基于卷积神经网络的高频地波雷达有效波高反演

高频地波雷达海面回波多普勒谱中蕴含着非常丰富的海浪信息,针对经验模型通常存在对回波谱信息利用不充分的问题,本文提出了一种利用卷积神经网络反演波高的方法。首先基于雷达后向散射截面方程和有效波高反演的参数化经验模型,并结合实测数据分析,本文选取了二阶与一阶谱能量比值、二阶谱能量和、二阶与一阶谱峰值比、Bragg频率处无向波高谱值、二阶谱能量、二阶谱峰值、左右一阶谱峰值及其比值、■布拉格频率处峰值、一阶谱能量共11种与有效波高相关的回波谱特征参数;为进一步说明一阶和二阶信息对有效波高的作用,将11种特征参数分成4个组合,分别搭建了多层深度卷积神经网络并进行高频地波雷达有效波高反演;然后将高、低两种海况下多层深度卷积神经网络模型与经验模型反演结果进行对比分析。研究结果表明,利用11种特征参数构建的模型波高反演精度更高,在高、低海况测试集中雷达反演有效波高与浮标波高序列相关系数R分别为0.92和0.78,均方根误差(Root Mean Square Error,RMSE)分别为0.32 m和0.21 m,平均绝对误差(Mean Absolute Error,MAE)分别为0.25 m和0.16 m,平均相对误差(Mean Relative Error,MRE)分别为0.12和0.27。综合利用这11种特征参数,能够提高雷达在复杂海况下对有效波高的反演精度。

多站高频地波雷达目标检测研究

为了研究采用紧凑型接收天线的便携式高频地波雷达的目标检测性能并检验组网的可行性,于2013年底在渤海海域进行了雷达组网试验,并将获取的数据与船舶自动识别系统的数据进行了对比.对比结果表明:单站条件下目标漏检的情况经常发生,导致检测概率很低.而通过双站数据融合,可以将检测概率提高10~20个百分点,多数情况下,联合检测概率都超过了50%,最高时更是达到了80%,初步验证了便携式高频地波雷达组网探测目标的可行性.

组网高频地波雷达中电离层杂波分析及其抑制方法

组网高频地波雷达引入了多种收发模式,在增加探测信息量获取的同时使电离层杂波更加复杂。介绍了OSMAR071组网高频地波雷达系统,结合实测数据分析了组网条件下电离层杂波距离、多普勒分布特征,以及不同路径的电离层杂波及海洋回波的相关性。利用多路径杂波相关性远大于海洋回波的特性,提出了一种基于自适应滤波的杂波抑制方法,利用其他路径的电离层杂波估计杂波分量,从而实现杂波对消。雷达实测数据分析表明了上述分析的正确性以及杂波抑制方法的可行性和有效性。

强海杂波背景条件下海上目标检测方法

为了减少展宽的一阶海杂波谱对空间超分辨谱估计技术的影响,提高MUSIC算法的检测性能,用径向基神经网络实现海杂波预测和对消.利用神经网络的可对任意非线性函数模拟的特性,对展宽的海杂波进行模拟,用模拟后的结果实现一阶海杂波的对消,来满足MUSIC算法的应用条件.最后用MUSIC算法分辨海上目标的方位信息.实验结果表明,对消前后目标背景噪声子空间特征值发生改变,对消后更接近于MUSIC算法的假设条件,提高了MUSIC算法的检测性能,扩大了MUSIC算法的应用范围,实现在非高斯噪声背景条件下应用MUSIC算法检测目标.确定最小的相空间维数和时间间隔,采用更先进的神经网络算法,可以提高神经网络的预测速度.

基于BP神经网络的海上目标检测

为了减少展宽的一阶海杂波谱对空间超分辨谱估计技术的影响,提高MUSIC算法的检测性能,用BP神经网络实现海杂波预测和对消.利用神经网络的可对任意非线性函数模拟的特性,对展宽的海杂波进行模拟.用模拟后的结果实现一阶海杂波的对消,来满足MUSIC算法的应用条件.最后,用MUSIC算法分辨海上目标的方位信息.实验结果表明,对消前后目标背景噪声子空间特征值发生改变,对消后更接近于MUSIC算法的假设条件,提高了MUSIC算法的检测性能,扩大了MU-SIC算法的应用范围,实现在非高斯噪声背景条件下应用MUSIC算法检测目标.