CN113806920B - 一种无人机集群电磁散射仿真方法、装置、设备及介质 - Google Patents

一种无人机集群电磁散射仿真方法、装置、设备及介质 Download PDF

Info

Publication number
CN113806920B
CN113806920B CN202110979888.8A CN202110979888A CN113806920B CN 113806920 B CN113806920 B CN 113806920B CN 202110979888 A CN202110979888 A CN 202110979888A CN 113806920 B CN113806920 B CN 113806920B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
data
simulation
radar
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
Application number
CN202110979888.8A
Other languages
English (en)
Other versions
CN113806920A (zh
Inventor
饶彬
周永坤
龚泽颖
王伟
王涛
周颖
邹小海
徐峰
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.)
Sun Yat Sen University
Original Assignee
Sun Yat Sen University
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 Sun Yat Sen University filed Critical Sun Yat Sen University
Priority to CN202110979888.8A priority Critical patent/CN113806920B/zh
Publication of CN113806920A publication Critical patent/CN113806920A/zh
Application granted granted Critical
Publication of CN113806920B publication Critical patent/CN113806920B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/904—SAR modes
    • G01S13/9064—Inverse SAR [ISAR]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Mathematical Physics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Algebra (AREA)
  • Computer Graphics (AREA)
  • Discrete Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种无人机集群电磁散射仿真方法、装置、设备及介质，方法包括：建立无人机集群中单个目标无人机的三维无人机模型；根据多层快速多级子算法对无人机模型进行分析，得到雷达散射截面仿真数据；对仿真数据进行数据处理，对处理后的数据进行逆快速傅立叶变换，得到目标无人机的一维成像数据；对一维成像数据进行距离多普勒算法处理，确定目标无人机的二维成像数据；对二维成像数据进行分析，确定目标无人机的仿真数据；将仿真数据导入至雷达回波仿真系统，通过系统雷达发射信号至无人机集群获取雷达回波信号，对雷达回波信号进行回波动态模拟得到无人机集群的逆合成孔径雷达图像，可以广泛应用于电磁仿真技术领域。

