[发明专利]一种基于人工蜂群算法的智能雷达海杂波预报系统及方法

说明书

技术领域

本发明涉及雷达数据处理领域，特别地，涉及一种基于人工蜂群算法的智能雷达海杂波预报系统及方法。

背景技术

海杂波，即来自于被雷达发射信号照射的一片海面的后向散射回波。由于海杂波对来自海面或接近海面的“点”目标，如航海浮标及漂浮在海上的冰块等目标的雷达回波的可检测性形成严重制约，因此海杂波的研究对海洋背景中轮船等目标的探测性能具有十分重要的影响从而具有重要理论意义和实用价值。

习惯上海杂波被视为单一随机过程，如对数正态分布、K分布等。然而这些模型在实际应用中都有其特定的局限性，其中一个重要原因是海杂波看似随机的波形，实际上并不具有随机分布特性。

发明内容

为了克服传统雷达数据处理的易受人为因素影响、智能性不足的缺点，本发明提供一种避免人为因素影响、智能性高的基于人工蜂群算法的智能雷达海杂波预报系统及方法。

本发明解决其技术问题所采用的技术方案是：

一种基于人工蜂群算法的智能雷达海杂波预报系统，包括雷达、数据库以及上位机，雷达、数据库和上位机依次相连，所述雷达对所检测海域进行照射，并将雷达海杂波数据储存到所述的数据库，所述的上位机包括：

数据预处理模块，用以进行雷达海杂波数据预处理，采用如下过程完成：

1)从数据库中采集N个雷达海杂波回波信号幅值x_i作为训练样本，i＝1,...,N；

2)对训练样本进行归一化处理，得到归一化幅值

其中，minx表示训练样本中的最小值，maxx表示训练样本中的最大值；

3)将归一化后的训练样本重构，分别得到输入矩阵X和对应的输出矩阵Y：

其中，D表示重构维数，D为自然数，且D＜N，D的取值范围为50-70；

鲁棒预报模型建模模块，用以建立预报模型，采用如下过程完成：

将得到的X、Y代入如下线性方程：

其中

权重因子v_i由下式计算：

其中是误差变量ξ_i标准差的估计，c₁,c₂为常量；

求解得待估计函数f(x)：

其中，M是支持向量的数目，1_v＝[1,...,1]^T,上标T表示矩阵的转置，是拉格朗日乘子，b^*是偏置量，K＝exp(-||x_i-x_j||/θ²)，其中i＝1,…,M，j＝1,…,M，和exp(-||x-x_i||/θ²)均为支持向量机的核函数，x_j为第j个雷达海杂波回波信号幅值，θ是核参数，x表示输入变量，γ是惩罚系数；

智能寻优模块，采用人工蜂群算法对鲁棒预报模型的核参数θ和惩罚系数γ进行优化，采用如下过程完成：

步骤1：初始化人工蜂群算法的参数，设蜜源数P，最大迭代数iter_max，初始搜索空间的最小值和最大值L_d和U_d；蜜源的位置表示问题的可行解，由于模型有两个参数需要优化，所以位置p_i的维度为2维，按下式随机生成蜜源的位置p_i＝(p_i1,p_i2)，置初始迭代次数iter＝0；

p_ij＝L_d+rand()*(U_d-L_d)(i＝1,2,...,P,j＝1,2)

步骤2：为蜜源p_i分配一只引领蜂，按下式进行搜索，产生新蜜源V_i；

步骤3：计算V_i的适应度值，根据贪婪选择的方法确定保留的蜜源；

步骤4：计算引领蜂找到的蜜源被更随的概率；

步骤5：跟随蜂采用与引领蜂相同的方式进行搜索，根据贪婪选择的方法确定保留的蜜源；

步骤6：判断蜜源V_i是否满足被放弃的条件，如满足，对应的引领蜂角色变为侦察蜂，否则直接转到步骤8；

步骤7：侦察蜂随机产生新蜜源；