CN111881584A - 一种短波链路库的随机生成方法 - Google Patents

一种短波链路库的随机生成方法 Download PDF

Info

Publication number
CN111881584A
CN111881584A CN202010747609.0A CN202010747609A CN111881584A CN 111881584 A CN111881584 A CN 111881584A CN 202010747609 A CN202010747609 A CN 202010747609A CN 111881584 A CN111881584 A CN 111881584A
Authority
CN
China
Prior art keywords
link
generating
region
short
randomly
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.)
Granted
Application number
CN202010747609.0A
Other languages
English (en)
Other versions
CN111881584B (zh
Inventor
刘毅敏
向为锋
王程林
顾晓婷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao National Laboratory for Marine Science and Technology Development Center
China Institute of Radio Wave Propagation CETC 22 Research Institute
Original Assignee
Qingdao National Laboratory for Marine Science and Technology Development Center
China Institute of Radio Wave Propagation CETC 22 Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qingdao National Laboratory for Marine Science and Technology Development Center, China Institute of Radio Wave Propagation CETC 22 Research Institute filed Critical Qingdao National Laboratory for Marine Science and Technology Development Center
Priority to CN202010747609.0A priority Critical patent/CN111881584B/zh
Publication of CN111881584A publication Critical patent/CN111881584A/zh
Application granted granted Critical
Publication of CN111881584B publication Critical patent/CN111881584B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种短波链路库的随机生成方法，生成第i条链路的具体步骤如下：步骤A，生成链路发射端位置pTi：步骤B，生成链路接收端位置pRi：步骤C，生成链路。本发明公开了一种随机生成短波链路库的方法，在生成短波链路时将链路长度作为一个输入参数，同时又保留了链路收发点的随机性，能够直接生成符合要求的链路库，避免了在维度过大的空间进行链路搜索和分类，减小了生成链路库的计算复杂度，可以高效稳定的生成短波链路库，为短波系统论证提供了有效的仿真计算手段。