Description

一种无人机集群电磁散射仿真方法、装置、设备及介质
技术领域
本发明涉及电磁仿真技术领域，尤其是一种无人机集群电磁散射仿真方法、装置、设备及介质。
背景技术
无人机技术现在正处于大力发展的阶段，单架无人机的功能变得越来越强大，但是，单架无人机还是无法满足日益复杂的应用环境和多样化的需求。为弥补单架无人机的局限性，无人机以集群的方式协同工作。通常情况下，无人机集群中单个无人机体积小，低空飞行姿态下的回波起伏较小，而且无人机集群容易与鸟群混淆，给雷达探测带来了不小的挑战。同时需要考虑无人机集群的分布特性，当无人机集群在空域较为分散时，由于杂波的影响，很难进行区别和分辨；而当集群密集分布时，可能会被误判为一个较大的飞行目标。
发明内容
有鉴于此，本发明实施例提供一种无人机集群电磁散射仿真方法、装置、设备及介质，以实现更快速、更准确地获取无人机集群的仿真数据。
一方面，本发明提供了一种无人机集群电磁散射仿真方法，包括：
建立无人机集群中单个目标无人机的三维无人机模型；
根据多层快速多级子算法对所述无人机模型进行分析，得到雷达散射截面仿真数据；
对所述仿真数据进行数据处理，对处理后的数据进行逆快速傅立叶变换，得到所述目标无人机的一维成像数据；
对所述一维成像数据进行距离多普勒算法处理，确定所述目标无人机的二维成像数据；
对所述二维成像数据进行分析，确定所述目标无人机的仿真数据；
将所述仿真数据导入至雷达回波仿真系统，通过系统雷达发射信号至所述无人机集群获取雷达回波信号，对所述雷达回波信号进行回波动态模拟得到所述无人机集群的逆合成孔径雷达图像。
可选地，所述建立无人机集群中单个目标无人机的三维无人机模型，包括：
根据所述目标无人机的数据资料确定所述三维无人机模型参数；
根据所述三维无人机模型参数以第一建模比例进行建模，得到初始三维无人机模型；
根据所述目标无人机的形状和轮廓对所述初始三维无人机模型进行对比拉伸处理，确定目标三维无人机模型。
可选地，所述根据多层快速多级子算法对所述无人机模型进行分析，得到雷达散射截面仿真数据，包括：
在单频点条件下，以固定步长的方位角使用多层快速多级子算法对所述无人机模型进行分析，得到四种极化通道下的雷达散射截面仿真数据。
可选地，所述对所述仿真数据进行数据处理，对处理后的数据进行逆快速傅立叶变换，得到所述目标无人机的一维成像数据，包括：
将所述仿真数据以二进制文件格式进行导出，确定仿真文件；
通过商业数学软件对所述仿真文件进行数据清洗，删除多余的数据以及提示、警告信息，以文本格式进行存储，确定数据文件；
将所述数据文件映射到复数域，进行逆快速傅立叶变换，确定所述目标无人机的一维成像数据。
可选地，所述对所述一维成像数据进行距离多普勒算法处理，确定所述目标无人机的二维成像数据，包括：
截取所述一维成像数据中的一段数据进行数据采样，确定采样数据；
通过线性插值法对所述采样数据进行插值，将插值后的数据进行快速傅立叶变换处理，确定所述目标无人机的二维成像数据。
可选地，所述对所述二维成像数据进行分析，确定所述目标无人机的仿真数据，包括：
从所述二维成像数据中分析出仿真无人机的主体、两边侧翼以及四边尾翼；
将所述仿真无人机的主体、两边侧翼以及四边尾翼与所述目标无人机进行对比，确定第一对比结果；
根据所述二维成像数据获取二维距离像彩色轮廓图，根据所述轮廓图与所述目标无人机进行对比，确定第二对比结果；
根据所述第一对比结果以及所述第二对比结果，确定所述目标无人机的仿真数据。
可选地，所述将所述仿真数据导入至雷达回波仿真系统，通过系统雷达发射信号至所述无人机集群获取雷达回波信号，对所述雷达回波信号进行回波动态模拟得到所述无人机集群的逆合成孔径雷达图像，包括：
将所述仿真数据导入至雷达回波仿真系统，通过系统雷达发射信号至所述无人机集群获取雷达回波信号；
根据所述雷达回波信号调整所述无人机集群中无人机的距离以及方位参数，结合所述目标无人机的仿真数据进行匹配，确定所述无人机集群的逆合成孔径雷达图像。
