CN117554920A - 一种水面探测方法、装置、存储介质及电子设备 - Google Patents
一种水面探测方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN117554920A CN117554920A CN202410043652.7A CN202410043652A CN117554920A CN 117554920 A CN117554920 A CN 117554920A CN 202410043652 A CN202410043652 A CN 202410043652A CN 117554920 A CN117554920 A CN 117554920A
- Authority
- CN
- China
- Prior art keywords
- water surface
- radar
- target water
- fluctuation state
- sample
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 144
- 238000001514 detection method Methods 0.000 title claims abstract description 87
- 238000003860 storage Methods 0.000 title claims abstract description 22
- 239000000523 sample Substances 0.000 claims description 49
- 238000000034 method Methods 0.000 claims description 41
- 230000015654 memory Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 15
- 238000001228 spectrum Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 3
- 230000007787 long-term memory Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000036039 immunity Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000030808 detection of mechanical stimulus involved in sensory perception of sound Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/417—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section involving the use of neural networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本说明书公开了一种水面探测方法、装置、存储介质及电子设备。在本说明书提供的水面探测方法中，通过雷达向目标水面发送探测信号，并接收所述探测信号在所述目标水面上反射的回波信号；将所述回波信号输入预先训练的预测模型，得到所述预测模型输出的所述目标水面的预估波动状态；根据所述预估波动状态调整所述雷达的姿态，并采用调整后的雷达继续探测所述目标水面。
Description
技术领域
本说明书涉及雷达技术领域，尤其涉及一种水面探测方法、装置、存储介质及电子设备。
背景技术
海洋中存在丰富多样的资源，对海洋进行探索是科学与经济发展中不可缺少的一环。其中，对水下装备的通信与探测对海洋开发具有重要意义。由于电磁波在水下的快速衰减，常规的电磁通信方式无法在水下应用。水下装备与外部世界的无线通信是海洋技术领域中亟待解决的重要难题，也是远洋开发利用的关键技术支撑。
目前，声波可以在水面上激励出幅度为亚微米级的微幅波，对该微幅波的探测有望实现更为困难的水下装备对外界的通信与探测。然而，海面时刻充满了随机变化的波浪。这些波浪使得毫米波/太赫兹雷达系统雷达回波信号中出现干扰甚至无法接收到水面回波，影响海面上的雷达电磁波对水面微弱振动信号的探测。
因此，如何在水面上实现准确地雷达探测是一个亟待解决的问题。
发明内容
本说明书提供一种水面探测方法、装置、存储介质及电子设备，以至少部分地解决现有技术存在的上述问题。
本说明书采用下述技术方案：
本说明书提供了一种水面探测方法，包括：
通过雷达向目标水面发送探测信号，并接收所述探测信号在所述目标水面上反射的回波信号；
将所述回波信号输入预先训练的预测模型，得到所述预测模型输出的所述目标水面的预估波动状态；
根据所述预估波动状态调整所述雷达的姿态，并采用调整后的雷达继续探测所述目标水面。
可选地，通过雷达向目标水面发送探测信号，并接收所述探测信号在所述目标水面上反射的回波信号，具体包括：
通过雷达的发射天线向目标水面发送探测信号，并通过所述雷达的接收天线阵列接收所述探测信号在所述目标水面上反射的回波信号，其中，所述接收天线阵列为二维分布。
