[发明专利]一种群智能高精度的雷达海杂波预报系统

权利要求书

1.一种群智能高精度的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，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，上位机对数据库中的海杂波数据进行建模预报；所述的上位机包括数据预处理模块、极限学习机建模模块、改进引力搜索算法优化模块、海杂波预报模块、判别模型更新模块以及结果显示模块。

2.根据权利要求1所述群智能高精度的雷达海杂波预报系统，其特征在于，所述数据预处理模块对数据库输入的雷达海杂波数据进行预处理，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＝1,2,…,N；

(2)对训练样本进行归一化处理，得到归一化幅值

其中，min x表示训练样本中的最小值，max x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。

3.根据权利要求1所述群智能高精度的雷达海杂波预报系统，其特征在于，所述极限学习机建模模块，用以建立预报模型，采用如下过程完成：

对于N个样本(x_i,y_i)，其中x_i＝[x_i1,x_i2,…,x_in]^T∈Rⁿ，y_i＝[y_i1,y_i2,…,y_im]^T∈R^m，则一个具有L个隐层节点，激励函数为g(x)的前馈神经网络的输出可以表示为

其中，a_i＝[a_i1,a_i2,…,a_in]^T是输入层到第i个隐含层节点的输入权值，b_i是第i个隐藏层节点的偏差(bias)，β_i＝[β_i1,β_i2,…,β_im]^T是连接第i个隐藏层结点的输出权值，a_i·x_i表示向量a_i和x_i的内积。激励函数g(x)可以选择为“Sigmoid”，“Sine”或“RBF”等。

如果这个具有L个隐含层结点的前馈神经网络能以零误差逼近这N个样本，则存在a_i,b_i,β_i使

则(3)式可以简化为

Hβ＝Y (5)

其中，H被称作网络的隐含层输出矩阵，在极限学习机算法中，输出权值和偏差可以随机给定，隐层矩阵H就变成一个确定的矩阵，这样前馈神经网络的训练就可以转化成一个求解输出权值矩阵的最小二乘解的问题，只需要求出输入权值的最小二乘解就能完成网络的训练，输出权值矩阵β可由(6)式得到

其中H⁺表示隐含层输出矩阵H的Moore-penrose广义逆。