另一方面，本发明实施例还公开了一种无人机集群电磁散射仿真装置，包括：
第一模块，用于建立无人机集群中单个目标无人机的三维无人机模型；
第二模块，用于根据多层快速多级子算法对所述无人机模型进行分析，得到雷达散射截面仿真数据；
第三模块，用于对所述仿真数据进行数据处理，对处理后的数据进行逆快速傅立叶变换，得到所述目标无人机的一维成像数据；
第四模块，用于对所述一维成像数据进行距离多普勒算法处理，确定所述目标无人机的二维成像数据；
第五模块，用于对所述二维成像数据进行分析，确定所述目标无人机的仿真数据；
第六模块，用于将所述仿真数据导入至雷达回波仿真系统，通过系统雷达发射信号至所述无人机集群获取雷达回波信号，对所述雷达回波信号进行回波动态模拟得到所述无人机集群的逆合成孔径雷达图像。
另一方面，本发明实施例还公开了一种电子设备，包括处理器以及存储器；
所述存储器用于存储程序；
所述处理器执行所述程序实现如前面所述的方法。
另一方面，本发明实施例还公开了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
另一方面，本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：本发明通过根据多层快速多级子算法对所述无人机模型进行分析，得到雷达散射截面仿真数据；能够快速得到目标无人机的雷达散射截面仿真数据；另外，本发明通过对所述仿真数据进行数据处理，对处理后的数据进行逆快速傅立叶变换，得到所述目标无人机的一维成像数据；对所述一维成像数据进行距离多普勒算法处理，确定所述目标无人机的二维成像数据；对所述二维成像数据进行分析，确定所述目标无人机的仿真数据；能够对目标无人机的仿真数据进行检验，提高系统的准确性和合理性；再者，本发明通过将所述仿真数据导入至雷达回波仿真系统，通过系统雷达发射信号至所述无人机集群获取雷达回波信号，对所述雷达回波信号进行回波动态模拟得到所述无人机集群的逆合成孔径雷达图像；能够根据逆合成孔径雷达图像模拟无人机集群在实际场景中的飞行方式。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的具体流程图；
图2为本发明实施例的一种无人机建模图；
图3为本发明实施例的一种无人机雷达散射截面数据一维成像图；
图4为本发明实施例的一种无人机雷达散射截面数据二维成像图；
图5为本发明实施例的三架无人机的二维逆合成孔径雷达成像图；
图6为本发明实施例的七架无人机的二维逆合成孔径雷达成像图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请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申请，并不用于限定本申请。
参照图1，本发明实施例提供一种无人机集群电磁散射仿真方法，包括：
S1、建立无人机集群中单个目标无人机的三维无人机模型；
S2、根据多层快速多级子算法对所述无人机模型进行分析，得到雷达散射截面仿真数据；
S3、对所述仿真数据进行数据处理，对处理后的数据进行逆快速傅立叶变换，得到所述目标无人机的一维成像数据；
S4、对所述一维成像数据进行距离多普勒算法处理，确定所述目标无人机的二维成像数据；
S5、对所述二维成像数据进行分析，确定所述目标无人机的仿真数据；
S6、将所述仿真数据导入至雷达回波仿真系统，通过系统雷达发射信号至所述无人机集群获取雷达回波信号，对所述雷达回波信号进行回波动态模拟得到所述无人机集群的逆合成孔径雷达图像。
进一步作为优选的实施方式，上述步骤S1中，所述建立无人机集群中单个目标无人机的三维无人机模型，包括：
根据所述目标无人机的数据资料确定所述三维无人机模型参数；
根据所述三维无人机模型参数以第一建模比例进行建模，得到初始三维无人机模型；