可选地，在将所述回波信号输入预先训练的预测模型之前，所述方法还包括：
对所述回波信号进行预处理，所述预处理包括但不限于数据清洗、降噪、归一化处理。
可选地，根据所述预估波动状态调整所述雷达的姿态，具体包括：
根据所述预估波动状态以及所述雷达与所述目标水面之间的距离，调整所述雷达的姿态，以使所述雷达在探测所述目标水面时满足指定目标。
可选地，所述指定目标包括最大可信度、最大抗干扰能力、最高探测率中的至少一种。
可选地，所述预测模型为基于长短期记忆LSTM网络构建的神经网络模型。
可选地，预先训练预测模型，具体包括：
获取样本雷达参数以及样本海浪谱；
采用所述样本海浪谱对水面进行仿真，得到样本水面，并确定所述样本水面的标注波动状态；
通过采用所述样本雷达参数的雷达对所述样本水面发送探测信号，并接收所述探测信号在所述样本水面上反射的样本回波信号；
将所述样本回波信号输入待训练的预测模型，得到所述预测模型输出的所述样本水面的待优化预估波动状态；
以所述预估波动状态与所述标注波动状态之间的差异最小为优化目标，对所述预测模型进行训练。
本说明书提供的一种水面探测装置，所述装置包括：
发送模块，用于通过雷达向目标水面发送探测信号，并接收所述探测信号在所述目标水面上反射的回波信号；
预测模块，用于将所述回波信号输入预先训练的预测模型，得到所述预测模型输出的所述目标水面的预估波动状态；
调整模块，用于根据所述预估波动状态调整所述雷达的姿态，并采用调整后的雷达继续探测所述目标水面。
本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述水面探测方法。
本说明书提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述水面探测方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果：
在本说明书提供的水面探测方法中，通过雷达向目标水面发送探测信号，并接收所述探测信号在所述目标水面上反射的回波信号；将所述回波信号输入预先训练的预测模型，得到所述预测模型输出的所述目标水面的预估波动状态；根据所述预估波动状态调整所述雷达的姿态，并采用调整后的雷达继续探测所述目标水面。
在采用本说明书提供的水面探测方法采用雷达探测目标水面时，可接收由雷达发射的探测信号在目标水面上反射形成的回波信号，并采用预先训练的预测模型根据回波信号预测下一时刻目标水面的预估波动状态；根据预估波动状态调整雷达的姿态，并在下一时刻采用调整后的雷达再次探测目标水面。采用本方法可在雷达向目标水面发射探测信号之前预先分析目标水面可能形成的预估波动状态，并将雷达的姿态调整为与预估波动状态相匹配的姿态，以在下一时刻进行探测时达到需要的探测效果。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：
图1为本说明书中一种水面探测方法的流程示意图；
图2为本说明书中列举的一种采用雷达探测海洋的示意图；
图3为本说明书提供的一种水面探测装置的示意图；
图4为本说明书提供的对应于图1的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动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。
以下结合附图，详细说明本说明书各实施例提供的技术方案。
图1为本说明书中一种水面探测方法的流程示意图，具体包括以下步骤：
S100：通过雷达向目标水面发送探测信号，并接收所述探测信号在所述目标水面上反射的回波信号。
本说明书所提供的水面探测方法中的所有步骤均可由任何具有计算功能的电子设备实现，例如终端、服务器等设备。
本说明书所提供的水面探测方法主要用于对海洋水面进行雷达探测。基于此，可在此步骤中，首先通过雷达向需要探测的目标水面发送探测信号。其中，目标水面可以是海洋上的任一预设区域中的水面。可以想到的，对于处于不同位置、不同参数的雷达，其负责探测的海洋区域也会不同，因此目标水面所在的预设区域也可不同。
一般地，雷达可位于如飞机或卫星等装置上。图2为一种采用雷达对海洋进行探测的示意图。如图2所示，飞机上的雷达会向水面发射探测信号，并接收由探测信号在水面上反射后得到的回波信号。由于海洋表面存在各种各样的海浪，影响对水下设备发出的声波等的探测。在水面波动的影响下，探测信号在水面上的反射变得十分随机，难以接收到有效、可靠的回波信号。
通常情况下，雷达会按照预设周期不间断地向目标水面发射探测信号，并接收到回波信号，实时更新海面的状态。其中，雷达发射探测信号的预设周期可根据具体需求进行设置，且不同时刻向目标水面发射的探测信号一般相同，本说明书对此不做具体限制。更进一步地，为获得更好地探测效果，可在雷达中设置两种不同的天线，分别用于信号的发送与接收。具体地，可通过雷达的发射天线向目标水面发送探测信号，并通过所述雷达的接收天线阵列接收所述探测信号在所述目标水面上反射的回波信号，其中，所述接收天线阵列为二维分布。
