一种鲁棒智能雷达海杂波预报系统及方法技术方案

一种鲁棒智能雷达海杂波预报系统，包括雷达、数据库以及上位机；雷达、数据库和上位机依次相连，所述雷达对所检测海域进行照射，并将雷达海杂波数据储存到所述的数据库，所述的上位机包括数据预处理模块、鲁棒预报模型建模模块、改进智能寻优模块、海杂波预报模块、判别模型更新模块以及结果显示模块。以及提出了一种鲁棒智能雷达海杂波预报方法。本发明专利技术提供一种具有鲁棒性良好、避免人为因素影响的鲁棒智能雷达海杂波预报系统及方法。

A robust intelligent radar sea clutter prediction system and method

A robust intelligent radar sea clutter prediction system, including radar, radar, computer and database; database and the host computer is connected to the detection area irradiation on the radar, and the radar sea clutter data is stored into the database, the host computer comprises a data preprocessing module, robust modeling and prediction model, improved intelligent optimization module, sea clutter prediction module, model updating module and result display module. And a robust intelligent radar sea clutter prediction method is proposed. The present invention provides a robust intelligent radar sea clutter prediction system and method with good robustness and avoidance of human factors.

【技术实现步骤摘要】

本专利技术涉及雷达数据处理领域，特别地，涉及一种鲁棒智能雷达海杂波预报系统 及方法。
技术介绍
海杂波，即来自于被雷达发射信号照射的一片海面的后向散射回波。由于海杂波 对来自海面或接近海面的“点”目标，如航海浮标及漂浮在海上的冰块等目标的雷达回波的 可检测性形成严重制约，因此海杂波的研究对海洋背景中轮船等目标的探测性能具有十分 重要的影响从而具有重要理论意义和实用价值。习惯上海杂波被视为单一随机过程，如对数正态分布、K分布等。然而这些模型在 实际应用中都有其特定的局限性，其中一个重要原因是海杂波看似随机的波形，实际上并 不具有随机分布特性。
技术实现思路
为了克服已有雷达海杂波预报方法鲁棒性不高、易受人为因素影响智能性不足的 缺点，本专利技术提供一种鲁棒性良好、避免人为因素影响的智能雷达海杂波预报系统及方法。本专利技术解决其技术问题所采用的技术方案是一种鲁棒智能雷达海杂波预报系统，包括雷达、数据库以及上位机，雷达、数据库 和上位机依次相连，所述雷达对所检测海域进行照射，并将雷达海杂波数据储存到所述的 数据库，所述的上位机包括 N；数据预处理模块，用以进行雷达海杂波数据预处理，采用如下过程完成1)从数据库中采集N个雷达海杂波回波信号幅值Xi作为训练样本，i= 1，2)对训练样本进行归一化处理，得到归一化幅值^x权利要求1. 一种鲁棒智能雷达海杂波预报系统，包括雷达、数据库以及上位机，雷达、数据库和 上位机依次相连，其特征在于所述雷达对所检测海域进行照射，并将雷达海杂波数据储存 到所述的数据库，所述的上位机包括数据预处理模块，用以进行雷达海杂波数据预处理，采用如下过程完成1)从数据库中采集N个雷达海杂波回波信号幅值Xi作为训练样本，1= 1,...,N；2)对训练样本进行归一化处理，得到归一化幅值^2.如权利要求1所述的鲁棒智能雷达海杂波预报系统，其特征在于所述上位机还包 括判别模型更新模块，用以按设定的采样时间间隔采集数据，将得到的实测数据与模型预 报值比较，如果相对误差大于10%，则将新数据加入训练样本数据，更新预报模型。3.如权利要求1或2所述的鲁棒智能雷达海杂波预报系统，其特征在于所述上位机 还包括结果显示模块，用以将海杂波预报模块计算得到的预报值在上位机显示。4.一种如权利要求1所述的鲁棒智能雷达海杂波预报系统所使用的雷达海杂波预报 方法，其特征在于所述的方法包括以下步骤(1)从数据库中采集N个雷达海杂波回波信号幅值Xi作为训练样本，i= l,...,N；(2)对训练样本进行归一化处理，得到归一化幅值^5.如权利要求4所述的雷达海杂波预报方法，其特征在于所述的方法还包括(9)、按设定的采样时间间隔采集数据，将得到的实测数据与模型预报值比较，如果相 对误差大于10%，则将新数据加入训练样本数据，更新预报模型。6.如权利要求4或5所述的雷达海杂波预报方法，其特征在于在所述的步骤(8)中， 将计算得到的海杂波预报值在上位机显示。全文摘要一种鲁棒智能雷达海杂波预报系统，包括雷达、数据库以及上位机；雷达、数据库和上位机依次相连，所述雷达对所检测海域进行照射，并将雷达海杂波数据储存到所述的数据库，所述的上位机包括数据预处理模块、鲁棒预报模型建模模块、改进智能寻优模块、海杂波预报模块、判别模型更新模块以及结果显示模块。以及提出了一种鲁棒智能雷达海杂波预报方法。本专利技术提供一种具有鲁棒性良好、避免人为因素影响的鲁棒智能雷达海杂波预报系统及方法。文档编号G06F19/00GK102147464SQ201110051100公开日2011年8月10日 申请日期2011年3月3日 优先权日2011年3月3日专利技术者刘兴高, 闫正兵 申请人:浙江大学本文档来自技高网...

