[发明专利]基于鲸鱼优化算法的风轮机多径回波微动参数估计方法

说明书

本发明公开了基于鲸鱼优化算法的风轮机多径回波微动参数估计方法，包括步骤：S1，分析风轮机回波信号提取待估计的微动参数，设定待估计的微动参数的个数为鲸鱼优化算法的维度，设定每个待估计的微动参数的取值范围；S2，初始化算法参数，设置鲸鱼种群规模和最大迭代次数，随机产生每只鲸鱼的位置；S3，根据均方根误差确定个体适应度函数，计算每只鲸鱼对应的个体适应度，确定当前适应度最优的鲸鱼个体及位置；S4，开始迭代，更新算法参数，根据产生的随机数所属范围更新个体位置；转入步骤S3，直到达到最大迭代次数；S5，输出最优结果。通过本发明公开的技术，提高了微动参数估计精度，同时操作简单、减少了计算量。

技术领域

本发明涉及雷达回波抑制技术领域，特别涉及基于鲸鱼优化算法的风轮机多径回波微动参数估计。

背景技术

随着能源枯竭形式日益严峻，风能作为一种清洁无污染的绿色能源成为电力行业的发展重点，风电场的建设也随着风力发电需求攀升而日益增多。风电场的主要组成部分是风轮机，风轮机叶片旋转时会对雷达回波进行周期性的频率调制，使得雷达回波频谱展宽，出现微多普勒效应，可能会导致雷达出现误检测和误跟踪。更为重要的是风电场中的反射体会对风轮机回波产生多径效应，此时风轮机回波分散在多个非零频的多普勒滤波器组，使得雷达产生大量虚警，造成情报质量下降。因此设计有效的风轮机多径回波抑制手段以减少其对雷达设备的影响十分重要。

对风轮机多径回波进行抑制的突破口之一便是微动参数估计。估计的微动参数可以表征风轮机的旋转状态，进而分析出风轮机多径回波的微多普勒效应特性，最终利用此特性对风轮机多径回波进行抑制。微动参数估计在特征提取、目标识别、杂波抑制以及合成孔径雷达成像等领域有重要应用。

现有技术中，关于风轮机回波微动参数估计的解决方法主要两类：一类是利用信号分解的思路将各微动分量从混合信号中分离出来，例如主成分分析、Warblet小波分解、经验模式分解等，但由于在信号时频域出现各微动分量交叉叠加的特征，另外由于遮挡效应造成时频曲线出现断裂等不连续情况，而且对于经验模式分解算法，当两个分量频率过于接近，不能将两个分量分离出来，导致这类方法无法有效进行多分量微动信号的分解和参数估计。另一类是采用时频分析手段，利用各个微动分量在时频域不同能量分布规律实现瞬时频率估计。该类方法可分为非参数化和参数化时频分析，非参数化频率估计方法的思路是先做时频分析，再利用峰值检测或1阶矩等方法进行瞬时频率估计，这些方法对于多分量微动目标场景下有很大误差，并且抗噪性能较差。对于多分量微多普勒这种非平稳信号的参数估计，时频分析等方法在计算精度、计算效率等方面局限性较大，已经无法满足工程需要，亟需一种新的特征度量方法，以提高各个微动分量之间的区分度，从而实现精确的参数估计。

鲸鱼优化算法(Whale Optimization Algorithm,WOA)是一种模拟海洋中座头鲸捕食行为的新型群智能优化算法。该算法具有结构简单、参数少、搜索能力强、具有鲁棒性且易于实现等特点，对WOA的研究及应用仍处于起步阶段。为减少周期性运动规律的观测时间对风轮机多径回波微动参数估计的影响，本发明提出了一种利用鲸鱼优化算法的进行参数估计的方法，在分析风轮机多径回波模型，确定影响模型精度的微动参数的基础上，利用鲸鱼优化算法对微动参数进行估计。

发明内容

本发明的目的在于提供基于鲸鱼优化算法的风轮机多径回波参数估计方法，解决现有技术计算量大、计算速度慢、微动参数估计精度不高的问题。

本发明解决其技术问题提供的技术方案如下：