Description

一种短波链路库的随机生成方法
技术领域
本发明属于短波系统论证领域，特别涉及该领域中的一种短波链路库的随机生成方法。
背景技术
在短波系统性能指标和体制论证等仿真计算中，时间、空间、频率、天线、传输设备、传输体制等都会对短波系统的性能造成影响。仿真计算时，通常对上述维度每类参数设置一组取值范围，然后计算得到所有参数组合的仿真结果。对于空间这个维度，在短波系统仿真计算中主要指短波通信链路、短波干扰链路或其它通过短波天波进行传播的链路。为保持仿真计算的普适性和可比性，链路既需要随机生成，又需要满足一定的短波应用场景。
现有的一种链路库生成方法为，随机生成M个位置点，将这些位置点两两连接得到M*(M-1)条链路，再计算每条链路长度，按长度将这些链路分类，长度近似的链路构成一个链路库。这种方法有两个问题，且解决起来互为矛盾。一是不能保证生成链路的长度均匀分布，从而导致一些链路库过大，一些链路库过小；二是需要计算M*(M-1)条链路的长度，M太大时计算量太大，只有通过减小M来控制计算量，但M减小将导致第一个问题更严重。
发明内容
本发明所要解决的技术问题就是提供一种短波链路库的随机生成方法。
本发明采用如下技术方案：
一种短波链路库的随机生成方法，其改进之处在于：在给定区域D内，根据指定链路长度d千米和链路条数N，随机生成链路，这些链路构成一个链路库Ld_N:{link1,link2,…,linkN}，生成第i条链路的具体步骤如下：
步骤A，生成链路发射端位置pTi：
当给定区域D为长方形区域时，设置区域D0＝D；当给定区域D为不规则区域时，设置区域D0为包含D的最小长方形区域；
设区域D0的纬度范围为[LAT1,LAT2]，经度范围为[LON1,LON2]，在D0中随机生成一个位置点p:<lat,lon>，生成方法为：
步骤A1：在[LAT1,LAT2]中随机取值lat；
步骤A2：在[LON1,LON2]中随机取值lon；
步骤A3：令p:<lat,lon>，当D0＝D时，pTi＝p；当D0>D时，判断p是否在区域D中，如果在，则pTi＝p；如果不在，则返回并重新执行步骤A1；
步骤B，生成链路接收端位置pRi：
步骤B1，随机生成链路方向θ；其中θ以正北方向为0度，顺时针取值，范围为[0,359]；
步骤B2，计算链路接收端位置：由链路发射端pTi沿链路方向θ延伸距离d得到链路接收端p’；
步骤B3，判断链路接收端p’是否在给定区域D内，如果在，则令pRi＝p’；如果不在，则返回并重新执行步骤B1；
步骤C，生成链路：由收发点位置构成一条链路，用二元组表示第i条链路linki：<pTi,pRi>。
本发明的有益效果是：
本发明公开了一种随机生成短波链路库的方法，在生成短波链路时将链路长度作为一个输入参数，同时又保留了链路收发点的随机性，能够直接生成符合要求的链路库，避免了在维度过大的空间进行链路搜索和分类，减小了生成链路库的计算复杂度，可以高效稳定的生成短波链路库，为短波系统论证提供了有效的仿真计算手段。
附图说明
图1是本发明方法的流程示意图；
图2是本发明实施例1中区域D1和D2的示意图；
图3是本发明实施例1中生成的两个链路库的示意图；
图4是本发明实施例2中区域D3和D0的示意图；
图5a是本发明实施例2中链路长度为200km时的链路库示意图；
图5b是本发明实施例2中链路长度为600km时的链路库示意图；
图5c是本发明实施例2中链路长度为1000km时的链路库示意图；
图5d是本发明实施例2中链路长度为2000km时的链路库示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，本发明公开了一种短波链路库的随机生成方法，在给定区域D内，根据指定链路长度d千米和链路条数N，随机生成链路，这些链路构成一个链路库Ld_N:{link1,link2,…,linkN}，生成第i条链路的具体步骤如下：
步骤A，生成链路发射端位置pTi：
当给定区域D为长方形区域时，设置区域D0＝D；当给定区域D为不规则区域时，设置区域D0为包含D的最小长方形区域；
设区域D0的纬度范围为[LAT1,LAT2]，经度范围为[LON1,LON2]，在D0中随机生成一个位置点p:<lat,lon>，生成方法为：
步骤A1：在[LAT1,LAT2]中随机取值lat；
步骤A2：在[LON1,LON2]中随机取值lon；
步骤A3：令p:<lat,lon>，当D0＝D时，pTi＝p；当D0>D时，判断p是否在区域D中，如果在，则pTi＝p；如果不在，则返回并重新执行步骤A1；
步骤B，生成链路接收端位置pRi：
步骤B1，随机生成链路方向θ；其中θ以正北方向为0度，顺时针取值，范围为[0,359]；
步骤B2，计算链路接收端位置：由链路发射端pTi沿链路方向θ延伸距离d得到链路接收端p’；
步骤B3，判断链路接收端p’是否在给定区域D内，如果在，则令pRi＝p’；如果不在，则返回并重新执行步骤B1；
步骤C，生成链路：由收发点位置构成一条链路，用二元组表示第i条链路linki：<pTi,pRi>。
实施例1，在图2所示区域D1和D2内分别生成一个链路库，每个链路库包含30条链路，链路长度200-600km。
首先，在区域D1内生成链路库，生成第i条链路的步骤如下：
步骤A：生成链路发射端位置pTi。
给定区域D1为长方形区域，纬度范围为[30,40]，经度范围为[80,100]，在D1中随机生成一个位置点p:<lat,lon>，生成方法为：
步骤A1：在[30,40]中随机取值lat；
步骤A2：在[80,100]中随机取值lon；
步骤A3：得到链路发射端位置pTi:<lat,lon>。
步骤B：生成链路接收端位置pRi。
步骤B1：在[0,359]中随机取值θ；
步骤B2：由链路发射端pTi沿链路方向θ延伸距离d得到链路接收端p’；其中d在200-600中随机取值。
步骤B3：判断链路接收端p’是否在给定区域D1内，如果在，则令pRi＝p’；如果不在，则返回并重新执行步骤B1；
步骤C：生成第i条链路linki:<pTi,pRi>。
然后，在区域D2内生成链路库，生成第i条链路的步骤如下：
步骤A：生成链路发射端位置pTi。
给定区域D2为长方形区域，纬度范围为[25,35]，经度范围为[10,120]，在D2中随机生成一个位置点p:<lat,lon>，生成方法为：
步骤A1：在[25,35]中随机取值lat；
步骤A2：在[10,120]中随机取值lon；
步骤A3：得到链路发射端位置pTi:<lat,lon>。
步骤B：生成链路接收端位置pRi。
步骤B1：在[0,359]中随机取值θ；
步骤B2：由链路发射端pTi沿链路方向θ延伸距离d得到链路接收端p’；其中d在200-600中随机取值。
步骤B3：判断链路接收端p’是否在给定区域D2内，如果在，则令pRi＝p’；如果不在，则返回并重新执行步骤B1；
步骤C：生成第i条链路linki:<pTi,pRi>。
生成的两个链路库如图3所示，其中一条线段表示一条链路。
实施例2：在图4所示区域D3内生成一系列链路库，每个链路库包含100条链路，链路长度分别为200km、600km、1000km、2000km。
在D3内生成4个链路库，其中第j个链路库的链路长度为dj，j＝1,2,3,4。且d1＝200,d2＝600,d3＝1000,d4＝2000。
生成第j个链路库第i条链路步骤如下：
步骤A：生成链路发射端位置pTi。
给定区域D3为不规则区域，如图4所示，设置区域D0为包含D3的最小长方形区域，即区域D0的纬度范围为[18,54]，经度范围为[74,135]，在D0中随机生成一个位置点p:<lat,lon>，生成方法为：
步骤A1：在[18,54]中随机取值lat；
步骤A2：在[74,135]中随机取值lon；
步骤A3：得到链路发射端位置pTi:<lat,lon>。
步骤B：生成链路接收端位置pRi。
步骤B1：在[0,359]中随机取值θ；
步骤B2：由链路发射端pTi沿链路方向θ延伸距离dj得到链路接收端p’；
步骤B3：判断链路接收端p’是否在给定区域D3内，如果在，则令pRi＝p’；如果不在，则返回并重新执行步骤B1；
步骤C：生成第i条链路linki:<pTi,pRi>。
生成的四个链路库分别如图5a，5b，5c和5d所示，其中一条线段表示一条链路。
综上所述，本发明提供了一种短波链路库的随机生成方法，通过设置区域范围、链路长度、链路条数等参数，可以高效简便的生成在空间维度上有可比性的链路库系列。比如在多个相似区域生成链路长度一致的多个链路库，也可在同一区域内生成链路长度不等的多个链路库，这些链路库系列在短波系统仿真计算中较好的模拟了短波链路的位置分布，对研究短波系统随经纬度变化的统计特性提供了技术手段。