根据所述目标无人机的形状和轮廓对所述初始三维无人机模型进行对比拉伸处理，确定目标三维无人机模型。
参照图2，本发明实施例通过Solidworks等三维CAD软件对无人机进行建模，根据目标无人机的产品参数进行模型参数设置，以1：100的建模比例进行建模得到初始三维无人机模型，根据实际无人机的形状和轮廓对初始三维无人机模型进行对比拉伸得到目标三维无人机模型，从而在得到相对精确的模型的同时，避开了传统方法内存过大或三角形面难以处理的各类问题。本实施例对“小精灵”无人机的机身结构进行分析，根据无人机的形状和轮廓进行建模，无人机模型为机头向后方机身均匀延伸，侧翼安装在机身中部的底下两侧，机身后部的尾翼上下、左右对称，由四个切尖的三角形舵面组成。
进一步作为优选的实施方式，上述步骤S2中，所述根据多层快速多级子算法对所述无人机模型进行分析，得到雷达散射截面仿真数据，包括：
在单频点条件下，以固定步长的方位角使用多层快速多级子算法对所述无人机模型进行分析，得到四种极化通道下的雷达散射截面仿真数据。
其中，本实施例根据无人机单站单频点雷达散射截面(RCS)计算参数，通过软件分析得到在四种极化通道下的单站雷达散射截面仿真数据，其中，表1为无人机单站单频点雷达散射截面计算参数表，如下表所示：
表1
通过仿真分析，当目标无人机正对着雷达飞行时，被探测到的概率较小，因为在机头方向、较小角度范围内，RCS幅值较低；当目标无人机侧向雷达飞行时，导致雷达波束扫向目标侧向和尾部，相比于扫向机头而言，雷达探测范围也增大不少，目标被探测到的概率较大。
进一步作为优选的实施方式，上述步骤S3中，所述对所述仿真数据进行数据处理，对处理后的数据进行逆快速傅立叶变换，得到所述目标无人机的一维成像数据，包括：
将所述仿真数据以二进制文件格式进行导出，确定仿真文件；
通过商业数学软件对所述仿真文件进行数据清洗，删除多余的数据以及提示、警告信息，以文本格式进行存储，确定数据文件；
将所述数据文件映射到复数域，进行逆快速傅立叶变换，确定所述目标无人机的一维成像数据。
参照图3，将所述仿真数据以二进制数据文件(.out文件)进行导出，并且编写相应的MATLAB代码进行一键式自动化的数据清洗，删除多余的数据、提示信息以及告警信息，得到按列表排列的数据文件，以文本格式(.txt)格式进行保存，得到数据文件。将数据文件映射到复数域后进行逆快速傅立叶变换，从而得到目标无人机的一维距离像，即一维成像数据。
进一步作为优选的实施方式，上述步骤S4中，所述对所述一维成像数据进行距离多普勒算法处理，确定所述目标无人机的二维成像数据，包括：
截取所述一维成像数据中的一段数据进行数据采样，确定采样数据；
通过线性插值法对所述采样数据进行插值，将插值后的数据进行快速傅立叶变换处理，确定所述目标无人机的二维成像数据。
参照图4，对一维距离像进行采样，截取一维距离像的一段数据以每0.1个方位角的数据进行采样，在每0.1个方位角的数据间利用线性插值法插入4个数，再进行快速傅立叶变换处理，得到二维距离像，即目标无人机的二维成像数据。
进一步作为优选的实施方式，上述步骤S5中，所述对所述二维成像数据进行分析，确定所述目标无人机的仿真数据，包括：
从所述二维成像数据中分析出仿真无人机的主体、两边侧翼以及四边尾翼；
将所述仿真无人机的主体、两边侧翼以及四边尾翼与所述目标无人机进行对比，确定第一对比结果；
根据所述二维成像数据获取二维距离像彩色轮廓图，根据所述轮廓图与所述目标无人机进行对比，确定第二对比结果；
根据所述第一对比结果以及所述第二对比结果，确定所述目标无人机的仿真数据。
其中，从无人机二维距离像中分析出无人机的主体、两边侧翼、四边尾翼与无人机0°方位角下的模型进行对比，确认第一对比结果为吻合，同时从二维距离像的彩色轮廓图进行分析，与无人机机头位置的轮廓也大致吻合，确定第二对比结果也为吻合，最终确认无人机的雷达散射截面数据是正确的。
