System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于智能优化算法的目标参数估计方法及装置制造方法及图纸_技高网

一种基于智能优化算法的目标参数估计方法及装置制造方法及图纸

技术编号:40762417 阅读:4 留言:0更新日期:2024-03-25 20:13
本发明专利技术提供了一种基于智能优化算法的目标参数估计方法及装置,其中方法包括:建立平底锥参数化模型,得到待估计目标的总仿真动态特性数据;其中,所述平底锥参数化模型具有三个散射中心;基于所述平底锥参数化模型,计算得到粒子群算法的损失函数;基于所述损失函数对基本粒子群算法进行优化,得到粒子群优化算法;利用所述粒子群优化算法对所述总仿真动态特性数据进行处理,得到所述待估计目标的目标参数。本方案能够不依赖目标电磁散射宽带特性数据就能得到需要的目标参数信息,以满足测试需要。

【技术实现步骤摘要】

本专利技术涉及雷达参数估计,特别涉及一种基于智能优化算法的目标参数估计方法及装置


技术介绍

1、目标结构尺寸的估计是目标特性分析与识别研究的重要部分,根据雷达测量得到的目标结构尺寸参数可以用于目标识别。通过目标动态rcs进行目标的参数化估计,对于目标特性与目标特征提取、识别的研究具有重要的促进作用。

2、相关技术中,目标的参数信息的提取方法较为单一,依赖于目标电磁散射宽带特性数据,无法满足实际试验的需要。

3、基于此,目前亟需一种基于智能优化算法的目标参数估计方法及装置来解决上述技术问题。


技术实现思路

1、为了满足实际测试过程的需要,本专利技术实施例提供了一种基于智能优化算法的目标参数估计方法及装置。

2、第一方面,本专利技术实施例提供了一种基于智能优化算法的目标参数估计方法,包括:

3、建立平底锥参数化模型,得到待估计目标的总仿真动态特性数据;其中,所述平底锥参数化模型具有三个散射中心;

4、基于所述平底锥参数化模型,计算得到粒子群算法的损失函数;

5、基于所述损失函数对基本粒子群算法进行优化,得到粒子群优化算法;

6、利用所述粒子群优化算法对所述总仿真动态特性数据进行处理,得到所述待估计目标的目标参数。

7、优选地,所述总仿真动态特性数据是通过如下公式计算得到的:

8、

9、式中,σ为总仿真动态特性数据;σi为每个散射中心的仿真动态特性数据;ψi为中间变量

10、优选地,第一个散射中心的仿真动态数据是通过如下公式计算得到的:

11、

12、n=1.5+γ/π

13、ψ1=π/4-2k0asinφ

14、式中,φ为电磁波入射角度,a为平底锥目标底面半径,b为球头锥半径,γ为球头锥锥角。

15、优选地,第二个散射中心的仿真动态数据是通过如下公式计算得到的:

16、

17、n=1.5+γ/π

18、ψ2=-π/4+2k0asinφ

19、式中,φ为电磁波入射角度,a为平底锥目标底面半径,b为球头锥半径,γ为球头锥锥角。

20、优选地,第三个散射中心的仿真动态数据是通过如下公式计算得到的:

21、

22、n=1.5+γ/π

23、ψ3=2k0[(acotγ-b/sinγ)cosφ+b]

24、式中,φ为电磁波入射角度,a为平底锥目标底面半径,b为球头锥半径,γ为球头锥锥角。

25、优选地,基于所述平底锥参数化模型,计算得到粒子群算法的损失函数,包括:

26、基于所述平底锥目标参数化模型,得到静态特性数据;

27、基于雷达视线角对所述静态特性数据进行差值处理,得到实测动态特性数据;

28、对所述总仿真动态特性数据和所述实测动态特性数据进行误差计算,得到所述损失函数。

29、优选地,基于所述损失函数对基本粒子群算法进行优化,得到粒子群优化算法,包括:

30、建立基本粒子群算法模型;

31、将所述损失函数输入所述基本粒子群算法模型中,得到所述粒子群优化算法。

32、第二方面,本专利技术实施例还提供了一种基于智能优化算法的目标参数估计装置,包括:

33、建模单元,用于建立平底锥参数化模型,得到待估计目标的总仿真动态特性数据;其中,所述平底锥参数化模型具有三个散射中心;

34、计算单元,用于基于所述平底锥参数化模型,计算得到粒子群算法的损失函数;

35、优化单元,用于基于所述损失函数对基本粒子群算法进行优化,得到粒子群优化算法;

36、处理单元,用于利用所述粒子群优化算法对所述总仿真动态特性数据进行处理,得到所述待估计目标的目标参数。

37、第三方面,本专利技术实施例还提供了一种电子设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现本说明书任一实施例所述的方法。

38、第四方面,本专利技术实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行本说明书任一实施例所述的方法。

39、本专利技术实施例提供了一种基于智能优化算法的目标参数估计方法及装置,首先根据运动目标电磁散射特性数据及其运动特性数据得到目标相对雷达姿态角,得到目标姿态角序列。通过构建平底锥目标参数化模型,设计粒子群优化算法损失函数。在确定粒子群优化算法的损失函数后,搭建粒子群优化算法架构。最后通过粒子群优化算法完成目标尺寸参数估计。通过上述方法使目标的参数信息不依赖目标电磁散射宽带特性数据就能得到,可以满足测试需要。

本文档来自技高网...

【技术保护点】

1.一种基于智能优化算法的目标参数估计方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述总仿真动态特性数据是通过如下公式计算得到的:

3.根据权利要求2所述的方法,其特征在于,第一个散射中心的仿真动态数据是通过如下公式计算得到的:

4.根据权利要求2所述的方法,其特征在于,第二个散射中心的仿真动态数据是通过如下公式计算得到的:

5.根据权利要求2所述的方法,其特征在于,第三个散射中心的仿真动态数据是通过如下公式计算得到的:

6.根据权利要求1所述的方法,其特征在于,基于所述平底锥参数化模型,计算得到粒子群算法的损失函数,包括:

7.根据权利要求1所述的方法,其特征在于,基于所述损失函数对基本粒子群算法进行优化,得到粒子群优化算法,包括:

8.一种基于智能优化算法的目标参数估计装置,其特征在于,包括:

9.一种电子设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现如权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行权利要求1-7中任一项所述的方法。

...

【技术特征摘要】

1.一种基于智能优化算法的目标参数估计方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述总仿真动态特性数据是通过如下公式计算得到的:

3.根据权利要求2所述的方法,其特征在于,第一个散射中心的仿真动态数据是通过如下公式计算得到的:

4.根据权利要求2所述的方法,其特征在于,第二个散射中心的仿真动态数据是通过如下公式计算得到的:

5.根据权利要求2所述的方法,其特征在于,第三个散射中心的仿真动态数据是通过如下公式计算得到的:

6.根据权利要求1所述的方法,其特征在于,基于所述平底锥参数...

【专利技术属性】
技术研发人员:李波任红梅
申请(专利权)人:北京环境特性研究所
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1