[发明专利]一种风电机RCS数据压缩重构方法

权利要求书

1.一种风电机RCS数据压缩重构方法，其特征在于包括以下步骤：

步骤一：根据风电机与雷达视线的角度和风电机几何模型，确定风电机的运行姿态角变化范围，求解出风电机在每一种运行姿态下的RCS数据，包括风电机RCS数据的幅值信息和相位信息；

步骤二：根据高频电磁散射理论，当雷达信号在一个方向发射频率为f的电磁波照射到风电机时，风电机的电磁散射表示为：

式中：E(m)为风电机RCS数据；K为风电机电磁散射参数集的维度；A_i为风电机电磁散射的强度参数；α_i为风电机电磁散射的结构类型参数；r_i为风电机电磁散射的位置参数；f(m)为步进频率，f₀为雷达信号起始频率，f(m)＝f₀+m·Δf，m＝0，1，2，...，M-1，其中M为频率采样点数，m为第m个频率采样点，Δf为频率采样间隔；c为电磁波波速；ω(m)为加性复高斯白噪声，其均值为0，方差为σ²；

步骤三，根据欧拉公式并考虑到实际运行的雷达台站满足m·Δf＜＜f₀以及α_i·Δf/f₀＜＜1这两个条件，因此上式简化为仅含指数函数的形式：

令则上式简写为：

进一步，计算风电机RCS数据的自相关矩阵和互相关矩阵，根据步骤一所求的风电机RCS数据构造以下列向量：

X(m)＝[E(m)，E(m+1)，…，E(m+N-1)]^T

Y(m)＝[E(m+1)，E(m+2)，…，E(m+N)]^T

式中，N为可调因子，K＜N≤M/2；

根据所构造的列向量计算风电机RCS数据的自相关矩阵和互相关矩阵：

R_XX＝E[X(m)X^H(m)]

R_XY＝E[X(m)Y^H(m)]

式中，H表示矩阵的共轭转置；

进一步，由于步骤一在计算风电机RCS数据时，不可避免地受噪声和其它干扰影响，造成由风电机RCS数据构造的矩阵R_XX和R_XY存在病态特征值，使得风电机电磁散射参数集的求解结果存在偏差；为减少噪声和干扰对估计结果的影响，先对自相关矩阵R_XX作特征值分解，将R_XX的最小特征值作为高斯白噪声方差σ²的估计值，从而构造出不受高斯白噪声影响的矩阵C_XX和C_XY：

C_XX＝R_XX-σ²I

C_XY＝R_XY-σ²Z

式中，I为N阶单位矩阵；

为进一步减少噪声和干扰对估计结果的影响，再对矩阵C_XX作奇异值分解，将一个具有病态特征值的N×N维矩阵降维成一个无病态特征值的K×K维矩阵，并存储K个主奇异值对应的主奇异值矩阵∑₁、主左奇异向量矩阵U₁以及主右奇异向量矩阵V₁；矩阵∑₁、U₁以及V₁对应两次去除噪声和干扰后的信号子空间；

进一步，计算U₁^HC_xyV₁，并求解出矩阵束{∑₁,U₁^HC_xyV₁}的广义特征值，即得到参数P_i的估计值，进而求解出风电机电磁散射的散射系数α_i以及坐标参量r_i：

对于风电机电磁散射的电场幅值A_i的求解，其求解方法是：首先根据步骤一所求的风电机RCS数据以及已经求解的风电机电磁散的射散射系数α_i和坐标参量r_i构造向量E和向量A′，然后由向量E和向量A′，求解风电机电磁散射的电场幅值A；

向量E和A′构造如下：

E＝[E(1)，E(2)，…，E(m)]^T

A＝[A₁，A₂，…，A_K]^T

A′＝[a′(α₁，r₁)，a′(α₂，r₂)，…，a′(α_K，r_K)]

风电机电磁散射的电场幅值求解公式为：

A＝(A′^HA′)^-1A′^HE

至此，实现了风电机电磁散射的电场幅值、散射系数以及坐标参量的求解；

进一步，将求解的风电机电磁散射参数集{A_i，α_i，r_i}作为压缩数据存储，即可实现风电机RCS数据的压缩；将风电机电磁散射参数集{A_i，α_i，r_i}进行矢量叠加，即可实现风电机RCS数据的重构，通过风电机电磁散射参数集重构风电机RCS的公式为：

式中，E_r(m)为重构出的风电机RCS数据。