发射天线可用于向目标水面发射指定频率的探测信号，接收天线可用于接收由目标水面返回的回波信号。考虑到接收回波信号时可能出现误差或错误等情况，仅依靠单一通道接收回波信号并不能保证信号质量。因此，可设置多通道，也就是多个接收天线，即接收天线阵列。其中，接收天线阵列中的各接收天线的规格与参数相同，分布位置不同。一般地，各接收天线可呈二维分布，以行、列的形式较为规律的分布在雷达上，以便于对各接收天线获取到的回波信号进行整合。
S102：将所述回波信号输入预先训练的预测模型，得到所述预测模型输出的所述目标水面的预估波动状态。
在步骤S100中接收到由探测信号在目标水面上反射得到的回波信号后，可在此步骤中，采用预先训练的预测模型，根据回波信号对目标水面的波动状态进行预测，得到预估波动状态。
其中，预测模型的作用为，以当前时刻下雷达向目标水面发送探测信号后，接收到的回波信号作为输入，对经过预设周期后，也就是下一时刻雷达向目标水面发送探测信号时，目标水面的预估波动状态。
额外的，为了进一步提高预测模型输出的预估波动状态的准确度，可在将回波信号输入到预测模型中之前，对回波信号进行一定的预处理。在实际应用时，根据不同的需求，进行的预处理可有所不同。具体地，预处理可包括例如数据清洗，即对接收到的多通道下的回波信号进行筛选，过滤到存在错误的回波信号；还可包括对回波信号进行降噪处理，减少接收到的回波信号中存在的噪声；还可包括归一化处理，即对接收到的各通道下的回波信号进行整合与归一化。
S104：根据所述预估波动状态调整所述雷达的姿态，并采用调整后的雷达继续探测所述目标水面。
在步骤S102中得到预测模型输出的目标水面的预估波动状态后，可在此步骤中，根据目标水面的预估波动状态对雷达的姿态进行调整，并采用调整后的雷达继续探测目标水面，也就是在下一时刻到来时再次向目标水面发射探测信号。
一般地，在雷达回波接触目标物发生反射时，信号所在直线与目标物平面所在直线越趋于垂直，也就是入射角越接近零度，发生反射时的单站雷达接收回波偏离越小强度越大。当入射角大于某一阈值角度时，就会发生完全偏离，单站雷达无法接收到波动水面的反射回波。基于此，可根据预测模型输出的下一时刻的目标水面的预估波动状态，调整雷达的姿态，也就是雷达上的发射天线和接收天线在各方向上的角度，例如俯仰角、偏航角、滚转角等，根据具体需求的不同可进行不同的调节。通过调整雷达的姿态，可以使雷达在下一时刻发射探测信号以及接收回波信号时，发射天线与接收天线的角度与下一时刻水面的预估波动状态相匹配，以达到最好的探测效果。
额外的，在调整雷达的位姿时，还需要考虑雷达所在的位置。具体地，可根据所述预估波动状态以及所述雷达与所述目标水面之间的距离，调整所述雷达的姿态，以使所述雷达在探测所述目标水面时满足指定目标。
在不同的需求下，对海洋进行探测时需要得到的结果不同，也就是有着不同的指定目标。例如，需要探测结果可信程度最高，或者抗干扰能力最强，或者探测率最高等。在已经得到下一时刻目标水面的预估波动状态的情况下，结合雷达与目标水面之间的距离，调整雷达在各方向上的角度，以实现需要的指定目标。
在采用本说明书提供的水面探测方法采用雷达探测目标水面时，可接收由雷达发射的探测信号在目标水面上反射形成的回波信号，并采用预先训练的预测模型根据回波信号预测下一时刻目标水面的预估波动状态；根据预估波动状态调整雷达的姿态，并在下一时刻采用调整后的雷达再次探测目标水面。采用本方法可在雷达向目标水面发射探测信号之前预先分析目标水面可能形成的预估波动状态，并将雷达的姿态调整为与预估波动状态相匹配的姿态，以在下一时刻进行探测时达到需要的探测效果。
进一步地，由于海面波动满足一定的统计和物理特性，其变化在时间及空间维度上具有的连续性和可预测性，可以通过历史数据对未来一定时间范围内的波动进行预测。而长短期记忆（Long Short Term Memory，LSTM）网络是一种时间循环神经网络，适合于处理和预测时间序列中间隔和延迟非常长的事件。因此，在本方法中所采用的预测模型可基于LSTM网络来实现。
额外的，本方法所采用的预测模型可预先进行训练。具体地，可获取样本雷达参数以及样本海浪谱；采用所述样本海浪谱对水面进行仿真，得到样本水面，并确定所述样本水面的标注波动状态；通过采用所述样本雷达参数的雷达对所述样本水面发送探测信号，并接收所述探测信号在所述样本水面上反射的样本回波信号；将所述样本回波信号输入待训练的预测模型，得到所述预测模型输出的所述样本水面的待优化预估波动状态；以所述预估波动状态与所述标注波动状态之间的差异最小为优化目标，对所述预测模型进行训练。其中，样本海浪谱用于描述海浪内部能量相对于频率和方向分布的图谱，可采用利用PM海浪谱等，本说明书对此不做具体限制。
以上是本说明书提供的水面探测方法，基于同样的思路，本说明书还提供了相应的水面探测装置，如图3所示。
图3为本说明书提供的一种水面探测装置示意图，具体包括：
发送模块200，用于通过雷达向目标水面发送探测信号，并接收所述探测信号在所述目标水面上反射的回波信号；
预测模块202，用于将所述回波信号输入预先训练的预测模型，得到所述预测模型输出的所述目标水面的预估波动状态；
调整模块204，用于根据所述预估波动状态调整所述雷达的姿态，并采用调整后的雷达继续探测所述目标水面。