进一步作为优选的实施方式，上述步骤S6中，所述将所述仿真数据导入至雷达回波仿真系统，通过系统雷达发射信号至所述无人机集群获取雷达回波信号，对所述雷达回波信号进行回波动态模拟得到所述无人机集群的逆合成孔径雷达图像，包括：
将所述仿真数据导入至雷达回波仿真系统，通过系统雷达发射信号至所述无人机集群获取雷达回波信号；
根据所述雷达回波信号调整所述无人机集群中无人机的距离以及方位参数，结合所述目标无人机的仿真数据进行匹配，确定所述无人机集群的逆合成孔径雷达图像。
参照图5和图6，雷达回波仿真系统通过系统雷达发射信号至无人机集群，得到雷达回波信号，通过在MATLAB上调整不同无人机的距离和方位参数，根据雷达与无人机在距离维方位维的关系，结合已计算出来的、同频段下多个方位角的无人机雷达散射横截面数据进行匹配。匹配过程为：最中心的无人机呈现的是正面姿态，它的数据调用的就是0度时的RCS数据，相对的最侧面的无人机，0度处的雷达照射侧面无人机的角度最大为45度，因此最大采用45度的RCS数据对其进行模拟，最后得到多架无人机单体在不同距离、方位参数条件下，匹配不同的模拟雷达回波，叠加得到无人机集群的二维逆合成孔径雷达图像，图5为本发明实施例的三架无人机的二维逆合成孔径雷达成像图，图6为本发明实施例的七架无人机的二维逆合成孔径雷达成像图。
结合附图1。本发明的流程具体包括：根据目标无人机的产品参数，通过三维CAD软件对目标无人机进行建模。通过设置无人机单站单频点雷达散射截面计算参数，使用软件分析得到无人机的雷达散射截面仿真数据。将仿真数据从分析软件中以二进制文件导出并通过商业数学软件对仿真数据进行数据清洗，以文本格式进行存储，在映射到复数域进行逆快速傅立叶变换，得到目标无人机的一维成像数据。对一维数据中的一段数据以每0.1个方位角的数据进行采样以及插入，再进行快速傅立叶变换处理，得到目标无人机的二维成像数据。根据二维成像数据分析数据中无人机的形状和轮廓是否和目标无人机相吻合，对无人机的仿真数据，即雷达散射截面数据进行验证。将验证无误后的仿真数据导入到雷达回波仿真系统中，系统雷达向无人机集群发射雷达信号，系统获取得到雷达回波信号。对无人机集群的距离以及方位参数进行调整，结合仿真数据进行匹配，得到无人机集群的逆合成孔径雷达图像。
另一方面，本发明实施例还公开了一种无人机集群电磁散射仿真装置，包括：
第一模块，用于建立无人机集群中单个目标无人机的三维无人机模型；
第二模块，用于根据多层快速多级子算法对所述无人机模型进行分析，得到雷达散射截面仿真数据；
第三模块，用于对所述仿真数据进行数据处理，对处理后的数据进行逆快速傅立叶变换，得到所述目标无人机的一维成像数据；
第四模块，用于对所述一维成像数据进行距离多普勒算法处理，确定所述目标无人机的二维成像数据；
第五模块，用于对所述二维成像数据进行分析，确定所述目标无人机的仿真数据；
第六模块，用于将所述仿真数据导入至雷达回波仿真系统，通过系统雷达发射信号至所述无人机集群获取雷达回波信号，对所述雷达回波信号进行回波动态模拟得到所述无人机集群的逆合成孔径雷达图像。
与图1的方法相对应，本发明实施例还提供了一种电子设备，包括处理器以及存储器；所述存储器用于存储程序；所述处理器执行所述程序实现如前面所述的方法。
与图1的方法相对应，本发明实施例还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行图1所示的方法。
综上所述，本发明实施例具有以下优点：
(1)本发明通过多层快速多级子算法对所述无人机模型进行分析，得到雷达散射截面仿真数据，提高了获取数据的速度；
(2)本发明通过一维距离像以及二维距离像对仿真数据进行验证，提高了系统的准确性和合理性；
(3)本发明通过回波动态模拟得到无人机集群的逆合成孔径雷达图像，能够模拟无人机集群在实际场景中的飞行方式。
在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (9)

