本發(fā)明涉及探鳥雷達(dá)數(shù)據(jù)處理，具體為一種針對(duì)小目標(biāo)優(yōu)化的探鳥雷達(dá)數(shù)據(jù)處理系統(tǒng)及其方法。

背景技術(shù)：

1、傳統(tǒng)探鳥雷達(dá)數(shù)據(jù)處理系統(tǒng)在處理小目標(biāo)信號(hào)時(shí)經(jīng)常會(huì)面臨因信雜波較大造成的信號(hào)提取困難。由于小目標(biāo)如鳥類的回波信號(hào)相對(duì)較弱，傳統(tǒng)系統(tǒng)在處理這些信號(hào)時(shí)，通常采用固定的濾波參數(shù)和權(quán)重，這導(dǎo)致濾波器在不同信號(hào)條件下表現(xiàn)不穩(wěn)定。如果濾波器的步長設(shè)置過大會(huì)引起震蕩，導(dǎo)致輸出不穩(wěn)定，而如果設(shè)置過小則會(huì)導(dǎo)致處理速度過慢和收斂困難。

2、此外，傳統(tǒng)處理方法對(duì)初始參數(shù)的依賴性較強(qiáng)，難以應(yīng)對(duì)雷達(dá)信號(hào)的多變特性，導(dǎo)致濾波結(jié)果與期望數(shù)據(jù)的誤差較大，影響了信號(hào)提取的精度和穩(wěn)定性。在圖神經(jīng)網(wǎng)絡(luò)處理方面，傳統(tǒng)系統(tǒng)往往未能充分利用各個(gè)雷達(dá)特征向量之間的關(guān)系，僅靠單一節(jié)點(diǎn)的信息進(jìn)行處理，忽略了相鄰節(jié)點(diǎn)對(duì)目標(biāo)節(jié)點(diǎn)特征的貢獻(xiàn)，導(dǎo)致最終生成的特征向量缺乏足夠的準(zhǔn)確性和代表性。

3、綜上所述，傳統(tǒng)探鳥雷達(dá)數(shù)據(jù)處理系統(tǒng)在應(yīng)對(duì)小目標(biāo)信號(hào)時(shí)存在步長固定影響收斂速度、濾波不穩(wěn)定、特征提取精度低以及對(duì)鄰節(jié)點(diǎn)貢獻(xiàn)估算不足等問題，亟需更加自適應(yīng)和有效的優(yōu)化方法來提升整體系統(tǒng)性能。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于一種針對(duì)小目標(biāo)優(yōu)化的探鳥雷達(dá)數(shù)據(jù)處理系統(tǒng)及其方法，以解決上述背景技術(shù)中提出的問題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明目的之一在于，一種針對(duì)小目標(biāo)優(yōu)化的探鳥雷達(dá)數(shù)據(jù)處理系統(tǒng)，包括數(shù)據(jù)采集模塊、自適應(yīng)濾波模塊和圖神經(jīng)網(wǎng)絡(luò)處理模塊，其中：

3、所述數(shù)據(jù)采集模塊獲取探鳥雷達(dá)期望數(shù)據(jù)和個(gè)雷達(dá)數(shù)據(jù)，其中是指從雷達(dá)設(shè)備中獲取到的雷達(dá)數(shù)據(jù)個(gè)數(shù)；

4、所述自適應(yīng)濾波模塊設(shè)置初始步長和初始權(quán)重，使用濾波器依次對(duì)個(gè)雷達(dá)數(shù)據(jù)進(jìn)行濾波輸出，作為濾波器輸出結(jié)果；根據(jù)濾波器輸出結(jié)果以及探鳥雷達(dá)期望數(shù)據(jù)，確定當(dāng)前誤差，根據(jù)當(dāng)前誤差，對(duì)初始步長進(jìn)行調(diào)整，生成當(dāng)前步長，并記錄初始步長與當(dāng)前步長的差值，作為相鄰誤差；并根據(jù)當(dāng)前步長，對(duì)初始權(quán)重進(jìn)行調(diào)整，生成當(dāng)前權(quán)重，根據(jù)當(dāng)前權(quán)重與濾波器輸出結(jié)果，得到雷達(dá)特征向量；反復(fù)迭代次，直到生成個(gè)雷達(dá)特征向量；

5、所述圖神經(jīng)網(wǎng)絡(luò)處理模塊根據(jù)個(gè)雷達(dá)特征向量，生成個(gè)目標(biāo)節(jié)點(diǎn)，并基于相鄰誤差定義相鄰目標(biāo)節(jié)點(diǎn)的邊權(quán)重，每個(gè)目標(biāo)節(jié)點(diǎn)根據(jù)其相鄰節(jié)點(diǎn)的雷達(dá)特征向量和邊權(quán)重來計(jì)算注意力權(quán)重，以此確定鄰居節(jié)點(diǎn)對(duì)自己雷達(dá)特征向量更新的貢獻(xiàn)大小，根據(jù)該貢獻(xiàn)大小，對(duì)每個(gè)目標(biāo)節(jié)點(diǎn)進(jìn)行雷達(dá)特征向量的更新，將更新后的個(gè)雷達(dá)特征向量作為最終提取的目標(biāo)特征。