可选地，所述发送模块200，具体用于通过雷达的发射天线向目标水面发送探测信号，并通过所述雷达的接收天线阵列接收所述探测信号在所述目标水面上反射的回波信号，其中，所述接收天线阵列为二维分布。
可选地，所述装置还包括预先处理模块206，具体用于对所述回波信号进行预处理，所述预处理包括但不限于数据清洗、降噪、归一化处理。
可选地，所述调整模块204，具体用于根据所述预估波动状态以及所述雷达与所述目标水面之间的距离，调整所述雷达的姿态，以使所述雷达在探测所述目标水面时满足指定目标。
可选地，所述指定目标包括最大可信度、最大抗干扰能力、最高探测率中的至少一种。
可选地，所述预测模型为基于长短期记忆LSTM网络构建的神经网络模型。
可选地，所述装置还包括训练模块208，具体用于获取样本雷达参数以及样本海浪谱；采用所述样本海浪谱对水面进行仿真，得到样本水面，并确定所述样本水面的标注波动状态；通过采用所述样本雷达参数的雷达对所述样本水面发送探测信号，并接收所述探测信号在所述样本水面上反射的样本回波信号；将所述样本回波信号输入待训练的预测模型，得到所述预测模型输出的所述样本水面的待优化预估波动状态；以所述预估波动状态与所述标注波动状态之间的差异最小为优化目标，对所述预测模型进行训练。
本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的水面预测方法。
本说明书还提供了图4所示的电子设备的示意结构图。如图4所述，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的水面预测方法。当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
对于一个技术的改进可以很明显地区分是硬件上的改进（例如，对二极管、晶体管、开关等电路结构的改进）还是软件上的改进（对于方法流程的改进）。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件（ProgrammableLogic Device, PLD）（例如现场可编程门阵列（Field Programmable Gate Array，FPGA））就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器（logic compiler）”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言（HardwareDescription Language，HDL），而HDL也并非仅有一种，而是有许多种，如ABEL（AdvancedBoolean Expression Language）、AHDL（Altera Hardware Description Language）、Confluence、CUPL（Cornell University Programming Language）、HDCal、JHDL（JavaHardware Description Language）、Lava、Lola、MyHDL、PALASM、RHDL（Ruby HardwareDescription Language）等，目前最普遍使用的是VHDL（Very-High-Speed IntegratedCircuit Hardware Description Language）与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该（微）处理器执行的计算机可读程序代码（例如软件或固件）的计算机可读介质、逻辑门、开关、专用集成电路（Application Specific Integrated Circuit，ASIC）、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种水面探测方法，其特征在于，包括：
通过雷达向目标水面发送探测信号，并接收所述探测信号在所述目标水面上反射的回波信号；
将所述回波信号输入预先训练的预测模型，得到所述预测模型输出的所述目标水面的预估波动状态；
根据所述预估波动状态调整所述雷达的姿态，并采用调整后的雷达继续探测所述目标水面。
2.如权利要求1所述的方法，其特征在于，通过雷达向目标水面发送探测信号，并接收所述探测信号在所述目标水面上反射的回波信号，具体包括：
通过雷达的发射天线向目标水面发送探测信号，并通过所述雷达的接收天线阵列接收所述探测信号在所述目标水面上反射的回波信号，其中，所述接收天线阵列为二维分布。
3.如权利要求1所述的方法，其特征在于，在将所述回波信号输入预先训练的预测模型之前，所述方法还包括：
对所述回波信号进行预处理，所述预处理包括但不限于数据清洗、降噪、归一化处理。
4.如权利要求1所述的方法，其特征在于，根据所述预估波动状态调整所述雷达的姿态，具体包括：
根据所述预估波动状态以及所述雷达与所述目标水面之间的距离，调整所述雷达的姿态，以使所述雷达在探测所述目标水面时满足指定目标。
5.如权利要求4所述的方法，其特征在于，所述指定目标包括最大可信度、最大抗干扰能力、最高探测率中的至少一种。
6.如权利要求1所述的方法，其特征在于，所述预测模型为基于长短期记忆LSTM网络构建的神经网络模型。
