[发明专利]一种粗糙面微波段双向反射分布函数的建模方法在审
申请号: | 201410016087.1 | 申请日: | 2014-01-14 |
公开(公告)号: | CN103699810A | 公开(公告)日: | 2014-04-02 |
发明(设计)人: | 郭立新;苟雪银;张连波 | 申请(专利权)人: | 西安电子科技大学 |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 北京世誉鑫诚专利代理事务所(普通合伙) 11368 | 代理人: | 郭官厚 |
地址: | 710075 陕*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 粗糙 微波 双向 反射 分布 函数 建模 方法 | ||
技术领域
本发明涉及雷达技术领域,主要涉及一种粗糙面微波段双向反射分布函数的建模方法,用于获取粗糙面双向反射分布函数的数据信息。
背景技术
随着激光制导、跟踪、引信,电磁波(光波)遥感等技术的发展,各种目标、环境表面双向反射分布函数的研究越来越受到重视,并在光波段和微波段的散射、辐射以及遥感等领域得到了广泛的应用。粗糙面微波段双向反射分布函数(BRDF)的建模方法在理论分析与实际应用中均具有重要的意义。
在过去的几十年中,许多粗糙面双向反射分布函数的获得方法和建模方法被学者提出用以得到实际粗糙面的双向反射分布函数,双向反射分布函数的获得方法主要为实际测量和理论计算方法。实验测量方法容易受到实验条件、测量速度等的限制,很难获得任意入射和散射条件下的双向反射分布函数。相比于实际测量方法法,数值计算方法能得到较全面的双向反射分布函数,但是其过程比较复杂,计算内存消耗大,分析速度慢,尤其是针对大粗糙度的粗糙面,该类方法的计算速度非常缓慢,仿真时间不能满足工程要求,故该类方法很难应用到实际大尺度粗糙面双向反射分布函数的获取中。建模方法具有简单,速度快,通用性强等优点。利用有限的实验数据或者计算数据,通过最优算法获得粗糙面双向反射分布函数的五参量模型,这样就会在有限的实验条件和较短的时间内计算出任意入射和散射条件下的粗糙面双向反射分布函数。但是目前国内外粗糙面和目标表面的双向反射分布函数的研究大多集中于激光和红外波段,对于微波段的粗糙面双向反射分布函数的研究却比较少见。
发明内容
本发明的目的是要提供一种粗糙面微波段双向反射分布函数的建模方法,在已有的光波段粗糙面双向反射分布函数建模的基础上,增加微波段粗糙面双向反射分布函数建模的方法,使粗糙面双向反射分布函数建模的方法更加的全面。
为达到上述目的,本发明是按照以下技术方案实施的:
一种粗糙面微波段双向反射分布函数的建模方法,包括下述步骤:
1)根据地面或海面的功率谱密度函数,通过蒙特卡洛方法产生仿真的粗糙面;
2)利用矩量法(MoM)计算粗糙面的单位雷达散射截面σ0;
3)根据粗糙面单位雷达散射截面与双向反射分布函数的关系:
σ0=4πfrcosθicosθr,
计算粗糙面双向反射分布函数fr,fr=σ0/4πcosθicosθr,
其中θi为入射角,θr为反射角;
4)利用计算得到的粗糙面双向反射分布函数作为采样点,按照参数选择的最佳标准用遗传算法优化五参量模型中的经验参数;
5)根据优化得到的经验参数得到五参量模型的具体表达式,从而对粗糙面微波段双向反射分布函数进行建模;
作为优选,所述步骤1)通过实验获得所要仿真地面或海面的粗糙面参数及其功率谱密度,并选取一系列振幅独立的高斯谐波,其中,粗糙面参数包括均方根高度和相关长度;再根据获得的粗糙面参数和功率谱密度,对所选的高斯谐波进行振幅调制,再对调制后的高斯谐波进行傅里叶变换产生仿真的粗糙面。
作为优选,所述步骤4)中五参量模型的表达式为:
其中G为遮蔽函数,θi和θr分别代表入射角和散射角,和为反射方位角,α为微小平面法线方向和z轴的夹角,γ为微观平面上本地坐标系的入射角,kb,kd,kr,a,b为待优化参数;
根据计算得到的粗糙面双向反射分布函数,选取一组等间隔的数据作为统计采样样本,将采样样本以及五参量模型计算得到的双向反射分布函数带入参量选取的最佳标准:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安电子科技大学,未经西安电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201410016087.1/2.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用