CN107341321B - 一种基于通用雷达仿真模块构建雷达仿真模型的方法 - Google Patents
一种基于通用雷达仿真模块构建雷达仿真模型的方法 Download PDFInfo
- Publication number
- CN107341321B CN107341321B CN201710621896.9A CN201710621896A CN107341321B CN 107341321 B CN107341321 B CN 107341321B CN 201710621896 A CN201710621896 A CN 201710621896A CN 107341321 B CN107341321 B CN 107341321B
- Authority
- CN
- China
- Prior art keywords
- cycle
- radar
- module
- mean square
- disturbance
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种基于通用雷达仿真模块构建雷达仿真模型的方法,通过将通用雷达仿真模块的输出结果叠加扰动随机变量,构成待修正的雷达仿真模型;将实测数据输入序列输入待修正的雷达仿真模型,获得仿真数据输出序列;计算实测数据输出序列与所述的仿真数据输出序列的均方误差;根据均方误差修正扰动随机变量的方差;获得多组所述的均方误差及其对应的扰动随机变量的方差,选择均方误差中最小的均方误差所对应的扰动随机变量的方差作为叠加扰动随机变量的方差,构成雷达仿真模型。
Description
技术领域
本发明涉及雷达信号仿真领域,更具体地涉及一种基于通用雷达仿真模块构建雷达仿真模型的方法。
背景技术
通用雷达仿真模型采用模块化设计,构建面向雷达仿真的通用雷达仿真模块。用户通过调整不同功能的通用雷达仿真模块的参数,并将所述的通用雷达仿真模块级联,可快速搭建雷达仿真模型。所述的雷达仿真模型需实现对雷达系统级指标的仿真以及对雷达分系统级指标的仿真。
验证雷达指标模拟逼真度的最佳方法是采用实测数据与仿真进行比对。通过外场试验,采集雷达信号处理前端输入数据,记录为实测数据输入序列,送入雷达仿真模型进行运算处理,记录模拟输出结果,与外场试验获得的雷达信号处理输出端输出的数据(记录为实测数据输出序列)进行对比,可以准确评判雷达仿真模型的正确性,验证雷达仿真模型对雷达指标的模拟逼真度。雷达指标分为雷达系统级指标以及雷达分系统级指标。
现有技术中,由于模块颗粒度、仿真精度、字段截取误差带来的误差等因素,采用通用雷达仿真模块构建的雷达仿真模型常常出现雷达分系统级指标满足指标要求,而雷达系统级指标不满足指标要求。因此,由通用雷达仿真模块构建的雷达仿真模型存在模型可靠度不高、仿真模型输出指标与该型号雷达实际输出结果不一致的问题。
现有的改进方法是基于通用雷达仿真模块的架构,对所述的模块进行重新设计,以提高雷达仿真模型输出的可信度。该方法缺点在于工作量大,无法实现快速搭建原型系统;改造后模型不具有通用性,无法实现基于单一模型内核进行仿真运算实现不同型号雷达的模拟,仿真计算资源消耗大。
发明内容
本发明的实施例是鉴于上述问题而提出,本发明的实施例的目的在于,提供一种基于通用雷达仿真模块构建雷达仿真模型的方法,使得所述的雷达仿真模型在所述的方法的调整下,输出系统及参数及分系统及参数的指标满足雷达的实际情况,实现基于通用雷达仿真模块构建雷达仿真模型,实现高可信度仿真。
为了实现上述目的,本发明实施例提供一种基于通用雷达仿真模块构建雷达仿真模型的方法,该方法包括:
将通用雷达仿真模块的输出结果叠加扰动随机变量,构成待修正的雷达仿真模型;将实测数据输入序列输入待修正的雷达仿真模型,获得仿真数据输出序列;计算所述的实测数据输出序列与所述的仿真数据输出序列的均方误差;根据所述的均方误差、所述的扰动随机变量的方差,修正所述的扰动随机变量的方差,循环步骤S2-S4。记录每次循环获得的所述的均方误差。从第二次循环起,记录本次循环的均方误差与上次循环的均方误差的变化量,记为均方误差变化率。记录每次循环中所述的扰动随机变量的方差;根据所述的均方误差变化率确定停止所述的循环的条件;选择记录的均方误差中最小的均方误差所在的循环,将所述的循环的扰动随机变量的方差作为叠加扰动随机变量的方差,构成特定型号雷达信号仿真模型。
本发明实施例的有益效果在于,通过对通用雷达仿真模块输出结果叠加扰动参数,实现对雷达仿真模型输出结果进行调整,利用实测数据输入序列及实测数据输出序列对通用模型进行训练,通过最小化仿真数据输出序列与实测数据输出序列误差均方值,获得扰动参数的最优解,使得通用雷达信号仿真模型在叠加扰动后与特定型号雷达实测数据输入输出的响应在最小均方误差准则下达到最优,以满足仿真系统指标及分系统指标要求,提升仿真结果与实际测试结果的一致性。
附图说明
图1为一种基于通用雷达仿真模块构建雷达仿真模型的方法。
图2根据本发明的实施例的一种基于通用雷达仿真模块构建雷达仿真模型的方法。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
