[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

说明书

本发明公开了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，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2，构建基于多源雷达回波的EDH联合反演网络模型：步骤3，EDH联合反演网络模型性能评估。本发明所公开的方法，克服了小EDH反演误差较大的问题，建立一种从联合反演数据集出发的双流深度神经网络联合反演模型，提供了一种海上蒸发波导反演的新方法，有益于蒸发波导反演算法的创新设计和性能提升。

技术领域

本发明属于对流层大气遥感领域，特别涉及该领域中的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。

背景技术

对流层波导环境中的大气折射率反演技术是雷达技术中不可或缺的方向，已经深入军事和民用领域。而对于大气折射率反演方法的高效准确建模是对流层波导环境中大气折射率反演技术能否取得良好效果的重要因素。因此，提出合适的反演模型并对大气折射率剖面参数进行准确、高效地反演成为保证雷达通讯设备性能的重要保障。

利用雷达海杂波进行海上低空对流层大气折射率剖面的反演(RFC)是一种海上对流层波导的遥感反演技术。RFC技术以岸基、舰载雷达正常工作过程中获得的海杂波数据为基础，采用有效的反演模型和算法对雷达探测范围内的低空大气折射率剖面参数进行反演，其中需要用到海杂波数据与大气折射率环境之间的紧密映射关系(海杂波受折射率环境影响)。蒸发波导是一种典型的海上对流层波导，但是当蒸发波导高度(EDH)较低时传统的RFC方法反演精度较低，无法准确获取电波传播环境信息，严重影响雷达系统的作战性能。

发明内容

本发明针对海杂波功率随EDH变化的敏感性低，并且远距离海杂波信号由于杂噪比(CNR)较小将会淹没在噪声中，从而导致仅使用雷达海杂波反演蒸发波导大气折射率剖面的传统方法存在小EDH反演误差较大的情况，首先构建一种基于雷达海杂波和海上目标回波的多源反演数据集，在此基础上，提出一种从联合反演数据集出发的双流深度神经网络联合反演模型，提供了一种海上蒸发波导反演的新方法，支撑了海洋对流层波导遥感技术应用。

本发明采用如下技术方案：

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，其改进之处在于，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：