[发明专利]一种群智寻优的雷达海上目标检测系统

权利要求书

1.一种群智寻优的雷达海上目标检测系统，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数据库中，上位机对数据库中的海杂波数据进行建模并检测目标；所述的上位机包括数据预处理模块、小波神经网络建模模块、改进引力搜索算法优化模块、目标检测模块、模型更新模块以及结果显示模块。

2.根据权利要求1所述群智寻优的雷达海上目标检测系统，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所述群智寻优的雷达海上目标检测系统，其特征在于，所述小波神经网络建模模块，用以建立预报模型，采用如下过程完成：

设x＝(x₁,x₂,…,x_n)^T是小波神经网络的输入向量，y＝(y₁,y₂,…,y_m)^T表示小波神经网络的预测输出。对于多变量过程的建模，我们定义如下的多维小波函数：

其中，Ψ_i(x)为隐含层第i个节点输出值，ψ为小波基函数，b_i＝(b_ij)和a_i＝(a_ij)分别表示小波基函数ψ的平移因子和缩放因子。采用的小波基函数为Morlet母小波基函数：

其中，

计算小波神经网络的输出：

其中，ω_ik是隐含层和输出层的连接权值，M表示隐含层节点的数目，m表示输出层节点的数目。

小波神经网络权值参数修正算法类似于BP神经网络权值修正算法，采用梯度修正法修正网络的权值和小波基函数的参数，从而使小波神经网络预测输出不断逼近期望输出。小波神经网络修正过程如下：

首先，计算网络的预测误差

其中，yn(k)为期望输出，y(k)为小波神经网络的预测输出。

然后，根据预测误差e修正小波神经网络的权值和小波基函数参数：

其中，是根据网络预测误差计算得到：

其中，η为学习速率，θ为动量因子。