[发明专利]基于BP神经网络多类分类的湍流目标探测方法

权利要求书

1.一种基于BP神经网络多类分类的湍流目标探测方法，其特征在于，依据湍流回波模型在不同的信噪比条件下分别生成回波幅值序列和与其对应的强度等级组成BP神经网络的训练集和测试集，以使得训练后的BP神经网络将湍流强度分为若干等级，实现湍流探测；

所述的湍流回波模型是指：鉴于湍流区域的气象目标雷达回波信号是一个相关随机过程，同一气象目标的相邻两个脉冲回波之间的相关系数为：其中：T_s为雷达脉冲重复周期，λ为雷达脉冲波长，σ_v为气象目标的多普勒速度谱宽；

所述的气象目标雷达回波在时刻t＝t_i时为x(t_i)，则：

其中：s_i为气象目标回波信号；n_i为加性高斯白噪声；ω₀为雷达脉冲载波频率；为相位；N为回波数据长度；

当所述的气象目标雷达回波的幅值为x_i，则：其中：n_1i、n_2i为不相关高斯白噪声，A(t_i)、B(t_i)为气象目标回波信号幅值的正交分量；则x₁,...,x_N组成长度为N的雷达回波幅值序列，该幅值序列服从瑞利分布和指数相关性的马尔科夫随机过程：其中：为均匀分布在0～2π之间的随机相位；r为相邻回波信号幅值的指数型相关系数，η_i为服从瑞利分布的随机序列，该瑞利分布参数为：其中：k_R是与气象雷达特性有关的值。

2.根据权利要求1所述的湍流目标探测方法，其特征是，所述的BP神经网络包括输入层、隐藏层和输出层，其中：对于N分类问题，输出层包括N个单元，每个输出单元的值在sigmoid函数的作用下，为一个概率值，代表着：其中：x为神经网络输入值；y为神经网络输出值；θ为神经网络权值；则表示输出预测为y＝1的概率，表示输出预测为y＝N的概率；

对于一个输入向量x，BP神经网络输出为一个总和为1的向量根据中最大的值确定预测的y值。

3.根据权利要求1或2所述的湍流目标探测方法，其特征是，所述的BP神经网络，其训练集样本量为2800组，测试集样本量为1200组，训练集和测试集内随机分布所有强度等级的湍流幅值序列，以使得训练后的BP神经网络用于湍流强度分类，具体为：由于雷达回波幅值序列与湍流强度等级，即速度谱宽σ_v值有对应关系，根据不同的σ_v值，可以产生与其相对应的若干组某一气象目标一定长度的回波幅度值序列；则每一组回波幅值序列与其对应的湍流强度等级组成一个训练样本：幅值序列作为神经网络训练集输入数据，强度等级作为训练集输出数据；经过对训练集样本的学习后，所述BP神经网络即可对回波幅值序列进行强度等级分类处理以达到湍流目标探测的目的。

4.一种实现权利要求1～3中任一所述湍流目标探测方法的系统，其特征在于，包括：数据生成模块、神经网络模块和输出模块，其中：数据生成模块与神经网络模块相连并传输回波幅值序列和与其对应的湍流强度等级信息，神经网络模块与输出模块相连并传输湍流强度等级分类结果信息。