1.一种无人机集群电磁散射仿真方法，其特征在于，包括：
建立无人机集群中单个目标无人机的三维无人机模型；
根据多层快速多级子算法对所述无人机模型进行分析，得到雷达散射截面仿真数据；
对所述仿真数据进行数据处理，对处理后的数据进行逆快速傅立叶变换，得到所述目标无人机的一维成像数据；
对所述一维成像数据进行距离多普勒算法处理，确定所述目标无人机的二维成像数据；
对所述二维成像数据进行分析，确定所述目标无人机的仿真数据；
将所述仿真数据导入至雷达回波仿真系统，通过系统雷达发射信号至所述无人机集群获取雷达回波信号，对所述雷达回波信号进行回波动态模拟得到所述无人机集群的逆合成孔径雷达图像；
所述对所述二维成像数据进行分析，确定所述目标无人机的仿真数据，包括：从所述二维成像数据中分析出仿真无人机的主体、两边侧翼以及四边尾翼；
将所述仿真无人机的主体、两边侧翼以及四边尾翼与所述目标无人机进行对比，确定第一对比结果；
根据所述二维成像数据获取二维距离像彩色轮廓图，根据所述轮廓图与所述目标无人机进行对比，确定第二对比结果；
根据所述第一对比结果以及所述第二对比结果，确定所述目标无人机的仿真数据。
2.根据权利要求1所述的一种无人机集群电磁散射仿真方法，其特征在于，所述建立无人机集群中单个目标无人机的三维无人机模型，包括：
根据所述目标无人机的数据资料确定所述三维无人机模型参数；
根据所述三维无人机模型参数以第一建模比例进行建模，得到初始三维无人机模型；
根据所述目标无人机的形状和轮廓对所述初始三维无人机模型进行对比拉伸处理，确定目标三维无人机模型。
3.根据权利要求1所述的一种无人机集群电磁散射仿真方法，其特征在于，所述根据多层快速多级子算法对所述无人机模型进行分析，得到雷达散射截面仿真数据，包括：
在单频点条件下，以固定步长的方位角使用多层快速多级子算法对所述无人机模型进行分析，得到四种极化通道下的雷达散射截面仿真数据。
4.根据权利要求1所述的一种无人机集群电磁散射仿真方法，其特征在于，所述对所述仿真数据进行数据处理，对处理后的数据进行逆快速傅立叶变换，得到所述目标无人机的一维成像数据，包括：
将所述仿真数据以二进制文件格式进行导出，确定仿真文件；
通过商业数学软件对所述仿真文件进行数据清洗，删除多余的数据以及提示、警告信息，以文本格式进行存储，确定数据文件；
将所述数据文件映射到复数域，进行逆快速傅立叶变换，确定所述目标无人机的一维成像数据。
5.根据权利要求1所述的一种无人机集群电磁散射仿真方法，其特征在于，所述对所述一维成像数据进行距离多普勒算法处理，确定所述目标无人机的二维成像数据，包括：
截取所述一维成像数据中的一段数据进行数据采样，确定采样数据；
通过线性插值法对所述采样数据进行插值，将插值后的数据进行快速傅立叶变换处理，确定所述目标无人机的二维成像数据。
6.根据权利要求1所述的一种无人机集群电磁散射仿真方法，其特征在于，所述将所述仿真数据导入至雷达回波仿真系统，通过系统雷达发射信号至所述无人机集群获取雷达回波信号，对所述雷达回波信号进行回波动态模拟得到所述无人机集群的逆合成孔径雷达图像，包括：
将所述仿真数据导入至雷达回波仿真系统，通过系统雷达发射信号至所述无人机集群获取雷达回波信号；
根据所述雷达回波信号调整所述无人机集群中无人机的距离以及方位参数，结合所述目标无人机的仿真数据进行匹配，确定所述无人机集群的逆合成孔径雷达图像。
7.一种无人机集群电磁散射仿真装置，其特征在于，包括：
第一模块，用于建立无人机集群中单个目标无人机的三维无人机模型；
第二模块，用于根据多层快速多级子算法对所述无人机模型进行分析，得到雷达散射截面仿真数据；
第三模块，用于对所述仿真数据进行数据处理，对处理后的数据进行逆快速傅立叶变换，得到所述目标无人机的一维成像数据；
第四模块，用于对所述一维成像数据进行距离多普勒算法处理，确定所述目标无人机的二维成像数据；
第五模块，用于对所述二维成像数据进行分析，确定所述目标无人机的仿真数据；
第六模块，用于将所述仿真数据导入至雷达回波仿真系统，通过系统雷达发射信号至所述无人机集群获取雷达回波信号，对所述雷达回波信号进行回波动态模拟得到所述无人机集群的逆合成孔径雷达图像；
所述第五模块，用于对所述二维成像数据进行分析，确定所述目标无人机的仿真数据，包括：
从所述二维成像数据中分析出仿真无人机的主体、两边侧翼以及四边尾翼；
将所述仿真无人机的主体、两边侧翼以及四边尾翼与所述目标无人机进行对比，确定第一对比结果；
根据所述二维成像数据获取二维距离像彩色轮廓图，根据所述轮廓图与所述目标无人机进行对比，确定第二对比结果；
根据所述第一对比结果以及所述第二对比结果，确定所述目标无人机的仿真数据。
8.一种电子设备，其特征在于，包括处理器以及存储器；
所述存储器用于存储程序；
所述处理器执行所述程序实现如权利要求1-6中任一项所述的方法。
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行实现如权利要求1-6中任一项所述的方法。
CN202110979888.8A 2021-08-25 2021-08-25 一种无人机集群电磁散射仿真方法、装置、设备及介质 Active CN113806920B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110979888.8A CN113806920B (zh) 2021-08-25 2021-08-25 一种无人机集群电磁散射仿真方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110979888.8A CN113806920B (zh) 2021-08-25 2021-08-25 一种无人机集群电磁散射仿真方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN113806920A CN113806920A (zh) 2021-12-17
CN113806920B true CN113806920B (zh) 2024-02-23