针对包含模块级联模块A1、A2、A3的通用雷达仿真模块构建雷达仿真模型的调整方法实施过程及软件流程如图2所示,具体描述为以下过程:
S1初始化扰动变量W1、W2、W3:计算实测数据输出序列的方差,记为σout,设定所述的各通用雷达仿真模块的扰动变量W1、W2、W3的均值为0,方差为σ1=σ2=σ3=σout/3;重复步骤S2至S5;
S2输入实测数据输入序列的单个观测值,获得雷达仿真模型的含扰动的处理结果:
提取实测数据输入序列α1、α2…αN中的第i个值αi,送入模块A处理,获得A模块的不含扰动的处理结果Aout;根据扰动变量W1的均值及方差,生成扰动变量随机数ε1;将所述的结果Aout叠加扰动变量随机数ε1,获得A模块的含扰动的处理结果A′out;
提取扰动后的处理结果A′out,送入模块B处理,获得B模块的不含扰动的处理结果Bout;根据B模块的扰动变量W2的均值及方差,生成扰动变量随机数ε2;将所述的结果Bout叠加扰动变量随机数ε2,获得B模块的含扰动的处理结果B′out;
提取扰动后的处理结果B′out,送入模块C处理,获得C模块的不含扰动的处理结果Cout;根据C模块的扰动变量W3的均值及方差,生成扰动变量随机数ε3;将所述的结果Cout叠加扰动变量随机数ε3,获得C模块的含扰动的处理结果C′out;
S3计算雷达仿真模型的输出结果与实测数据输出序列的均方差:遍历输入序列,重复执行S2,记录一组含扰动的处理结果C′out1、C′out2…C′outN,获得仿真数据输出序列。记录一组实测数据输出序列βi。计算仿真数据输出序列与实测数据输出序列的方差
S4调整扰动变量W1、W2、W3的方差。第j次调整后的扰动变量W1、W2、W3的均方差σ1j、σ2j、σ3j为:
Claims (1)
1.一种基于通用雷达仿真模块构建雷达仿真模型的方法,其特征在于包括以下步骤:
S1:将由N个级联模块组成的通用雷达仿真模型的各模块的输出结果叠加初始扰动随机变量,构成待修正的雷达初始仿真模型;循环执行步骤S2-S5;
S2:将实测数据输入序列输入待修正的雷达仿真模型,经过所述的雷达仿真模型计算,获得仿真数据输出,记录各级联模块的含扰动的处理结果,第j个循环的第i个级联模块含扰动的输出结果记录为OutPutji;
S4:根据所述的仿真数据输出序列的方差,按下式:
计算所述的模块i在第j个循环的扰动随机变量的均方差,记录每次循环获得的所述的仿真数据输出序列的方差,记录每次循环中所述的模块i的扰动随机变量的均方差;从第二次循环起,记录本次循环的均方误差与上次循环的均方误差的变化量,其中本次循环即第j次循环,记为方差变化率
S6:选择记录的方差中最小的方差所在的循环,将所述的循环的各级联模块的扰动随机变量的均方差作为叠加扰动随机变量的均方差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710621896.9A CN107341321B (zh) | 2017-07-27 | 2017-07-27 | 一种基于通用雷达仿真模块构建雷达仿真模型的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710621896.9A CN107341321B (zh) | 2017-07-27 | 2017-07-27 | 一种基于通用雷达仿真模块构建雷达仿真模型的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107341321A CN107341321A (zh) | 2017-11-10 |
CN107341321B true CN107341321B (zh) | 2020-10-16 |
Family
ID=60215985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710621896.9A Active CN107341321B (zh) | 2017-07-27 | 2017-07-27 | 一种基于通用雷达仿真模块构建雷达仿真模型的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107341321B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3132999B2 (ja) * | 1996-08-19 | 2001-02-05 | 三菱重工業株式会社 | 料金自動収受装置 |
CN101644760A (zh) * | 2009-08-27 | 2010-02-10 | 北京理工大学 | 一种适用于高分辨阵列的快速鲁棒的信源个数检测方法 |
CN102707268A (zh) * | 2012-05-23 | 2012-10-03 | 中国人民解放军海军航空工程学院 | 机动雷达组网批处理式误差配准器 |
CN104833967A (zh) * | 2015-05-11 | 2015-08-12 | 重庆大学 | 一种基于滚动时域估计的雷达目标跟踪方法 |