6、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述自適應(yīng)濾波模塊包括初始化單元，所述初始化單元設(shè)置初始步長和初始權(quán)重，其中初始步長決定了每次調(diào)整權(quán)重的速度；初始權(quán)重決定了濾波器在處理最初輸入時(shí)的狀態(tài)。

7、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述自適應(yīng)濾波模塊包括特征向量生成單元，所述特征向量生成單元生成個(gè)雷達(dá)特征向量的過程具體包括：

8、使用濾波器依次對(duì)個(gè)雷達(dá)數(shù)據(jù)進(jìn)行濾波輸出，作為濾波器輸出結(jié)果，其中，，是個(gè)雷達(dá)數(shù)據(jù)中的雷達(dá)數(shù)據(jù)；

9、根據(jù)濾波器輸出結(jié)果以及探鳥雷達(dá)期望數(shù)據(jù)，確定當(dāng)前誤差，其中，表示探鳥雷達(dá)期望數(shù)據(jù)；誤差表示濾波器輸出結(jié)果與探鳥雷達(dá)期望數(shù)據(jù)之間的差異，自適應(yīng)濾波的目標(biāo)是通過最小化該誤差來提高輸出信號(hào)的精確度；

10、根據(jù)當(dāng)前誤差，對(duì)初始步長進(jìn)行調(diào)整，生成當(dāng)前步長，則，其中和是調(diào)整參數(shù)，是信噪比；

11、記錄初始步長與當(dāng)前步長的差值，作為相鄰誤差，其中；

12、根據(jù)當(dāng)前步長，對(duì)初始權(quán)重進(jìn)行調(diào)整，生成當(dāng)前權(quán)重，其中；根據(jù)當(dāng)前權(quán)重與濾波器輸出結(jié)果，得到雷達(dá)特征向量，其中；

13、反復(fù)迭代上述過程次，直到對(duì)個(gè)雷達(dá)數(shù)據(jù)迭代完成，并生成個(gè)雷達(dá)特征向量。

14、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述圖神經(jīng)網(wǎng)絡(luò)處理模塊包括圖構(gòu)造單元，所述圖構(gòu)造單元基于相鄰誤差定義目標(biāo)節(jié)點(diǎn)的邊的過程具體包括：

15、定義個(gè)雷達(dá)特征向量為，其中；

16、將每個(gè)雷達(dá)特征向量都作為圖神經(jīng)網(wǎng)絡(luò)中的一個(gè)節(jié)點(diǎn)，生成個(gè)目標(biāo)節(jié)點(diǎn)；

17、基于相鄰誤差定義兩個(gè)相鄰目標(biāo)節(jié)點(diǎn)和之間的邊權(quán)重，公式如，基于相鄰誤差定義邊權(quán)重后，生成邊集，其中每一條邊表示目標(biāo)節(jié)點(diǎn)和目標(biāo)節(jié)點(diǎn)之間的邊，其權(quán)重為相鄰誤差，則。

18、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述圖神經(jīng)網(wǎng)絡(luò)處理模塊包括圖處理單元，所述圖處理單元對(duì)每個(gè)目標(biāo)節(jié)點(diǎn)進(jìn)行雷達(dá)特征向量的更新的過程具體如下：

19、為了確定每個(gè)目標(biāo)節(jié)點(diǎn)的雷達(dá)特征向量更新時(shí)各相鄰節(jié)點(diǎn)的貢獻(xiàn)大小，將邊集中的相鄰誤差進(jìn)行歸一化處理，得到目標(biāo)節(jié)點(diǎn)和其相鄰節(jié)點(diǎn)之間的注意力權(quán)重；

20、根據(jù)計(jì)算出的注意力權(quán)重，確定鄰居節(jié)點(diǎn)對(duì)目標(biāo)節(jié)點(diǎn)的雷達(dá)特征向量更新的貢獻(xiàn)大小，通過每個(gè)目標(biāo)節(jié)點(diǎn)對(duì)其所有相鄰節(jié)點(diǎn)的特征向量進(jìn)行加權(quán)求和，公式如下：

21、，其中表示目標(biāo)節(jié)點(diǎn)相鄰節(jié)點(diǎn)下標(biāo)的集合，是目標(biāo)節(jié)點(diǎn)對(duì)目標(biāo)節(jié)點(diǎn)的注意力權(quán)重，是更新后的目標(biāo)節(jié)點(diǎn)的雷達(dá)特征向量；

22、根據(jù)計(jì)算的注意力權(quán)重和相鄰節(jié)點(diǎn)的特征向量，對(duì)每個(gè)目標(biāo)節(jié)點(diǎn)的雷達(dá)特征向量進(jìn)行更新，更新后的雷達(dá)特征向量是每個(gè)節(jié)點(diǎn)融合了其鄰居節(jié)點(diǎn)信息后的新的雷達(dá)特征向量，將更新后的個(gè)雷達(dá)特征向量作為最終提取的目標(biāo)特征。

