[发明专利]一种基于回归模型的三角反射器优化方法

说明书

本发明提出了一种基于回归模型的三角反射器优化方法，能够根据实战需要设定不同的优化目标函数及目标函数值，快速得到优化结果，其优化精度亦满足工程设计需求。通过建立三角反射器阵列结构参数与RCS特性的回归模型，作为三角反射器优化设计中RCS特性“求解器”，解决了基于电磁仿真计算进行优化存在的计算规模巨大的难题，并可根据实战需要设定不同的优化目标函数及目标函数值，快速得到优化结果，其优化精度亦满足工程设计需求。

技术领域

本发明涉及信号特征控制技术领域，具体涉及一种基于回归模型的三角反射器优化方法。

背景技术

三角反射器具有强反射回波、对雷达极化不敏感以及多频段适用性好等特点，已经广泛应用于无源干扰及定标体装备中。常见的三角形三面角反射器由三面相互垂直的三角形平板组成，可在约40度的观察角内产生较大的雷达散射截面(RCS)，军事领域中利用三角反射器组阵假目标及靶标的方式多见双层环形布设、正多面体布设等形式。存在的主要问题：一是随着侦察卫星、电子侦察飞机的高效性和时效性，固定式假目标的实战效能出现“断崖式”下降；二是三角反射器阵列RCS起伏振荡范围较大，导致干扰效能减弱及武器系统的定位误差；三是常见三角反射器组阵假目标存在的架设时间长、人员需求多等缺点导致不能满足应急作战需求。

为了提高三角反射器用作军事假目标的效能，出现了不少改进型的三角反射器设计。比如，将三角反射器的垂直面分解成多个叶片，通过旋转叶片角度改变RCS特征；在三角反射器反射面确定半椭圆形凹陷结构、梯形切割等方式改进RCS特征；在三角反射器表面涂覆吸波涂层改进RCS特征。三角反射器阵列组阵方式研究多集中在卫星及机载激光测距领域，对三角反射器组阵假目标的研究不多。现有技术中大多是基于对改变结构的三角反射器进行仿真计算，得到对应RCS特性，进而选择三角反射器的结构改变参数。存在以下问题：

常见三角反射器设计中多采取的是变量间隔采样测试的方法寻优，结论说服力不高。三角反射器阵列设计中的仿真计算量问题与计算资源、设计时效比的矛盾难以解决。

发明内容

有鉴于此，本发明提出了一种基于回归模型的三角反射器优化方法，能够根据实战需要设定不同的优化目标函数及目标函数值，快速得到优化结果，其优化精度亦满足工程设计需求。

为实现上述目的，本发明的技术方案为：

本发明的一种基于回归模型的三角反射器优化方法，包括如下步骤：

步骤一：选择目标RCS求解方法；

步骤二：确定三角反射器阵列结构参数；根据三角反射器几何结构和阵列方式，确定优化变量及变量范围；

步骤三：基于改进的格栅序列法，以空间填充方式对步骤二确定的优化变量进行数据采样，得到采样数据；

步骤四：利用步骤三的采样数据建立三角反射器阵列，采用步骤一确定的目标RCS求解方法，通过电磁仿真计算得到三角反射器阵列RCS特性基础数据；

步骤五：将步骤三的采样数据和步骤四的RCS特性基础数据作为神经网络学习的样本数据，建立结构参数和目标RCS特性的回归模型；具体方式为搭建神经网络学习环境，将步骤三的第1组变量采样点、步骤四的三角反射器RCS特性基础数据合并，作为神经网络学习的样本数据，基于Levenberg-Marquardt反向传播算法进行神经网络训练并生成变量与RCS特性的回归模型；

步骤六：根据用户需求设置优化目标函数，根据目标函数数量、性质及相互关系选择优化算法，使用步骤五的回归模型作进行智能优化并得到优化结果。

其中，所述步骤一中，根据三角反射器阵列的几何结构和作战对象工作频率，考虑求解精度和优化时效比，选择三角反射器阵列RCS求解方法。