(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 202111514264.5 (22)申请日 2021.12.13 (71)申请人 中国西安 卫星测控中心 地址 710043 陕西省西安市咸宁东路462号 (72)发明人 崔瑞飞　杨升高　姜宇　陈建荣　 胡斯惠　李强　张日伟　田超　 杨旭　刘永杰　 (74)专利代理 机构 西北工业大 学专利中心 61204 代理人 顾潮琪 (51)Int.Cl. G01S 7/497(2006.01) G01S 7/41(2006.01) G06N 20/00(2019.01) (54)发明名称 一种基于机器学习的雷达测量精度补偿方 法 (57)摘要 本发明提供了一种基于机器学习的雷达探 测精度补偿方法， 采集设定时长内的空间环境特 征参数、 时空特征参数以及雷达探测剩余误差数 据构建数据集， 采用异常值剔除和数据下采样技 术对得到的数据进行预处理； 构建基于机器学习 的雷达探测精度补偿模型； 从雷达探测数据中解 算目标方位角、 测量时段、 星下点经纬度、 目标高 度； 从互联网下载提取雷达探测时刻空间环境参 数； 将提取的数据输入到构建的雷达探测精度补 偿模型中， 得到精度补偿后雷达探测数据。 本发 明在电波环 境折射修正基础上， 进一步补偿雷达 探测精度， 补偿电波折射修正模 型时空特性局限 性、 雷达系统误差等造成的探测精度的损失， 提 升雷达探测精度。 权利要求书1页 说明书9页 附图2页 CN 114252871 A 2022.03.29 CN 114252871 A 1.一种基于 机器学习的雷达 探测精度补偿方法， 其特 征在于， 包括以下步骤： (1)采集设定时长内的空间环境特征参数、 时空特征参数以及雷达探测剩余误差数据 构建数据集， 记为(x1， x2， x3， x4， x5， x6， x7， x8， x9， error)， 其中， x1表示太阳10.7厘米射电流 量， x2表示地磁指数， x3表示太阳X射线波 段辐射流量， x4表示雷达站电离层垂 直电子浓度总 含量， x5表示测量时刻所对应的小时， x6表示雷达测量方位角， x7表示目标纬度， x8表示目标 经度， x9表示目标轨道高度， er ror表示雷达 探测剩余 误差； (2)采用异常值剔除和数据下采样技 术对步骤(1)得到的数据进行 预处理； (3)基于步骤(2)预处理后的数据集， 将x1‑x9作为输入， error作为输出， 构建基于机器 学习的雷达 探测精度补偿模型； (4)从雷达探测数据中解算目标方位角、 测量时段、 星下点经纬度、 目标高度； 从互联网 下载提取雷达探测时刻空间环境参数； 将提取的数据输入到构建的雷达探测精度补偿模型 中， 得到精度补偿后雷达 探测数据。 2.根据权利要求1所述的基于机器学习的雷达探测精度补偿方法， 其特征在于， 所述步 骤(1)中的数据集包括至少1年的空间环 境特征参数、 时空特征参数以及雷达探测剩余误差 数据。 3.根据权利要求1所述的基于机器学习的雷达探测精度补偿方法， 其特征在于， 所述步 骤(1)获取雷达探测的目标位置及探测弧段对应的目标精轨数据； 采用6阶拉格朗日插值法 计算雷达探测时刻目标的真实位置； 雷达探测时刻目标真实位置由地固直角坐标系转换为 测站极坐标系， 得到空间特征参数x7‑x9； 通过雷达探测数据与目标真实位置作插值得到雷 达探测剩余 误差error。 4.根据权利要求1所述的基于机器学习的雷达探测精度补偿方法， 其特征在于， 所述的 步骤(2)包括以下步骤： a.剔除持续时间小于30秒的所有弧段， 在剩余弧段中取第一个作为 当前弧段； b.剔除当前弧段的前30秒测量数据； c.判断当前测量段剩 余测量值是否大于50 个点； d.若是， 在所有剩 余测量值里面随机抽取50个点加入训练集； 若否， 将该弧段所有剩 余测量值加入训练集； e.将下一弧段设置为当前弧段， 重复步骤b ‑d， 直到所有弧段都处理 完毕。 