23、本發(fā)明目的之二在于，提供了一種使用針對(duì)小目標(biāo)優(yōu)化的探鳥雷達(dá)數(shù)據(jù)處理系統(tǒng)的方法，包括如下方法步驟：

24、s1、獲取探鳥雷達(dá)期望數(shù)據(jù)和個(gè)雷達(dá)數(shù)據(jù)，其中是指從雷達(dá)設(shè)備中獲取到的雷達(dá)數(shù)據(jù)個(gè)數(shù)；

25、s2、設(shè)置初始步長和初始權(quán)重，使用濾波器依次對(duì)個(gè)雷達(dá)數(shù)據(jù)進(jìn)行濾波輸出，作為濾波器輸出結(jié)果；根據(jù)濾波器輸出結(jié)果以及探鳥雷達(dá)期望數(shù)據(jù)，確定當(dāng)前誤差，根據(jù)當(dāng)前誤差，對(duì)初始步長進(jìn)行調(diào)整，生成當(dāng)前步長，并記錄初始步長與當(dāng)前步長的差值，作為相鄰誤差；并根據(jù)當(dāng)前步長，對(duì)初始權(quán)重進(jìn)行調(diào)整，生成當(dāng)前權(quán)重，根據(jù)當(dāng)前權(quán)重與濾波器輸出結(jié)果，得到雷達(dá)特征向量；反復(fù)迭代次，直到生成個(gè)雷達(dá)特征向量；

26、s3、根據(jù)個(gè)雷達(dá)特征向量，生成個(gè)目標(biāo)節(jié)點(diǎn)，并基于相鄰誤差定義相鄰目標(biāo)節(jié)點(diǎn)的邊權(quán)重，每個(gè)目標(biāo)節(jié)點(diǎn)根據(jù)其相鄰節(jié)點(diǎn)的雷達(dá)特征向量和邊權(quán)重來計(jì)算注意力權(quán)重，以此確定鄰居節(jié)點(diǎn)對(duì)自己雷達(dá)特征向量更新的貢獻(xiàn)大小，根據(jù)該貢獻(xiàn)大小，對(duì)每個(gè)目標(biāo)節(jié)點(diǎn)進(jìn)行雷達(dá)特征向量的更新，將更新后的個(gè)雷達(dá)特征向量作為最終提取的目標(biāo)特征。

27、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

28、該一種針對(duì)小目標(biāo)優(yōu)化的探鳥雷達(dá)數(shù)據(jù)處理系統(tǒng)及其方法通過根據(jù)當(dāng)前誤差對(duì)初始步長進(jìn)行調(diào)整，生成當(dāng)前步長，系統(tǒng)能夠靈活地適應(yīng)不同信號(hào)條件，從而提高濾波器的效率和穩(wěn)定性；具體而言，初始步長決定了每次調(diào)整權(quán)重的速度，如果設(shè)置得過大會(huì)導(dǎo)致震蕩，設(shè)置得過小則會(huì)導(dǎo)致收斂速度過慢，而通過實(shí)時(shí)調(diào)整步長，系統(tǒng)可以更好地應(yīng)對(duì)多變的雷達(dá)數(shù)據(jù)，確保濾波器逐步最小化輸出結(jié)果與探鳥雷達(dá)期望數(shù)據(jù)之間的誤差；這種動(dòng)態(tài)調(diào)整的機(jī)制使得濾波器能夠更加精確地提取小目標(biāo)信號(hào)，在多次迭代后生成一組精確的雷達(dá)特征向量；這些特征向量是用于后續(xù)圖神經(jīng)網(wǎng)絡(luò)處理的基礎(chǔ)，提高了整個(gè)系統(tǒng)的目標(biāo)識(shí)別能力。

29、此外，當(dāng)前步長的調(diào)整還與相鄰誤差相關(guān)聯(lián)，通過記錄初始步長與當(dāng)前步長的差值，作為相鄰誤差的一部分，用于定義相鄰目標(biāo)節(jié)點(diǎn)的邊權(quán)重。在圖神經(jīng)網(wǎng)絡(luò)處理中，基于這些邊權(quán)重，每個(gè)目標(biāo)節(jié)點(diǎn)根據(jù)其相鄰節(jié)點(diǎn)的雷達(dá)特征向量和邊權(quán)重計(jì)算注意力權(quán)重，進(jìn)而確定鄰居節(jié)點(diǎn)對(duì)自己雷達(dá)特征向量更新的貢獻(xiàn)大小；這樣一來，通過合理的步長調(diào)整，系統(tǒng)不僅能有效地優(yōu)化權(quán)重，使濾波器輸出更加接近真實(shí)信號(hào)，還能基于這些優(yōu)化后的特征向量在圖神經(jīng)網(wǎng)絡(luò)中生成更加精確的目標(biāo)特征；最終，更新后的雷達(dá)特征向量在多次迭代和優(yōu)化后融合了相鄰節(jié)點(diǎn)的信息，具備更好的綜合信號(hào)特征表示能力，提高了整個(gè)系統(tǒng)在探測小目標(biāo)（如鳥類）時(shí)的識(shí)別效果。