7.如权利要求1所述的方法，其特征在于，预先训练预测模型，具体包括：
获取样本雷达参数以及样本海浪谱；
采用所述样本海浪谱对水面进行仿真，得到样本水面，并确定所述样本水面的标注波动状态；
通过采用所述样本雷达参数的雷达对所述样本水面发送探测信号，并接收所述探测信号在所述样本水面上反射的样本回波信号；
将所述样本回波信号输入待训练的预测模型，得到所述预测模型输出的所述样本水面的待优化预估波动状态；
以所述预估波动状态与所述标注波动状态之间的差异最小为优化目标，对所述预测模型进行训练。
8.一种水面探测装置，其特征在于，包括：
发送模块，用于通过雷达向目标水面发送探测信号，并接收所述探测信号在所述目标水面上反射的回波信号；
预测模块，用于将所述回波信号输入预先训练的预测模型，得到所述预测模型输出的所述目标水面的预估波动状态；
调整模块，用于根据所述预估波动状态调整所述雷达的姿态，并采用调整后的雷达继续探测所述目标水面。
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1~7任一项所述的方法。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1~7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410043652.7A CN117554920B (zh) | 2024-01-11 | 2024-01-11 | 一种水面探测方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410043652.7A CN117554920B (zh) | 2024-01-11 | 2024-01-11 | 一种水面探测方法、装置、存储介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117554920A true CN117554920A (zh) | 2024-02-13 |
| CN117554920B CN117554920B (zh) | 2024-04-02 |
Family
ID=89813298
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410043652.7A Active CN117554920B (zh) | 2024-01-11 | 2024-01-11 | 一种水面探测方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117554920B (zh) |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005003611A (ja) * | 2003-06-13 | 2005-01-06 | Japan Radio Co Ltd | レーダ波浪観測装置 |
| CN1566983A (zh) * | 2003-06-30 | 2005-01-19 | 武汉大学 | 一种利用海洋回波进行阵列通道校正的方法 |
| JP2006220451A (ja) * | 2005-02-08 | 2006-08-24 | Mitsubishi Electric Corp | レーダ装置 |
| US20100315284A1 (en) * | 2009-09-02 | 2010-12-16 | Trizna Dennis B | Method and apparatus for coherent marine radar measurements of properties of ocean waves and currents |
| CN109490867A (zh) * | 2018-12-25 | 2019-03-19 | 北京理工大学 | 水面目标偏振遥感探测能力评价方法 |
| CN109557538A (zh) * | 2018-12-26 | 2019-04-02 | 哈尔滨工业大学 | 基于海用相参雷达测量海浪参数的方法 |
| CN112285699A (zh) * | 2020-12-25 | 2021-01-29 | 之江实验室 | 一种水下跨介质通信以及水面目标检测跟踪的一体化系统 |
| CN112835045A (zh) * | 2021-01-05 | 2021-05-25 | 北京三快在线科技有限公司 | 一种雷达探测方法、装置、存储介质及电子设备 |
| CN113359207A (zh) * | 2021-06-03 | 2021-09-07 | 中国人民解放军国防科技大学 | 基于太赫兹雷达的声致水面微动特征提取方法及装置 |
| CN113805178A (zh) * | 2021-09-13 | 2021-12-17 | 中国船舶重工集团公司第七0七研究所九江分部 | 一种水面静态碍航物探测方法 |
| CN114167423A (zh) * | 2021-10-14 | 2022-03-11 | 上海广电通信技术有限公司 | 基于深度回归网络的雷达海浪参数测量方法 |