Claims (1)

1.一种短波链路库的随机生成方法，其特征在于：在给定区域D内，根据指定链路长度d千米和链路条数N，随机生成链路，这些链路构成一个链路库Ld_N:{link1,link2,…,linkN}，生成第i条链路的具体步骤如下：
步骤A，生成链路发射端位置pTi：
当给定区域D为长方形区域时，设置区域D0＝D；当给定区域D为不规则区域时，设置区域D0为包含D的最小长方形区域；
设区域D0的纬度范围为[LAT1,LAT2]，经度范围为[LON1,LON2]，在D0中随机生成一个位置点p:<lat,lon>，生成方法为：
步骤A1：在[LAT1,LAT2]中随机取值lat；
步骤A2：在[LON1,LON2]中随机取值lon；
步骤A3：令p:<lat,lon>，当D0＝D时，pTi＝p；当D0>D时，判断p是否在区域D中，如果在，则pTi＝p；如果不在，则返回并重新执行步骤A1；
步骤B，生成链路接收端位置pRi：
步骤B1，随机生成链路方向θ；其中θ以正北方向为0度，顺时针取值，范围为[0,359]；
步骤B2，计算链路接收端位置：由链路发射端pTi沿链路方向θ延伸距离d得到链路接收端p’；
步骤B3，判断链路接收端p’是否在给定区域D内，如果在，则令pRi＝p’；如果不在，则返回并重新执行步骤B1；
步骤C，生成链路：由收发点位置构成一条链路，用二元组表示第i条链路linki：<pTi,pRi>。
CN202010747609.0A 2020-07-30 2020-07-30 一种短波链路库的随机生成方法 Active CN111881584B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010747609.0A CN111881584B (zh) 2020-07-30 2020-07-30 一种短波链路库的随机生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010747609.0A CN111881584B (zh) 2020-07-30 2020-07-30 一种短波链路库的随机生成方法