-
2017
- 2017-07-27 CN CN201710621896.9A patent/CN107341321B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3132999B2 (ja) * | 1996-08-19 | 2001-02-05 | 三菱重工業株式会社 | 料金自動収受装置 |
CN101644760A (zh) * | 2009-08-27 | 2010-02-10 | 北京理工大学 | 一种适用于高分辨阵列的快速鲁棒的信源个数检测方法 |
CN102707268A (zh) * | 2012-05-23 | 2012-10-03 | 中国人民解放军海军航空工程学院 | 机动雷达组网批处理式误差配准器 |
CN104833967A (zh) * | 2015-05-11 | 2015-08-12 | 重庆大学 | 一种基于滚动时域估计的雷达目标跟踪方法 |
Non-Patent Citations (2)
Title |
---|
基于均方误差的逆合成孔径雷达干扰效果评估;李源;《信息与电子工程》;20081031;第6卷(第5期);第342-345页 * |
被动测向最小二乘滤波法误差分析;任雪峰;《雷达与对抗》;20170630;第37卷(第2期);第10-12页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107341321A (zh) | 2017-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11580280B2 (en) | Computational framework for modeling of physical process | |
CN104376231B (zh) | 基于改进近似贝叶斯计算的损伤识别方法 | |
WO2017024691A1 (zh) | 一种模拟电路故障模式分类方法 | |
CN103970092A (zh) | 一种基于自适应fcm的多阶段发酵过程故障监测方法 | |
CN109115879B (zh) | 一种基于模态振型和卷积神经网络的结构损伤识别方法 | |
CN110442911B (zh) | 一种基于统计机器学习的高维复杂系统不确定性分析方法 | |
CN113746798B (zh) | 基于多维度分析的云网络共享资源异常根因定位方法 | |
CN106599367A (zh) | 一种航天器状态异常检测方法 | |
CN109033021B (zh) | 一种基于变参收敛神经网络的线性方程求解器设计方法 | |
US20230066703A1 (en) | Method for estimating structural vibration in real time | |
CN106056305B (zh) | 一种基于状态聚类的发电系统可靠性快速评估方法 | |
CN107341321B (zh) | 一种基于通用雷达仿真模块构建雷达仿真模型的方法 | |
CN113904915A (zh) | 一种基于物联网的电力通信智能故障分析方法及系统 | |
CN112463564B (zh) | 确定影响主机状态的关联指标的方法及装置 | |
WO2023274121A1 (zh) | 故障检测方法及装置、电子设备和计算机可读存储介质 | |
CN102930158A (zh) | 基于偏最小二乘的变量选择方法 | |
CN111563078B (zh) | 基于时序数据的数据质量检测方法、检测装置及存储装置 | |
CN112423031B (zh) | 基于iptv的kpi监测方法、装置及其系统 | |
Feng et al. | An integrated reliability model of hardware-software system | |
Tong et al. | A prediction model for complex equipment remaining useful life using gated recurrent unit complex networks | |
Algikar et al. | A robust data-driven process modeling applied to time-series stochastic power flow | |
CN108491606B (zh) | 一种材料强度分布获取方法 | |
CN111210149B (zh) | 一种配电网拓扑识别方法及装置 | |
CN113054653A (zh) | 基于VGGNet-SVM的电力系统暂态稳定评估方法 | |
CN113315667B (zh) | 一种野值检测下时滞复杂网络系统的状态估计方法 |
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 |