的动态
RCS
序列;步骤4:在变分模态分解方法
VMD
的基础上进行改进,提出自适应变分模态分解方法
AVMD
;步骤5:利用自适应变分模态分解方法
AVMD
对步骤3中获得的动态
RCS
序列进行分解,得到最优的分解尺度
K
,从而获得分解后的各模态分量;步骤6:将分解得到的各模态分量分别输入双向长短期记忆网络
BiLSTM
,并按照输入序列长度设定比例划分训练集和测试集,最终得到
K
个
BiLSTM
网络预测模型;步骤7:最后将
K
个
BiLSTM
网络预测模型的预测结果进行加和重构,得到最终的动态
RCS
的预测结果
。2.
根据权利要求1所述的基于
AVMD
‑
BiLSTM
模型的隐身飞机动态
RCS
序列预测方法,其特征在于,步骤4中所述变分模态分解方法
VMD
的数学表达式如下所示:式中
K
为需要分解的模态的个数,即分解尺度,
K
为正整数,
σ
t
表示进行高斯平滑计算,
j
为虚数的表示符号,
t
为时间轴,
{u
k
}
和
{
ω
k
}
分别为分解后模态分量和中心频率的集合,
u
k
为分解后模态分量,
ω
k
为中心频率,
x
为原始信号,
δ
(t)
为单位脉冲函数,
u
k
(t)
为模态分解后的序列,
s
表示傅里叶变换;在变分模态分解方法
VMD
中引入残差能量与原始信号能量的比值作为分解尺度判据,使其能够根据信号本身设定自主设定分解尺度,其判据如下式所示;式中
f
为原始的序列,
N
为序列长度,
MAPE
为评价指标,当
MAPE≤1
%时,确定最终的模态分解数
。3.
根据权...
【专利技术属性】
技术研发人员:傅莉,邱鹏,樊金浩,任艳,张帅,张永峥,
申请(专利权)人:沈阳航空航天大学,
类型:发明
国别省市:
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。