[发明专利]一种基于人工智能的雷达探测环境估计方法

说明书

本发明涉及一种基于人工智能的雷达探测环境估计方法，属于雷达探测领域。目前对于雷达探测环境的估计通常采用直接测量模型法及反演法，直接测量模型法存在气象探测设备架设困难、无法对非均匀海域进行估计的问题，反演法可解决该不足，但存在反演准确性不高或无法连续反演的问题，针对该问题本发明提出了一种基于人工智能的雷达探测环境估计方法，该方法涉及一种基于先验知识库的反演估计架构、基于灰色关联分析法的关联性分析、基于Kmeans算法的雷达探测环境反演估计，在常规反演法评估架构中增加了基于先验知识库的判断，提升了反演法估计雷达探测环境的准确性，为雷达探测效能有效评估及雷达适配探测环境策略自适应生成提供有效支撑。

技术领域

本发明涉及一种雷达探测环境估计方法，属于雷达探测领域。

背景技术

雷达探测环境估计包括对海上大气波导类型、等级及特征参量(高度、强度)的估计，是雷达探测性能有效评估及雷达自适应环境探测等的前提，目前对于雷达探测环境的估计通常采用直接测量法、模型法及反演法。其中直接测量法，即利用微波折射率仪直接测量折射率在高度上的分布，或利用探空气球、探空小火箭等测量温度、湿度、压力剖面然后利用公式计算得到折射率在高度上的分布；模型法是通过测量某一参考高度上气温、气压、相对湿度、风速及海水表面温度等大气参数，利用海洋大气边界层相似理论，通过理论模型计算得到蒸发波导折射率剖面；反演法包括海杂波反演法及GNSS掩星反演法，分别利用雷达回波或接收的卫星信号，通过反演流程计算蒸发波导折射率剖面。直接测量法代价昂贵，且对场地的要求苛刻；模型法对输入的气象参数敏感，要求精确测量某一参考高度处的大气温度、湿度和风速以及海表温度，对测量仪器和测量环境要求比较高，存在气象探测设备架设困难、无法对非均匀海域进行估计的问题；杂波反演法目前还处在理论研究阶段，还不具备工程实用性；海杂波反演法存在反演准确性不高，GNSS掩星反演法存在无法连续反演及准确性不高的问题，综上所述，需加强雷达探测环境估计方法的工程实现可行性，同时保证估计的准确性。

发明内容

本发明针对目前反演法雷达探测环境估计存在反演准确性不高或无法连续反演的问题，提出了一种基于人工智能的雷达探测环境估计方法，通过建立先验知识库，利用Kmeans算法结合海杂波反演法实现雷达探测环境准确估计，为雷达探测效能有效评估及雷达适配探测环境策略自适应生成提供有效支撑。

本发明的技术解决方案主要涉及三个方面：雷达探测环境与海杂波的关联性分析、雷达探测环境与海杂波先验知识库的建立、基于Kmeans算法的雷达探测环境反演估计。

首先，建立基于先验知识库的雷达探测环境智能反演估计架构；

其次，建立雷达探测环境与海杂波关联映射决策模型、通过灰色关联分析法及改进熵法，计算两者之间关联因素及关联权重、进行关联检验、制定冲突消解策略，实现雷达探测环境与海杂波的关联性挖掘；

再次，建立雷达探测环境先验知识库，其数据基础具有仿真模拟及实测数据两种；

最后，利用Kmeans算法基于实际雷达回波数据结合先验知识库，进行大气波导有无、大气波导类型及大气波导特征参量估计，实现雷达探测环境准确估计，并通过建立海况、海态对大气波导特征的影响分析进行修正补偿，进一步提升准确性。

本发明与现有技术相比，其显著优点为：

与现有技术相比，本发明调整了反演法估计雷达探测环境估计的实现架构，在反演法评估前增加了基于先验知识库的判断，作为后续基于海杂波反演雷达探测环境的输入，同时海杂波反演过程中采用人工智能算法结合先验知识库的历史数据及建立海况、海态对大气波导特征的影响分析修正补偿，提升了反演法估计雷达探测环境的准确性。

下面结合附图对本发明作进一步详细描述。

附图说明