【技术保护点】
１．一种鲁棒智能雷达海杂波预报系统，包括雷达、数据库以及上位机，雷达、数据库和上位机依次相连，其特征在于：所述雷达对所检测海域进行照射，并将雷达海杂波数据储存到所述的数据库，所述的上位机包括：数据预处理模块，用以进行雷达海杂波数据预处理，采用如下过程完成：１）从数据库中采集Ｎ个雷达海杂波回波信号幅值ｘｉ作为训练样本，ｉ＝１，．．．，Ｎ；２）对训练样本进行归一化处理，得到归一化幅值（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｓｕｂ）?（ｍｏｖｅｒ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ）＆ＯｖｅｒＢａｒ；（／ｍｏ）?（／ｍｏｖｅｒ）?（ｍｉ）ｉ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｏ）＝（／ｍｏ）?（ｍｆｒａｃ）?（ｍｒｏｗ）?（ｍｓｕｂ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｉ）ｉ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｏ）－（／ｍｏ）?（ｍｉ）ｍｉｎ（／ｍｉ）?（ｍｉ）ｘ（／ｍｉ）?（／ｍｒｏｗ）?（ｍｒｏｗ）?（ｍｉ）ｍａｘ（／ｍｉ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ）－（／ｍｏ）?（ｍｉ）ｍｉｎ（／ｍｉ）?（ｍｉ）ｘ（／ｍｉ）?（／ｍｒｏｗ）?（／ｍｆｒａｃ）?（／ｍｒｏｗ）?（／ｍａ其代表的最优解，并结束计算，否则继续迭代；５．４）采用正态分布概率选择个体；５．５）通过单点线性交叉产生新个体；５．６）通过均匀变异方式产生新个体；５．７）对新个体用单纯性法进行确定性寻优；５．８）产生的新一代种群，返回５．３）进行迭代；其中，初始种群大小为５０－２００，最大代数５０－３００，最佳个体选择概率为０．０５－０．１，交叉概率为０．５－０．９，变异概率为０．００１－０．０１，个体适应度选择模型的泛化均方根误差，终止条件为达到最大代数或者连续五代适应度不变；海杂波预报模块，用以进行海杂波预测，采用如下过程完成：１）在采样时刻ｔ采集Ｄ个海杂波回波信号幅值得到ＴＸ＝［ｘｔ－Ｄ＋１，Ｋ，ｘｔ］，ｘｔ－Ｄ＋１表示第ｔ－Ｄ＋１采样时刻的海杂波回波信号幅值，ｘｔ表示第ｔ采样时刻的海杂波回波信号幅值；２）进行归一化处理；（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｏｖｅｒ）?（ｍｉ）ＴＸ（／ｍｉ）?（ｍｏ）＆ＯｖｅｒＢａｒ；（／ｍｏ）?（／ｍｏｖｅｒ）?（ｍｏ）＝（／ｍｏ）?（ｍｆｒａｃ）?（ｍｒｏｗ）?（ｍｉ）ＴＸ（／ｍｉ）?（ｍｏ）－（／ｍｏ）?（ｍｉ）ｍｉｔｈ）其中，ｍｉｎｘ表示训练样本中的最小值，ｍａｘｘ表示训练样本中的最大值；３）将归一化后的训练样本重构，分别得到输入矩阵Ｘ和对应的输出矩阵Ｙ：（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｉ）Ｘ（／ｍｉ）?（ｍｏ）＝（／ｍｏ）?（ｍｆｅｎｃｅｄｏｐｅｎ（／ｍｉ）?（ｍｉ）ｘ（／ｍｉ）?（／ｍｒｏｗ）?（ｍｒｏｗ）?（ｍｉ）ｍａｘ（／ｍｉ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ）－（／ｍｏ）?