[发明专利]一种基于海上多源雷达回波的蒸发波导深度学习联合反演方法

权利要求书

1.一种基于海上多源雷达回波的蒸发波导深度学习联合反演方法，其特征在于，包括如下步骤：

步骤1，构建蒸发波导环境中的雷达海杂波功率和目标回波功率数据集：

步骤1a，产生蒸发波导环境中修正折射率剖面参数样本：

蒸发波导的折射率剖面中仅有蒸发波导高度EDH一个参数，利用拉丁超立方抽样方法LHS对EDH参数进行抽样，构建EDH参数样本数据集；

步骤1b，基于EDH的修正折射率剖面建模：

根据步骤1a构建的EDH样本数据集，利用PJ模型构建蒸发波导修正折射率剖面如下：

上式中，d表示EDH，z表示海表面上的测量高度，z₀表示海洋的空气动力学表面粗糙度，M(0)表示海表面上的大气修正折射率；

步骤1c，基于抛物方程的超视距目标回波建模：

根据步骤1b构建的蒸发波导的修正折射率样本集，利用抛物方程PE方法对蒸发波导环境中电磁波的传播损耗进行建模，并且结合传播损耗使用雷达方程计算海上超视距目标的回波功率，表达式如下：

上式中，P_t表示雷达发射功率，G_t和G_r分别表示发射天线和接收天线的增益，λ表示电磁波波长，σ表示目标的雷达截面积RCS，L表示电磁波传播损耗；

通过改变天线高度，计算不同天线高度的目标回波功率，根据雷达方程得到不同天线高度目标回波功率的差值，表达式如下：

ΔP_s＝P_h1-P_h2＝-2(L_h1-L_h2)+(σ_h1-σ_h2)

上式中，h₁表示初始天线高度；h₂表示调节后天线高度；

步骤1d，基于抛物方程的雷达海杂波功率建模：

根据步骤1b构建的蒸发波导的修正折射率样本集，结合PE和雷达方程计算雷达海杂波功率，计算表达式如下：

上式中，A_c表示雷达分单元面积，σ₀表示海面后向散射系数；

步骤2，构建基于多源雷达回波的EDH联合反演网络模型：

建立由雷达海杂波功率和超视距目标回波功率差值组成的联合反演数据集，作为预测网络模型的输入层信息；

模型的非线性映射过程采用双流全连接的深度神经网络DNN进行建模，模型训练时选择ReLu函数作为激活函数，Adam函数作为优化方法，均方误差MSE函数作为损失函数，表达式如下：

上式中，表示输出的EDH反演值；d表示实际的EDH参考值；N表示训练数据集的数量；

以步骤1采样得到的EDH参数作为输出层；

步骤3，EDH联合反演网络模型性能评估：

引入均方根误差RMSE指标，RMSE计算公式如下：

RMSE数值越小，说明反演得到的误差越小，该模型的反演精度越高。