5.根据权利要求1所述的基于机器学习的雷达探测精度补偿方法， 其特征在于， 所述的 步骤(3)采用交叉验证的方式依 次运用各个机器学习回归模型解决当前问题， 选择其中表 现最好的作为后续模型f； 雷达测量精度补偿方法为 其中， 表示 雷达测量数据， y表示雷达最终输出。 6.根据权利要求5所述的基于机器学习的雷达探测精度补偿方法， 其特征在于， 所述的 机器学习回归模型包括线性回归、 岭回归、 Lasso回归、 最小角回归、 TheilSen回归、 Huber回 归、 决策树、 随机森林、 极端随机树、 梯度提升回归、 极端梯度提升、 轻量梯度提升、 支持向量 机、 K最近邻和多层感知机模型。权　利　要　求　书 1/1 页 2 CN 114252871 A 2一种基于机 器学习的雷达测量精度补偿方 法 技术领域 [0001]本发明属于空间目标探测领域， 涉及一种雷达测量精度补偿方法。 背景技术 [0002]雷达在探测目标时， 其信号须穿越电离层传播， 受电离层电子密度不均匀性影响， 雷达测距、 测角会产生折射误差。 通常， 电离层扰动引起的折射误差可达几十至几百米， 成 为影响雷达探测精度的主要误差源。 当发生影响电离层电子密度的太空环境事件时， 会进 一步造成雷达测量精度下降， 直接影响空间目标定轨精度。 因此， 对 雷达测量值进 行电波折 射修正是实际应用中必不可少的一环。 [0003]雷达电波折射修正具有相当长的研究历史， Newcomb(1906)在二十世纪初他的名 著 《球面天文概述》 (A  compendium  of spherical  astronomy)中提到： “在实用天文学里， 或许没有一个分支像天文折射问题发表这样多的文章， 而其状态又仍然 是那样的不能令人 满意”。 事实上， 随着雷达精度需求越来越高， 对折射修正的精度要求也越来越高， 构建模型 过程中需要考虑的因素就更多， 模型构建的难度就相应越大。 [0004]中国电波传播研究所从上个世纪60年代开始开展电波折射修正相关研究。 2010年 成功研制了国内首套电波折射修正设备(HZD ‑1型)， 有效修正了对流层、 电离层引起的折射 误差。 针对中、 低纬度区域电离层环 境特性， 经过算法模 型改进、 完善后， 2014年新一代电波 折射修正仪在雷达电波折射修正中得到应用。 尽管当前 的雷达经过电波折射误差修正后， 探测数据精度较修正前有了很大提升， 但修正后剩余误差仍较大， 且剩余误差量与时间和 仰角有关， 这表明电离层引起的折 射误差修正后仍有较大的剩余。 [0005]经初步分析， 造成雷达折射修正后误差仍较大的原因如下： 目前雷达通常采用电 离层经验模型进行电波折射误差修正， 仅能给出电离层的 “气候学”形态， 反映的是电离层 的平均状态。 尽管一些雷达采用了单站实测数据驱动电离层经验模型， 但因经验模型本身 的局限性及单站数据的覆盖不足， 经实测数据修正的电离层模型仍无法准确呈现区域电离 层的时空特征， 无法有效反 映太阳爆发活动造成电离层的扰动特征， 导致雷达电波折射修 正效果在某些时间、 空间范围或发生太空环境扰动时表现不佳。 发明内容 [0006]为了克服现有技术的不足， 本发明提供一种基于机器学习的雷达探测精度补偿 方 法， 提取雷达折射修正后剩余误差的时空及空间环境影响因子， 基于机器学习技术构建这 些因子与剩余误差之间的函数关系， 在电波环境折射修正基础上， 进一步补偿雷达探测精 度， 补偿电波折射修正模型时空特性局限性、 雷达系统误差等造成的探测精度的损失， 提升 雷达探测精度。 [0007]本发明解决其 技术问题所采用的技 术方案包括以下步骤： [0008](1)采集设定时长内的空间环境特征参数、 时空特征参数以及雷达探测剩余误差 数据构建数据集， 记为(x1， x2， x3， x4， x5， x6， x7， x8， x9， error)， 其中， x1表示太阳10.7厘米射说　明　书 1/9 页 3 CN 114252871 A 3