基于回波谱建立特征值概率统计模型及天线自检的方法

摘要

本申请公开了一种基于回波谱建立特征值概率统计模型的方法，包括以下步骤：采集高频地波雷达接收的回波信号中的距离谱、多普勒谱和噪声谱；采用PCA算法提取特征值；建立特征值概率统计模型；本申请还公开了基于特征值概率统计模型进行天线自检的方法，包括以下步骤：设定天线的阈值；采集回波谱，并提取其特征值；计算出各个特征值的概率值；概率值求积；概率乘积分别与阈值进行比较，判断天线正常与否。本申请根据高频地波雷达实际运行过程工作经验的总结，结合计算机技术和软件化技术，利用接收回波特征，实现天线自检功能，减少人力成本，提高资料连续性，保障系统运行的稳定性和可靠性。

说明书

技术领域

本申请涉及海洋科学技术领域，特别是基于回波谱建立特征值概率统计模型 及天线自检的方法。

背景技术

高频地波雷达向海面发射电磁波，通过接收海面反射回来的回波，利用傅里 叶变换、多重信号分类法和主成分分析法等算法处理，实现海面动力环境(浅表 流场、低空风场和浪场)和海上目标环境信息的探测；高频地波雷达主要工作在 (3MHz-30MHz)的短波频段，利用短波的绕射特性，可以获取海平面以下的目标 信息，实现超视距探测；近年来随着计算机软件、硬件技术的发展，高频地波雷 达在浅表海流探测精度方面已满足业务探测要求，在风、浪探测方面也取得较快 的进步，高频地波雷达凭借探测距离远、时空连续等特点，逐步得到应用单位、 科研人员的关注。

高频地波雷达(阵列式)由发射机、信号机、工控机和天线组成，如图1所 示，其中高频地波雷达(阵列式)的天线由发射天线和多根接收天线组成，高频 地波雷达利用接收天线接收信号的相位信息实现目标信号的方位测量，即相控阵 技术，因此多根接收天线工作状态是否正常，直接关系到后续资料的质量及数据 处理结果的准确性。整个高频地波雷达系统在架设前，已完成系统的测试和检定， 保障系统的正确性，但高频地波雷达的工作环境都是布设在海边，特别是架设在 外面的天线部分，由于长期受到海风、海盐、温差的影响，会对接收天线结构、 电路板连接是否通畅造成影响，严重情况下，可能导致接收天线电路接触不良或 无法接收信号，因此需要定期检查天线工作状态，保障天线运行正常。高频地波 雷达天线检测采用定期巡检的方式，和值班人员定时观测的方式，这两种检测方 式一方面消耗大量的人力成本，造成工作效率低下，另一方面并不能及时检测到 天线是否工作正常，造成数据的不连续，给整个系统运行的可靠性带来严重的影 响，因此急需一种可以实现天线自动检测的技术，及时提供警报信息。目前暂未 见国内外关于高频地波雷达天线自检技术的报道。