| CN114415169A (zh) * | 2021-12-10 | 2022-04-29 | 北京理工大学前沿技术研究院 | 一种雷达目标跟踪方法、设备及介质 |
| CN114675253A (zh) * | 2022-04-12 | 2022-06-28 | 中国科学院空天信息创新研究院 | 水面微幅波频率估计方法、装置、电子设备及存储介质 |
| WO2022188382A1 (zh) * | 2021-03-09 | 2022-09-15 | 深圳市万普拉斯科技有限公司 | 毫米波雷达的目标检测方法、装置和手持终端 |
| CN116147587A (zh) * | 2023-04-17 | 2023-05-23 | 南开大学 | 一种波浪预测方法及波浪测量系统 |
| CN116299408A (zh) * | 2023-05-25 | 2023-06-23 | 中国电子科技集团公司信息科学研究院 | 一种多雷达自主协同探测系统及探测方法 |
| CN116609754A (zh) * | 2023-07-04 | 2023-08-18 | 北京优诺信创科技有限公司 | 一种可进化的智能化单模态机载雷达目标跟踪方法 |
| CN117169882A (zh) * | 2023-09-04 | 2023-12-05 | 哈尔滨工程大学 | 船载雷达海浪信息反演方法 |
-
2024
- 2024-01-11 CN CN202410043652.7A patent/CN117554920B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005003611A (ja) * | 2003-06-13 | 2005-01-06 | Japan Radio Co Ltd | レーダ波浪観測装置 |
| CN1566983A (zh) * | 2003-06-30 | 2005-01-19 | 武汉大学 | 一种利用海洋回波进行阵列通道校正的方法 |
| JP2006220451A (ja) * | 2005-02-08 | 2006-08-24 | Mitsubishi Electric Corp | レーダ装置 |
| US20100315284A1 (en) * | 2009-09-02 | 2010-12-16 | Trizna Dennis B | Method and apparatus for coherent marine radar measurements of properties of ocean waves and currents |
| CN109490867A (zh) * | 2018-12-25 | 2019-03-19 | 北京理工大学 | 水面目标偏振遥感探测能力评价方法 |
| CN109557538A (zh) * | 2018-12-26 | 2019-04-02 | 哈尔滨工业大学 | 基于海用相参雷达测量海浪参数的方法 |
| CN112285699A (zh) * | 2020-12-25 | 2021-01-29 | 之江实验室 | 一种水下跨介质通信以及水面目标检测跟踪的一体化系统 |
| CN112835045A (zh) * | 2021-01-05 | 2021-05-25 | 北京三快在线科技有限公司 | 一种雷达探测方法、装置、存储介质及电子设备 |
| WO2022188382A1 (zh) * | 2021-03-09 | 2022-09-15 | 深圳市万普拉斯科技有限公司 | 毫米波雷达的目标检测方法、装置和手持终端 |
| CN113359207A (zh) * | 2021-06-03 | 2021-09-07 | 中国人民解放军国防科技大学 | 基于太赫兹雷达的声致水面微动特征提取方法及装置 |
| CN113805178A (zh) * | 2021-09-13 | 2021-12-17 | 中国船舶重工集团公司第七0七研究所九江分部 | 一种水面静态碍航物探测方法 |
| CN114167423A (zh) * | 2021-10-14 | 2022-03-11 | 上海广电通信技术有限公司 | 基于深度回归网络的雷达海浪参数测量方法 |
| CN114415169A (zh) * | 2021-12-10 | 2022-04-29 | 北京理工大学前沿技术研究院 | 一种雷达目标跟踪方法、设备及介质 |
| CN114675253A (zh) * | 2022-04-12 | 2022-06-28 | 中国科学院空天信息创新研究院 | 水面微幅波频率估计方法、装置、电子设备及存储介质 |
| CN116147587A (zh) * | 2023-04-17 | 2023-05-23 | 南开大学 | 一种波浪预测方法及波浪测量系统 |
| CN116299408A (zh) * | 2023-05-25 | 2023-06-23 | 中国电子科技集团公司信息科学研究院 | 一种多雷达自主协同探测系统及探测方法 |
| CN116609754A (zh) * | 2023-07-04 | 2023-08-18 | 北京优诺信创科技有限公司 | 一种可进化的智能化单模态机载雷达目标跟踪方法 |
