[发明专利]一种基于入侵杂草优化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，涉及一种基于入侵杂草优化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、智能性高的基于入侵杂草优化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：

一种基于入侵杂草优化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，采用入侵杂草优化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：初始化入侵杂草优化算法的参数，设置最小种群规模N_min、最大种群规模N_max、杂草个体所能产生的最大种子规模s_max、杂草个体所能产生的最小种子规模s_min、种群初始状态时设定的最大值δ_max、种群初始状态设定的最小值δ_min、最大迭代次数iter_max及非线性调和因子n等各个参数值，设种群数为P。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，随机生成每个青蛙的位置p_i＝(p_i1,p_i2)，置初始迭代次数iter＝0；

步骤2：评估当前种群中每个杂草个体的适应度，标记种群最好适应度、最差适应度和最优个体；

步骤3：判断迭代次数是否达到iter_max。若达到，终止算法；否则，跳转至步骤4；

步骤4：根据下式分别计算计算种群内个体繁殖的种子数目和更新当前迭代的标准差δ；