System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于多头多尾VIT模型的全方位非均匀低空波导剖面反演方法及装置制造方法及图纸_技高网

一种基于多头多尾VIT模型的全方位非均匀低空波导剖面反演方法及装置制造方法及图纸

技术编号:43159660 阅读:9 留言:0更新日期:2024-11-01 19:53
本发明专利技术公开了一种基于多头多尾VIT模型的全方位非均匀低空波导剖面反演方法,包括如下步骤:步骤1,针对非均匀蒸发波导区域里的蒸发波导高度信息,求出非均匀蒸发波导空间模拟的最优结果;步骤2,将计算得出的海杂波功率图和非均匀蒸发波导高度图组成深度学习反演模型所需的训练数据集;步骤3,建立一个基于深度神经网络多头多尾VIT模型的网络模型:步骤4,输出非均匀蒸发波导剖面空间变化图。本发明专利技术所公开的方法及装置,将原有的Transformer网络进行优化,提出了多头多尾的网络结构来构建非均匀蒸发波导的全空间变化图和海杂波功率图的非线性映射。

【技术实现步骤摘要】

本专利技术属于海洋大气遥感领域,特别涉及该领域中的一种基于多头多尾vit模型的全方位非均匀低空波导剖面反演方法及装置。


技术介绍

1、基于海杂波反演低空波导的方法是目前较为可靠、且能满足波导结构的大气波导遥感手段,但其目前主要存在以下不足:一是低海情下海杂波杂噪比低,有效的海杂波距离范围小,数据源不足导致大气波导反演精度低、反演的区域有限;二是当前的技术仅对单一方位,不同距离上的波导参数反演,通过不同方位反演结果拼接获取区域波导的方式难以满足实时性要求,且不同方位上的波导参数的渐变规律考虑不足。

2、国外学者使用了rbf和ga相结合的混合算法,实现蒸发波导剖面的反演。然而,以上反演方法在每次反演迭代的过程中会带来大量的时间和空间复杂度,需要大量运算资源。为了提高模型的效率,提出了深度神经网络实现非均匀蒸发波导剖面反演。然而,当前传统的深度神经网络用于具有空间特性的三维非均匀蒸发波导剖面的反演时,会给模型带来较多的模型参数,影响实际模型反演的效率。


技术实现思路

1、本专利技术所要解决的技术问题就是针对传统反演模型rbf和ga效率低、以及传统的深度神经网络用于具有空间特性的三维非均匀蒸发波导剖面的反演时,会给模型带来较高的模型参数,导致反演结果与实际反演结果差距大的难题,提供了一种基于多头多尾vit深度学习模型的全方位非均匀蒸发波导的反演方法及装置,实现了区域性海杂波数据区域的高效反演,支撑了基于雷达海杂波数据的蒸发波导反演研究。

2、本专利技术采用如下技术方案:

3、一种基于多头多尾vit模型的全方位非均匀低空波导剖面反演方法,其改进之处在于,包括如下步骤:

4、步骤1,针对非均匀蒸发波导区域里的蒸发波导高度信息,以蒸发波导高度的变化作为约束距离,根据参照距离,运用二维马尔科夫链计算模型,对不同值进行实验,求出非均匀蒸发波导空间模拟的最优结果;

5、步骤2,将耦合二维马尔科夫链模型生成的全空间非均匀蒸发波导高度剖面图带入到抛物方程和雷达海杂波功率计算公式,得到对应的360°海杂波功率图数据,将计算得出的海杂波功率图和非均匀蒸发波导高度图组成深度学习反演模型所需的训练数据集;

6、步骤3,建立一个基于深度神经网络多头多尾vit模型的全方位非均匀蒸发波导反演网络模型:

7、搭建用于提取特征的transformer编码器、transformer解码器和把feature map还原成输出的tails模块;

8、引入对比学习来学习通用特征,对比学习的损失函数lconstrastive如下:

9、

10、

11、上式中,i={1,...,n},n是transformer解码器的数量,为输入xj经过transformer解码器后输出的两个特征块,xj是从一个训练图像集x中进行选择,x={x1,...,xb},b是输入的总数量,

12、总体损失函数lipt为:

13、lipt=λ·lconstrastive+lsupervised

14、上式中,参数λ用来调整对比损失函数lconstrastive和监督损失函数lsupervised的权重;

15、步骤4,训练模型时,选取sigmoid作为激活函数,rmse作为损失函数,优化函数选择rmsprop;在利用这些训练数据和参数训练深度神经网络模型后,输入360°海杂波功率,相应的输出就是通过模型预测得到的非均匀蒸发波导剖面空间变化图。