申请内容

本申请要解决的技术问题是针对上述现有技术的不足，而提供基于回波谱建 立特征值概率统计模型及天线自检的方法。

为解决上述技术问题，本申请采用的技术方案是：

一种基于回波谱建立特征值概率统计模型的方法，包括以下步骤：

第一步，采集高频地波雷达接收的回波信号中的距离谱、多普勒谱和噪声谱；

第二步，采用PCA算法提取第一步中所述的距离谱、多普勒谱及噪声谱的特征 值；

第三步，根据第二步中得到的距离谱、多普勒谱及噪声谱的特征值，建立特征值 概率统计模型。

所述第三步中特征值概率统计模型为高斯模型。

所述第二步中包括以下步骤：

1)、分别计算距离谱、多普勒谱及噪声谱的协方差矩阵，该协方差矩阵为m 阶Hermitain矩阵；

2)、分别计算距离谱、多普勒谱及噪声谱的特征分解结构；

3)、分别计算距离谱、多普勒谱及噪声谱的主成分线性子空间和特征值矩阵。

所述第三步中包括以下步骤：

1)、分别计算距离谱、多普勒谱及噪声谱的特征值所对应样本集合的平均值；

2)、分别计算距离谱、多普勒谱及噪声谱的特征值所对应样本集合的标准方 差；

3)、根据距离谱的特征值、平均值、标准方差建立距离谱的高斯模型；

根据多普勒谱的特征值、平均值、标准方差建立多普勒谱的高斯模型；

基于回波谱特征值概率统计模型进行天线自检的方法，包括以下步骤：

第一步，设定天线接收回波信号中的距离谱、多普勒谱和噪声谱的阈值，分别记 为ε_R,ε_D,ε_N；

第二步，采集一段时间内回波信号中的距离谱、多普勒谱和噪声谱，并提取其特 征值；

第三步，根据特征值概率统计模型，分别计算出第二步中各个特征值的概率值； 第四步，将同一时间段内得到的多个距离谱特征值的概率值求积，将其乘积记为 P_R；

将同一时间段内得到的多个多普勒谱特征值的概率值求积，将其乘积记为 P_D；

将同一时间段内得到的多个噪声谱特征值的概率值求积，将其乘积记为P_N； 第五步，将第四步中的距离谱特征值概率乘积、多普勒普特征值概率乘积和噪声 谱特征值概率乘积分别与第一步中的阈值进行比较，若P_R＞ε_R,P_D＞ε_D,P_N＞ε_N同 时满足，则天线正常，否则天线异常。

所述基于回波谱特征值概率统计模型进行天线自检的方法第二步中包括以 下步骤：

1)、分别计算距离谱、多普勒谱及噪声谱的协方差矩阵；

2)、分别计算距离谱、多普勒谱及噪声谱的特征分解结构；

3)、分别计算距离谱、多普勒谱及噪声谱的主成分线性子空间和特征值矩阵。

所述基于回波谱特征值概率统计模型进行天线自检的方法第三步中包括以 下步骤：

1)、分别计算距离谱、多普勒谱及噪声谱的特征值所对应样本集合的平均值；

2)、分别计算距离谱、多普勒谱及噪声谱的特征值所对应样本集合的标准方 差；

3)、根据距离谱的特征值、平均值、标准方差建立距离谱的高斯模型；

根据多普勒谱的特征值、平均值、标准方差建立多普勒谱的高斯模型；

根据噪声谱的特征值、平均值、标准方差建立噪声谱的高斯模型；

4)、将距离谱、多普勒谱和噪声谱的特征值代入各自的高斯模型中，分别计 算出距离谱、多普勒谱和噪声谱特征值的概率值。

本申请采用上述方案后具有如下技术效果：

本申请根据高频地波雷达实际运行过程工作经验的总结，结合计算技术和软 件技术，利用接收回波特征，实现天线自检功能，减少人力成本，提高资料连续 性，保障系统运行的稳定性和可靠性。

附图说明

图1是本申请所述的高频地波雷达系统工作图；

图2是本申请基于回波谱的特征建立特征值概率统计模型及天线自检方法的流 程图；

图3是本申请所述正常的实测距离谱；

图4是本申请所诉正常的实测多普勒谱；

图5是本申请所述正常的实测噪声谱；

图6是本申请所述异常的实测距离谱；

图7是本申请所述异常的实测多普勒谱；

图8是本申请所述异常的实测噪声谱。

具体实施方式

为使本申请的目的和技术方案更加清楚，下面将结合本申请实施例对本申请 的技术方案进行清楚、完整地描述。显然，所描述的实施例是本申请的一部分实 施例，而不是全部的实施例。基于所描述的本申请的实施例，本领域普通技术人 员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范 围。

高频地波雷达接收天线检测，是利用信号源通过馈线连接发射天线向外辐射 信号，由接收天线接收发射信号，通过对比接收信号和发射信号，判定接收天线 是否符合规范标准。

本申请的基于回波谱特征的天线自检方法，是利用距离谱、多普勒谱和噪声 谱的特征信息，实现各通道天线的自检和预警，该方法首先是在监测设备正常工 作的情况下，基于回波谱建立特征值概率统计模型，包括以下步骤：

