[发明专利]一种基于机器学习的雷达方案设计方法

说明书

本发明公开了一种基于机器学习的雷达方案设计方法，首先利用方案样本对各类型雷达方案性能指标和对应子系统类型指标进行特征提取，将方案抽象为序列数据，进行数据预处理操作；其次利用该方案特征序列训练机器学习模型，样本数据中雷达整体系统性能指标作为模型输入，雷达子系统类型指标作为模型输出，得到模型的内部节点连接权值，也就得到了方案特征设计的网络模型；最后将待设计方案的指标参数特征输入到训练模块，最终输出雷达方案各子系统类型参数，完成雷达模块级的方案设计工作。本发明提供一种新的雷达方案设计方法，能够克服传统雷达系统设计过程繁琐、设计水平参差不齐的缺陷，实现成本低、效率高，能够为雷达设计人员提供有效参考。

技术领域

本发明涉及一种基于机器学习的雷达方案设计方法，属于雷达系统方案设计技术领域。

背景技术

在人工智能的时代，以神经网络为代表的机器学习算法广泛应用到智能化设计、智能化制造等各个方面，传统计算机辅助设计(CAD)是指利用软件帮助设计人员比较各系统方案、器件优劣，担任提供建议和作为工具的角色，智能化程度有限，需要大量的人工参与，效率较低，设计水平依赖与设计者从业经验和知识能力。

作为利用无线电辐射能量探测和定位的电子设备，不同功能、不同体制的雷达种类繁多，在我国军用和民用领域均有着重要应用，又由于雷达系统具有复杂性、综合性，雷达的研制工作往往占用设计者很大的精力和时间权衡设计方案，并对方案设计内容不厌其详地进行计算验证，缺少智能化辅助设计甚至于智能化提供基本方案的工具。

发明内容

本发明所要解决的技术问题是：提供一种基于机器学习的雷达方案设计方法，相比于人工进行雷达方案设计，本发明具有实现结构简单，实现成本低，节约人力、物力的优势，具有很高的实时性、通用性和高效性。

本发明为解决上述技术问题采用以下技术方案：

一种基于机器学习的雷达方案设计方法，包括如下步骤：

步骤1，对雷达方案样本按照雷达所属类别进行分类，将对应待设计雷达方案的一类雷达方案样本找出来，并提取该样本中的雷达整体系统性能指标以及雷达子系统类型指标，形成雷达系统序列数据，对数据进行过滤、清洗及归一化的预处理操作；

步骤2，将步骤1预处理后的数据分为训练集、测试集和验证集，利用训练集训练机器学习模型，将训练集中的雷达整体系统性能指标作为机器学习模型的输入，雷达子系统类型指标作为机器学习模型的输出，得到模型的内部节点连接权值，从而得到训练好的机器学习模型，利用测试集和验证集对机器学习模型进行测试和验证，得到最终的机器学习模型；

步骤3，将待设计雷达方案对应的雷达整体系统性能指标输入最终的机器学习模型，输出待设计雷达方案对应的雷达子系统类型指标，从而完成雷达方案设计工作。

作为本发明的一种优选方案，步骤1所述雷达方案样本中存在错误或偏离期望的野值时，采用分箱、回归及聚类的数据平滑技术进行平滑，并识别和删除孤立点，最后利用小波变换、主成分分析方法进行数据压缩。

作为本发明的一种优选方案，步骤2所述机器学习模型为神经网络寻优模型，神经网络寻优模型包括输入层、隐藏层、输出层，隐藏层包括多个RNN网络，每个RNN网络的输出为：

f(X_n)＝w_m·X_n+U·f(X_n-1)+V·f(X_n+1)