基于机器学习的相干X波段微波雷达平均波周期估计方法

本发明提出了一种基于机器学习的相干X波段微波雷达平均波周期估计方法，涉及雷达信号处理和人工智能领域，以解决相干微波雷达在基于海浪谱反演海浪参数的过程中，雷达回波波数频率谱中非线性特征带来的干扰问题。本发明通过分析速度空时序列中的波浪的运动特征，提出了一种平均波周期反演方法。首先从时间多普勒谱推导速度空时序列，结合ECMWF数据，通过随机森林和线性回归机器学习集成模型方法准确的从速度空时序列中识别波峰和波谷的位置，然后利用波长和周期之间建立的关系估计平均波周期。该发明有效减少了波周期在反演过程中，因波数频率谱中不同频率成分的能量分布不确定性带来的误差，同时优化了相干微波雷达的数据处理算法，提高了其估计平均波周期的精度。