| CN117169882A (zh) * | 2023-09-04 | 2023-12-05 | 哈尔滨工程大学 | 船载雷达海浪信息反演方法 |
Non-Patent Citations (4)
| Title |
|---|
| XIAOXIAO ZHANG ET AL.: "Composite Backscatter Characteristics of Conductive/Dielectric Ships and Sea Surfaces with Breaking Waves under High Sea Conditions", SENSORS, vol. 23, no. 10, 19 May 2023 (2023-05-19) * |
| 张晓琳;毛红杰;唐文彦;: "干涉测量低频水下声源频率的改进算法", 光学精密工程, no. 11, 30 November 2018 (2018-11-30) * |
| 徐雅楠;刘宁波;丁昊;关键;黄勇;: "利用CNN的海上目标探测背景分类方法", 电子学报, no. 12, 31 December 2019 (2019-12-31) * |
| 许斌;李博;袁业术;: "舰载高频地波雷达(OTHR)平台运动对回波信号调制机理的研究", 电子学报, no. 1, 31 December 2008 (2008-12-31) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117554920B (zh) | 2024-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Waterston et al. | Ocean of things: Affordable maritime sensors with scalable analysis | |
| CN116304720B (zh) | 一种代价模型训练的方法、装置、存储介质及电子设备 | |
| CN114202783A (zh) | 基于毫米波雷达的目标跟踪方法 | |
| CN116502679B (zh) | 一种模型构建方法、装置、存储介质及电子设备 | |
| CN117554920B (zh) | 一种水面探测方法、装置、存储介质及电子设备 | |
| Li et al. | Adaptive real‐time recursive radial distance‐time plane Hough transform track‐before‐detect algorithm for hypersonic target | |
| CN116347623B (zh) | 一种任务调度的方法、装置、存储介质及电子设备 | |
| CN117036868B (zh) | 一种人体感知模型的训练方法、装置、介质及电子设备 | |
| CN115827918B (zh) | 一种执行业务的方法、装置、存储介质及电子设备 | |
| CN111639745B (zh) | 一种数据处理方法及装置 | |
| US20240028962A1 (en) | Training of machine-learning algorithm using explainable artificial intelligence | |
| CN116010850A (zh) | 一种识别快速射电暴的方法、装置、存储介质及电子设备 | |
| CN113887351B (zh) | 一种用于无人驾驶的障碍物检测方法及障碍物检测装置 | |
| CN114299147A (zh) | 一种定位方法、装置、存储介质及电子设备 | |
| CN116224279B (zh) | 一种目标检测的方法、装置、存储介质及电子设备 | |
| WO2021230937A2 (en) | Object tracking using spatial voting | |
| CN115776345B (zh) | 一种干扰测量的方法、装置、存储介质及电子设备 | |
| CN117746193B (zh) | 一种标签优化方法、装置、存储介质及电子设备 | |
| CN116381670A (zh) | 基于毫米波雷达的多目标检测方法、装置和存储介质 | |
| CN116384506A (zh) | 一种模型训练的方法、装置、存储介质及电子设备 | |
| CN117118523B (zh) | 一种信息传输系统、方法、装置、存储介质及电子设备 | |
| CN117556266B (zh) | 信号识别模型训练的方法、信号识别的方法及装置 | |
| CN114176407B (zh) | 用于确定接水容器的液面高度的方法、饮水机及存储介质 | |
| CN116721316A (zh) | 一种模型训练和地磁图优化方法、装置、介质及设备 | |
| CN117058525B (zh) | 一种模型的训练方法、装置、存储介质及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |