[发明专利]一种用于水平距离上的雷达海杂波功率的预测方法

说明书

本发明公开了一种用于水平距离上的雷达海杂波功率的预测方法，所述方法包括：S010：对波导环境中的雷达海杂波功率进行建模，得到所述雷达海杂波功率的表达式；S020：建立LSTM神经网络基础模型；S030：基于所述雷达海杂波功率的计算公式，得到波导环境中水平距离上多个点的雷达海杂波功率值，并建立训练集，所述训练集用于训练所述LSTM神经网络基础模型；S040：通过均方根误差函数选择最优的训练次数、训练包大小和神经元数，作为训练参数进行模型的训练得到LSTM神经网络预测模型；S050：判断所述S040中训练后的LSTM神经网络预测模型的精确度，若所述精确度未达标，则跳转至S040重新选择参数进行训练；所述LSTM神经网络预测模型用于对波导环境中预定距离范围内的雷达海杂波功率进行预测。

技术领域

本发明涉及雷达领域，更具体的，涉及一种用于水平距离上的雷达海杂波功率的预测方法。

背景技术

雷达海杂波就是指粗糙海面的后向散射雷达回波，海杂波在海面雷达中是最难处理和最具挑战性的干扰源，而海杂波的预测是雷达信号处理研究领域的一个重要方向。雷达海杂波的准确建模及相关预测技术的实现对国防建设、国民经济发展均具有重要的意义。除此之外，对海杂波进行分析和预测，对于研究雷达模型的杂波抑制以及提升雷达的目标探测性能都具有非常重要的应用价值。

对于平稳的数据序列来讲，利用传统的统计模型通常可获得较好的预测结果，而对具有混沌变化特性的海杂波序列而言，即使传统模型对数据匹配的很好，有时也无法做出准确的预测。有人提出利用传统神经网络对海杂波功率进行预测的方法，但是，使用传统的神经网络来进行海杂波预测，均具有短期可预测，长期不可预测的缺陷，当需要对远距离的海杂波数据进行预测时，它们的精度较低，且当数据量较大时，训练模型的时间也会加长，从而降低了预测的效率。

发明内容

为解决背景技术中所提出的技术问题中的至少一个，本发明的一个目的在于提供一种用于水平距离上的雷达海杂波功率的预测方法，所述方法包括：

S010：对波导环境中的雷达海杂波功率进行建模，得到所述雷达海杂波功率的表达式；

S020：建立LSTM神经网络基础模型；

S030：基于所述雷达海杂波功率的计算公式得到波导环境中水平距离上多个点的雷达海杂波功率值并建立训练集，所述训练集用于训练所述LSTM神经网络基础模型；

S040：通过均方根误差函数选择最优的训练次数、训练包大小和神经元数，作为训练参数进行模型的训练得到LSTM神经网络预测模型；

S050：判断所述S040中训练后的LSTM神经网络预测模型的精确度，若所述精确度未达标，则跳转至S040继续进行训练；所述LSTM神经网络预测模型用于对波导环境中预定距离范围内的雷达海杂波功率进行预测。

所述S010具体包括：

所述雷达海杂波功率P_c(r,M)的计算公式：

其中，L(r,M)表示传播损耗、σ₀为雷达散射系数、r表示雷达接收天线与海面散射单元之间的距离、M表示大气折射率剖面结构；

C为与发射功率P_t、发射天线增益G_t、电磁波波长λ、雷达的距离分辨率cτ和天线入射角θ有关的常数项，表示为：

所述雷达海杂波功率的对数形式表达式为：

P_c(r,M)＝-2L(r,M)+σ₀+10log₁₀(r)+C…………(3)