(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111639973.6 (22)申请日 2021.12.2 9 (71)申请人 哈尔滨工业大 学 （威海） 地址 264209 山 东省威海市文化西路2号 (72)发明人 于长军　王榕　刘爱军　李晓东　 权太范　 (74)专利代理 机构 北京云嘉 湃富知识产权代理 有限公司 1 1678 代理人 阮文 (51)Int.Cl. G01S 7/41(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于人工神经网络的HFSWR多海 况有效波高 提取方法与装置 (57)摘要 本发明属于雷达、 海态遥感与人工智能技术 领域， 公开了基于人工神经网络的HFSWR多海况 有效波高提取方法与装置。 通过 获取并分析雷达 海浪回波信号的一阶谱、 二阶谱及雷达海浪回波 信号与有效波高的关系特性， 确定不同海况下的 有效波高提取方案以及神经网络分类器的分类 特征； 通过引入双无迹卡尔曼滤波器， 对长短时 记忆神经网络中的可调参数进行递归估计， 对有 效波高的时间序列进行去噪， 最终依据HFSWR的 海浪回波信号识别不同的海况信息并进行有效 波高提取。 本发 明充分融合了基于海浪回波一阶 谱和二阶谱的有效波高提取方法， 进而实现了多 海况下HFSWR的有效波高提取， 在该研究领域中 取得了新 突破。 权利要求书4页 说明书11页 附图4页 CN 114296046 A 2022.04.08 CN 114296046 A 1.一种基于人工神经网络的HFSWR多海况有效波高提取方法， 其特征在于， 所述基于人 工神经网络的HFSWR多海况有效波高提取方法通过获取并分析雷达海浪回波信号的一阶 谱、 二阶谱及HFSWR海浪回波信号与有效波高的关系特性， 确定不同海况下的有效波高提取 方案以及神经网络分类 器的分类特 征； 通过引入双无迹卡尔曼滤波器， 对长短时记忆神经网络中的可调参数进行递归估计， 对有效波高的时间序列进行去噪； 最终依据HFSWR的海浪回波信号识别不同的海况信息并 进行有效波高提取。 2.根据权利要求1所述的基于人工神经网络的HFSWR多海况有效波高提取方法， 其特征 在于， 所述基于人工神经网络的HFSWR多海况有效波高提取 方法具体包括以下步骤： 步骤一， 利用HFSWR系统获取HFSWR回波信号； 步骤二， 在雷达回波中抑制电台干扰； 步骤三， 获取海浪回波一阶谱和二阶谱； 步骤四， 多海况信息的确定； 步骤五， 多海况 下的有效波高提取； 步骤六， 对提取的有效波高进行去噪。 3.根据权利要求2所述的基于人工神经网络的HFSWR多海况有效波高提取方法， 其特征 在于， 所述步骤一利用HFSWR系统获取HFSWR回波信号具体包括： HFSWR接收机将均匀直线接 收天线阵接收到的雷达回波信号进 行混频和滤波， 并经A/D 变换后进 行正交变换， 得到回波 信号的复信号； 然后对复信号进行脉压处理， 再将距离数据按时间积累进行多普勒处理得 到速度信息， 最后进行 数字波束的形成， 获得HFSWR距离 ‑多普勒频谱图； 所述步骤二在雷达回波中抑制电台干扰包括： 电台干扰在距离 ‑多普勒频谱图上具有 确定的方向和距离门特征， 根据电台干扰在距离 ‑多普勒频谱图上确定的方向和距离门特 征剔除回波信号中的电台干扰。 4.根据权利要求2所述的基于人工神经网络的HFSWR多海况有效波高提取方法， 其特征 在于， 所述步骤三 获取海浪回波一阶谱和二阶谱 具体包括： 利用布拉格频率确定HFSW R海浪 回波一阶布拉格峰和二阶布拉格峰在频谱中的位置， 进行一阶谱、 二阶谱的获取； 当海浪满足布拉格散射条件时， 得到由雷达载波频率f0表示的多普勒频率 为： ωB＝2 π fB 其中， λ为雷达 发射电磁波的波长， g为重力加速度， fB为布拉格频率， 单位为Hz， ωB为布 拉格峰的角频率； “+”代表海浪的传播方向为朝向雷达， “‑”代表海浪的传播方向为背离雷 达； 一阶布拉格峰在频谱中的理论 位置为： 二阶布拉格峰在频谱中的理论 位置为： 权　利　要　求　书 1/4 页 2 CN 114296046 A 2根据一阶布拉格峰在频谱中的理论位置、 二阶布拉格峰在频谱中的理论位置分别确定 海浪回波一阶谱、 二阶谱的频谱 范围， 分离出海浪回波一阶谱和二阶谱； 最 终获取海浪回波 一阶谱和二阶谱。 5.根据权利要求2所述的基于人工神经网络的HFSWR多海况有效波高提取方法， 其特征 在于， 所述步骤四多海况信息的确定具体包括： 利用海浪回波数据进行神经网络分类器分 类特征的提取， 提取的分类特征为布拉格频率处的无向波高谱值QB和海浪回波频谱中二阶 谱与一阶谱能量比值 R； 其中， 海浪回波 频谱中二阶谱与一阶谱能量比值即HFSW R距离‑多普 勒频谱图中二阶谱与一阶谱能量比值， 记为R＝P2/P1； 利用海浪回波一阶谱获取布拉格角频率处的无向波高谱值， 为： B+和B‑分别是海浪回波一阶谱左右一阶峰的强度， s的典型值为2； ξ为给定的探测距离， 为常数， Λc为归一化因子； 将上述无向波高谱值QB和海浪回波中二阶谱与一阶谱能量比值R两个分类特征的数据 经滑动平均滤波器预处理后， 作为径向基神经网络分类器的输入； 径向基神经网络分类器 的输出为海况类别的类标签， 训练数据的类标签由浮标测量有效波高数据和公式 确定； 其中k0为雷达波数， h是均方根波高； 使用由雷达数据获得的分类特 征和由浮标数据获得的类标签作为训练数据对径向基神经网络 分类器进 行训练， 训练算法 采用正交最小二乘法， 使用训练好的径向基神经网络分类 器确定海况信息 。 6.根据权利要求2所述的基于人工神经网络的HFSWR多海况有效波高提取方法， 其特征 在于， 所述步骤五多海况下 的有效波高提取具体包括： 依据海况信息选取基于海浪回波二 阶谱的有效波高提取算法或者基于海浪回波一 阶谱的有效波高提取算法进行有效波高提 取； 然后使用递归神经网络对提取 的有效波高时间序列进行建模， 结合无迹卡尔曼滤波器 对该有效波高时间序列进行去噪； 所述基于海浪回波二阶谱的有效波高提取算法为： 其中Hs为有效波高， σ(1)和σ(2)分别是一阶和二阶散射截 面积， k0是雷达波数， ωd和ωB分 别是多普勒频移和布拉格频率； W(ωd/ωB)是一个权重函数， 当0.5≤|ωd/ωB|≤1.5时可 以视为常数， N是基底噪声的谱密度， ξ 是拟合 参数； 所述基于海浪回波一阶谱的有效波高提取算法为： 其中α和β 是拟合参数， 通过最小均方算法确定， 基于海浪回波二阶谱的有效波高提取权　利　要　求　书 2/4 页 3 CN 114296046 A 3