（ｍｉ）ｍｉｎ（／ｍｉ）?（ｍｉ）ｘ（／ｍｉ）?（／ｍｒｏｗ）?（／ｍｆｒａｃ）?（／ｍｒｏｗ）?（／ｍａｔｈ）３）代入预报模型建模模块得到的待估计函数ｆ（ｘ）计算得到采样时刻（ｔ＋１）的海杂波预报值。ｎ＝＇［＇ｃｌｏｓｅ＝＇］＇）?（ｍｔａｂｌｅ）?（ｍｔｒ）?（ｍｔｄ）?（ｍｓｕｂ）?（ｍｏｖｅｒ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ）＆ＯｖｅｒＢａｒ；（／ｍｏ）?（／ｍｏｖｅｒ）?（ｍｎ）１（／ｍｎ）?（／ｍｓｕｂ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｓｕｂ）?（ｍｏｖｅｒ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ）＆ＯｖｅｒＢａｒ；（／ｍｏ）?（／ｍｏｖｅｒ）?（ｍｎ）２（／ｍｎ）?（／ｍｓｕｂ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｉ）Ｌ（／ｍｉ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｓｕｂ）?（ｍｏｖｅｒ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ）＆ＯｖｅｒＢａｒ；（／ｍｏ）?（／ｍｏｖｅｒ）?（ｍｉ）Ｄ（／ｍｉ）?（／ｍｓｕｂ）?（／ｍｔｄ）?（／ｍｔｒ）?（ｍｔｒ）?（ｍｔｄ）?（ｍｓｕｂ）?（ｍｏｖｅｒ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ）＆ＯｖｅｒＢａｒ；（／ｍｏ）?（／ｍｏｖｅｒ）?（ｍｎ）２（／ｍｎ）?（／ｍｓｕｂ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｓｕｂ）?（ｍｏｖｅｒ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ）＆ＯｖｅｒＢａｒ；（／ｍｏ）?（／ｍｏｖｅｒ）?（ｍｎ）３（／ｍｎ）?（／ｍｓｕｂ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｉ）Ｌ（／ｍｉ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｓｕｂ）?（ｍｏｖｅｒ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ）＆ＯｖｅｒＢａｒ；（／ｍｏ）?（／ｍｏｖｅｒ）?（ｍｒｏｗ）?（ｍｉ）Ｄ（／ｍｉ）?（ｍｏ）＋（／ｍｏ）?（ｍｎ）１（／ｍｎ）?（／ｍｒｏｗ）?（／ｍｓｕｂ）?（／ｍｔｄ）?（／ｍｔｒ）?（ｍｔｒ）?（ｍｔｄ）?（ｍｉ）Ｍ（／ｍｉ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｉ）Ｍ（／ｍｉ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｉ）Ｏ（／ｍｉ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｉ）Ｍ（／ｍｉ）?（／ｍｔ...

【技术特征摘要】

【专利技术属性】
技术研发人员：刘兴高，闫正兵，
申请(专利权)人：浙江大学，
类型：发明
国别省市：86