[发明专利]一种参数最优的雷达海杂波预报系统及方法

说明书

本发明公开了一种参数最优的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，雷达对所检测海域进行照射，并将雷达海杂波数据储存到数据库中，上位机对数据库中的海杂波数据进行建模预报；所述的上位机包括数据预处理模块、小波神经网络建模模块、差分进化算法优化模块、海杂波预报模块、判别模型更新模块以及结果显示模块。以及提出了一种基于差分进化算法优化小波神经网络的雷达海杂波预报方法。本发明提供一种参数最优、模型自动更新、抗噪音干扰能力强的雷达海杂波预报系统及方法。

技术领域

本发明涉及雷达数据处理领域，特别地，涉及一种参数最优的雷达海杂波预报系统及方法。

背景技术

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。

发明内容

为了克服传统雷达海杂波预报方法模型参数选择对预报效果的影响、抗噪音干扰能力弱的不足，本发明提供一种参数最优、模型自动更新、抗噪音干扰能力强的雷达海杂波预报系统及方法。

本发明解决其技术问题所采用的技术方案是：一种参数最优的雷达海杂波预报系统，包括雷达、数据库以及上位机；所述的上位机包括数据预处理模块、小波神经网络建模模块、差分进化算法优化模块、海杂波预报模块、判别模型更新模块以及结果显示模块，其中：

数据预处理模块：对数据库输入的雷达海杂波数据进行预处理，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x_i作为训练样本，i＝1,2,…,N；

(2)对训练样本进行归一化处理，得到归一化幅值

其中，min x表示训练样本中的最小值，max x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Y：

其中，D表示重构维数，D为自然数，且D＜N，D的取值范围为50-70。

小波神经网络建模模块：用以建立预报模型，采用如下过程完成：

设x＝(x₁,x₂,…,x_n)^T是小波神经网络的输入向量，y＝(y₁,y₂,…,y_m)^T表示小波神经网络的预测输出。对于多变量过程的建模，我们定义如下的多维小波函数：

其中，Ψ_i(x)为隐含层第i个节点输出值，ψ为小波基函数，b_i＝(b_ij)和a_i＝(a_ij)分别表示小波基函数ψ的平移因子和缩放因子。采用的小波基函数为Morlet母小波基函数：

其中，

计算小波神经网络的输出：

其中，ω_ik是隐含层和输出层的连接权值，M表示隐含层节点的数目，m表示输出层节点的数目。