第一步，采集高频地波雷达接收的回波信号中的距离谱、多普勒谱和噪声谱；

根据监测设备的接收机工作状态(电流值、电压值、温度值)、发射机工作 状态(电流值、电压值、温度值、天线驻波值、功率值)，判断监测设备状态是 否正常，在监测设备状态正常的情况下，采集一批距离谱R(m,n)、利用快速傅 里叶变换估计出多普勒谱D(m,n)及各通道噪声谱并将其存储(m代表频点数，n 代表样本数)，如图3、4、5所示，依次为正常情况下实测的距离谱、多普勒谱 和噪声谱。

第二步，采用PCA算法提取第一步中所述的距离谱、多普勒谱及噪声谱的 特征值；

首先计算距离谱R的协方差矩阵，即：

${\Sigma }_R=\frac{1}{n-1}{\mathrm{RR}}^H---\left(1\right)$

其中Σ_R代表矩阵R的协方差矩阵，n代表样本数，H代表矩阵共轭转置。 该协方差矩阵为m阶Hermitain矩阵，其特征分解结构为：

${\Sigma }_R=\underset{k=l}{\overset{m}{\Sigma }}{\lambda }_k{V}_k{V}_k^H---\left(2\right)$

其中k代表频点，m代表频点数，λ_k,V_k为矩阵Σ_R的特征值及特征矢量，且 λ₁＞λ₂＞λ₃＞....＞λ_m，取前三个特征矢量构成主成分线性子空间，即：

S_R＝span(V₁,V₂,V₃)      (3)

其中S_R代表向量V₁,V₂,V₃张成的线性子空间。

将距离谱R投影到该线性子空间，即可得到一系列所需要的距离谱特征值的 样本集合，即

L_R＝RS_R      (4)

其中L_R代表由距离谱R对应的特征值组成的矩阵；其矩阵结构如下：

$L_R=\left(\begin{array}{ccc}{L}_R\left(\mathrm{1,1}\right)& L_R\left(\mathrm{1,2}\right)& L_R\left(\mathrm{1,3}\right)\\ ...& ...& ...\\ L_R(m,1)& L_R(m,2)& L_R(m,3)\end{array}\right)---\left(5\right)$

该矩阵每一行代表某一距离谱样本的三个特征值，每一列代表某一特征值的 样本序列。

利用以上方法亦可以得到多普勒特征值矩阵L_D和主成分线性子空间矩阵S_D及噪声谱特征值矩阵L_N和主成分线性子空间矩阵S_N。

第三步，根据第二步中得到的距离谱、多普勒谱及噪声谱的特征值，建立特 征值概率统计模型。

在上一步骤中我们从距离谱中提取出了三个特征值，下面将分别建立此三个 特征值的概率统计模型，分别记为P_R,1,P_R,2,P_R,3。

在模型的选择当中，我们利用了经验风险最小的策略选择了高斯模型，即

$P_{R,1}\left(x_1\right)=\frac{1}{\sqrt{2\pi }{\sigma }_1}\exp (-\frac{{(x_1-u_1)}^2}{2{{\sigma }_1}^2})$

$P_{R,2}\left(x_2\right)=\frac{1}{\sqrt{2\pi }{\sigma }_2}\exp (-\frac{{(x_2-u_2)}^2}{2{{\sigma }_2}^2})$

$P_{R,3}\left(x_3\right)=\frac{1}{\sqrt{2\pi }{\sigma }_3}\exp (-\frac{{(x_3-u_3)}^2}{2{{\sigma }_3}^2})---\left(6\right)$

上式中x₁,x₂,x₃为距离谱的三个特征值，u₁,u₂,u₃为距离谱每个特征值对应样 本集合的平均值，计算公式如下：

u₁＝[L_R(1,1)+L_R(2,1)+...L_R(m,1)]/m

u₂＝[L_R(1,2)+L_R(2,2)+...L_R(m,2)]/m

u₃＝[L_R(1,3)+L_R(2,3)+...L_R(m,3)]/m      (7)

σ₁,σ₂,σ₃为距离谱每个特征值对应样本集合的标准方差，计算公式如下：

${\sigma }_1=\sqrt{\frac{1}{m-1}\underset{i=1}{\overset{m}{\Sigma }}{[L_R(i,1)-u_1]}^2}$