Publications (2)

Publication Number Publication Date
CN111881584A true CN111881584A (zh) 2020-11-03
CN111881584B CN111881584B (zh) 2023-02-28

Family

ID=73201602

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010747609.0A Active CN111881584B (zh) 2020-07-30 2020-07-30 一种短波链路库的随机生成方法

Country Status (1)

Country Link
CN (1) CN111881584B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102158967A (zh) * 2011-03-09 2011-08-17 华为技术有限公司 为通信链路分配传输时隙的空间复用的方法、装置和系统
CN106788815A (zh) * 2016-11-28 2017-05-31 北京航空航天大学 一种基于多体制探测数据的短波通信可靠性评估方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102158967A (zh) * 2011-03-09 2011-08-17 华为技术有限公司 为通信链路分配传输时隙的空间复用的方法、装置和系统
CN106788815A (zh) * 2016-11-28 2017-05-31 北京航空航天大学 一种基于多体制探测数据的短波通信可靠性评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘硕等: "基于层次分析法的短波地空网链路优选算法", 《火力与指挥控制》 *

Also Published As

Publication number Publication date
CN111881584B (zh) 2023-02-28

Similar Documents

Publication Publication Date Title
CN109711532B (zh) 一种针对硬件实现稀疏化卷积神经网络推断的加速方法
WO2020253690A1 (zh) 一种基于近似消息传递算法的深度学习波束域信道估计方法
CN111245480B (zh) 一种基于三维空间的双簇几何信道建模方法
US20220217792A1 (en) Industrial 5g dynamic multi-priority multi-access method based on deep reinforcement learning
CN103298009B (zh) 复杂无线网络控制系统的建模及故障传播方法
CN104052557B (zh) 一种Nakagami复衰落信道建模方法
CN104378170A (zh) 一种临近空间动态等离子鞘套信道建模及模拟的方法
CN106027183A (zh) 一种可快速实现复合衰落信道累积分布性能评估的方法
CN111629380A (zh) 面向高并发多业务工业5g网络的动态资源分配方法
CN106357313A (zh) 面向无人机通信的mimo 中继信道中断概率计算方法
WO2021036414A1 (zh) 一种低轨移动卫星星座下星地下行链路同频干扰预测方法
CN113419849A (zh) 边缘计算节点选择方法及终端设备
CN105246086A (zh) 一种确定天线角度的方法和设备
Saito et al. Two-step path loss prediction by artificial neural network for wireless service area planning
CN111881584B (zh) 一种短波链路库的随机生成方法
Sui et al. Jointly optimized extreme learning machine for short-term prediction of fading channel
CN116527174B (zh) 智能反射面信道状态估计方法、相位调整方法、系统
Zhao et al. SNAP: A communication efficient distributed machine learning framework for edge computing
WO2022151900A1 (zh) 一种基于神经网络的信道估计方法及通信装置
KR102555696B1 (ko) 비직교 다중 접속 방식 기반 차량 통신에서의 자원 할당 장치 및 방법
CN104581750B (zh) 一种机会网络可计算模型的构建方法
CN115190448A (zh) 智能反射面辅助的认知无人机通信网络设计方法
CN112131798A (zh) 基于bp神经网络的cvt一次侧电压信号恢复方法
CN113162712A (zh) 一种基于传播图理论的多波束信道建模方法
Yang et al. Deep-learning-based bouncing-order prediction for propagation channel characterization using graph modeling

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