16、进一步的,在步骤1中,针对100×100公里的非均匀蒸发波导区域里的8个距离处的蒸发波导高度信息,以距离20,30,50,60,70,100公里处的蒸发波导高度的变化作为约束距离,40,80作为参照距离,运用二维马尔科夫链计算模型,对不同值进行400次的实验,求出非均匀蒸发波导空间模拟的最优结果。

17、进一步的,在步骤2中,计算所用的雷达系统参数为:雷达频率为x波段,天线高度10米,波束宽度为0.7°,采用水平极化方式。

18、进一步的,在步骤2中,输入是1400组0km-100km处的海杂波功率数据,距离间隔为1km;输出为1400个0km-100km的蒸发波导区域变化矩阵。

19、进一步的,在步骤4中,通过对模型的训练,得到迭代次数为500次,深度学习网络包括transformer编码器,transformer解码器及多尾数据重构深度学习网络。

20、一种基于多头多尾vit模型的全方位非均匀低空波导剖面反演装置,其改进之处在于:使用上述的方法步骤实现。

21、本专利技术的有益效果是:

22、本专利技术所公开的方法及装置,基于多头多尾注意力机制vit(mm-vit)模型,该模型考虑到了非均匀蒸发波导图与海杂波回波功率图之间的非线性映射关系,将原有的transformer网络进行优化,提出了多头多尾的transformer网络结构来构建非均匀蒸发波导的全空间变化图和海杂波功率图的非线性映射。

23、为了验证本专利技术方法对于非均匀蒸发波导剖面反演的有效性,用两组模拟的非均匀蒸发波导高度进行验证,本专利技术方法的准确率超过了现有最先进的反演方法。

24、将训练好的全方位非均匀大气波导反演模型迁移到船用导航雷达,从回波成像可以观察图像方位是否存在干扰和杂波,图像零位是否存在大气波导回波飘动,通过回波信号的显示,能够初步判断大气波导的有无问题,为时空变化非均匀蒸发波导的反演提供了有效的途径,有益于基于海杂波功率数据的蒸发波导剖面研究。

本文档来自技高网...

【技术保护点】

1.一种基于多头多尾VIT模型的全方位非均匀低空波导剖面反演方法,其特征在于,包括如下步骤:

2.根据权利要求1所述基于多头多尾VIT模型的全方位非均匀低空波导剖面反演方法,其特征在于:在步骤1中,针对100×100公里的非均匀蒸发波导区域里的8个距离处的蒸发波导高度信息,以距离20,30,50,60,70,100公里处的蒸发波导高度的变化作为约束距离,40,80作为参照距离,运用二维马尔科夫链计算模型,对不同值进行400次的实验,求出非均匀蒸发波导空间模拟的最优结果。

3.根据权利要求1所述基于多头多尾VIT模型的全方位非均匀低空波导剖面反演方法,其特征在于:在步骤2中,计算所用的雷达系统参数为:雷达频率为X波段,天线高度10米,波束宽度为0.7°,采用水平极化方式。

4.根据权利要求1所述基于多头多尾VIT模型的全方位非均匀低空波导剖面反演方法,其特征在于:在步骤2中,输入是1400组0km-100km处的海杂波功率数据,距离间隔为1km;输出为1400个0km-100km的蒸发波导区域变化矩阵。

5.根据权利要求1所述基于多头多尾VIT模型的全方位非均匀低空波导剖面反演方法,其特征在于:在步骤4中,通过对模型的训练,得到迭代次数为500次,深度学习网络包括Transformer编码器,Transformer解码器及多尾数据重构深度学习网络。

6.一种基于多头多尾VIT模型的全方位非均匀低空波导剖面反演装置,其特征在于:使用权利要求1所述的方法步骤实现。

...

【技术特征摘要】

1.一种基于多头多尾vit模型的全方位非均匀低空波导剖面反演方法,其特征在于,包括如下步骤:

2.根据权利要求1所述基于多头多尾vit模型的全方位非均匀低空波导剖面反演方法,其特征在于:在步骤1中,针对100×100公里的非均匀蒸发波导区域里的8个距离处的蒸发波导高度信息,以距离20,30,50,60,70,100公里处的蒸发波导高度的变化作为约束距离,40,80作为参照距离,运用二维马尔科夫链计算模型,对不同值进行400次的实验,求出非均匀蒸发波导空间模拟的最优结果。

3.根据权利要求1所述基于多头多尾vit模型的全方位非均匀低空波导剖面反演方法,其特征在于:在步骤2中,计算所用的雷达系统参数为:雷达频率为x波段,天线高度10米,波束宽...

【专利技术属性】
技术研发人员:吴佳静李清亮崔铁军魏志强张金鹏常博源王建业宋亚辉聂婕殷波贾东宁温琦魏子良郭相明张玉生张雅彬赵强
申请(专利权)人:中国电波传播研究所中国电子科技集团公司第二十二研究所
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1