${\sigma }_2=\sqrt{\frac{1}{m-1}\underset{i=1}{\overset{m}{\Sigma }}{[L_R(i,2)-u_2]}^2}$

${\sigma }_3=\sqrt{\frac{1}{m-1}\underset{i=1}{\overset{m}{\Sigma }}{[L_R(i,3)-u_3]}^2}---\left(8\right)$

同理可以获取多普勒谱特征值对应的概率模型P_D,1,P_D,2,P_D,3及噪声谱特征值对 应的概率模型P_N,1,P_N,2,P_N,3。

接下来，给定一段监测时间，基于以上建立的特征值概率统计模型进行天线 自检，包括以下步骤：

第一步，设定天线接收回波信号中的距离谱、多普勒谱和噪声谱的阈值，分 别记为ε_R,ε_D,ε_N；

第二步，采集一段时间内回波信号中的距离谱、多普勒谱和噪声谱，并提取 其特征值；积累距离谱数据r，估计多普勒谱数据d及噪声谱数据n；利用以上 步骤中得到的主成分线性子空间提取其特征值，即：

x_r＝rS_R

x_d＝dS_D            (9)

x_n＝nS_N

其中x_r,x_d,x_n代表距离谱、多普勒谱及噪声谱对应的特征值。

第三步，根据特征值概率统计模型，分别计算出第二步中各个特征值的概率 值；

距离谱的特征值概率记为P_R,1(x_r(1)),P_R,2(x_r(2)),P_R,3(x_r(3))，多普勒谱的特征 值概率记为P_D,1(x_d(1)),P_D,2(x_d(2)),P_D,3(x_d(3))，噪声谱的特征值概率记为 P_N,1(x_n(1)),P_N,2(x_n(2)),P_N,3(x_n(3))。

第四步，将同一时间段内得到的多个距离谱特征值的概率值求积，将其乘积 记为P_R；

将同一时间段内得到的多个多普勒谱特征值的概率值求积，将其乘积记为 P_D；

将同一时间段内得到的多个噪声谱特征值的概率值求积，将其乘积记为P_N；

距离谱特征值概率积P_R＝P_R,1(x_r(1))*P_R,2(x_r(2))*P_R,3(x_r(3))；

多普勒普特征值概率积P_D＝P_D,1(x_d(1))*P_D,2(x_d(2))*P_D,3(x_d(3))；

噪声谱特征值概率积P_D＝P_D,1(x_d(1))*P_D,2(x_d(2))*P_D,3(x_d(3))；

第五步，将第四步中的距离谱特征值概率乘积、多普勒普特征值概率乘积和 噪声谱特征值概率乘积分别与第一步中的阈值进行比较，若 P_R＞ε_R,P_D＞ε_D,P_N＞ε_N同时满足，则天线正常，否则天线异常。

自此天线自检完毕。

本申请中监测如图1所示的信号机工作状态、发射机工作状态，判断监测设 备状态是否正常。在确保整个检测设备正常运行的情况下，通过一段时间观测数 据的统计，首先获取正确的距离谱、多普勒谱和噪声谱，如图3、4、5所示，为 正常情况下特征值的概率统计模型。经过一段时间监测，如果设备工作状态异常， 监测到其异常的距离谱、多普勒谱和噪声谱，如图6、7、8所示。

图中单位的表示意思解释：图中功率单位是对功率取对数后绘制的结果， 单位为dBW；距离元：距离索引，实例中每个距离元间隔为5公里。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括 技术术语和科学术语)具有与本申请所属领域中的普通技术人员的一般理解相同 的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与 现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想 化或过于正式的含义来解释。

本申请中所述的“和/或”的含义指的是各自单独存在或两者同时存在的情 况均包括在内。

本申请中所述的“连接”的含义可以是部件之间的直接连接也可以是部件间 通过其它部件的间接连接。

以上述依据本申请的理想实施例为启示，通过上述的说明内容，相关工作人 员完全可以在不偏离本项申请技术思想的范围内，进行多样的变更以及修改。本 项申请的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确 定其技术性范围。