Family

ID=78941868

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110979888.8A Active CN113806920B (zh) 2021-08-25 2021-08-25 一种无人机集群电磁散射仿真方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN113806920B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114609604B (zh) * 2022-03-25 2023-06-09 电子科技大学 无人机集群目标检测及目标轮廓、集群规模估计方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105260524A (zh) * 2015-09-28 2016-01-20 大连理工大学 一种扫描状态下船舶导航雷达二维回波序列像仿真方法
WO2021000902A1 (zh) * 2019-07-02 2021-01-07 五邑大学 一种sar图像数据增强方法、装置及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112415480A (zh) * 2019-08-20 2021-02-26 是德科技股份有限公司 用于测试毫米波雷达传感器的多输入多输出(mimo)目标仿真系统及方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105260524A (zh) * 2015-09-28 2016-01-20 大连理工大学 一种扫描状态下船舶导航雷达二维回波序列像仿真方法
WO2021000902A1 (zh) * 2019-07-02 2021-01-07 五邑大学 一种sar图像数据增强方法、装置及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于极化分解的舰船和角反射器鉴别方法;朱珍珍;汤广富;程翥;皇甫堪;;舰船电子对抗(第06期);第15页-第21页 *
逆合成孔径雷达图像仿真研究;刘拥军;葛德彪;张忠治;;电波科学学报(第05期);第895-898页 *

Also Published As

Publication number Publication date
CN113806920A (zh) 2021-12-17

Similar Documents

Publication Publication Date Title
CN107728142B (zh) 基于二维卷积网络的雷达高分辨距离像目标识别方法
CN107728143B (zh) 基于一维卷积神经网络的雷达高分辨距离像目标识别方法
DE102013102153A1 (de) Verfahren zur Registrierung von Entfernungsbildern von mehreren LiDAR-Sensoren
CN113486961A (zh) 基于深度学习的低信噪比下雷达rd图像目标检测方法、系统及计算机设备
CN116256713B (zh) 用于确定目标对象的移动性状态的方法
CN113806920B (zh) 一种无人机集群电磁散射仿真方法、装置、设备及介质
CN113723425B (zh) 一种飞机型号识别方法、装置、存储介质及设备
Vatsavayi et al. Efficient ISAR image classification using MECSM representation
CN117892174A (zh) 一种基于多维域特征的快速机器学习多径识别方法及系统
Aust et al. A data-driven approach for stochastic modeling of automotive radar detections for extended objects
CN116819561A (zh) 一种点云数据匹配方法、系统、电子设备及存储介质
CN113762203B (zh) 基于仿真数据的跨域自适应sar图像分类方法、装置及设备
CN113960551B (zh) 一种针对sar图像的杂波图像生成方法和目标检测方法
CN113534132B (zh) 一种自适应无人机波达方向估计方法
Liferenko et al. Method for recognizing the type of space object in airspace based on the use of radar images
Zhang et al. Bearing‐only motion analysis of target based on low‐quality bearing‐time recordings map
CN113780364B (zh) 一种模型与数据联合驱动的sar图像目标识别方法
KR101893476B1 (ko) W대역 밀리미터파 탐색기에서 표적 식별을 위한 데이터 처리 장치
CN113189587B (zh) 雷达的单目标识别方法、系统及可读存储介质
Jasinski et al. Validation framework for generic radar sensor models
KR102029399B1 (ko) 대상체에 대한 반사 신호를 처리하는 정보 처리 장치 및 방법.
CN115908296B (zh) 医学图像类激活映射评价方法、装置、计算机设备及存储介质
CN116092072B (zh) 一种航天器目标检测方法、系统、存储介质和电子设备
CN114137521B (zh) 基于属性散射中心模型的图像识别方法、装置及介质
Walenta et al. Bayesian Gaussian Mixture Models for Enhanced Radar Sensor Modeling: A Data-Driven Approach towards Sensor Simulation for ADAS/AD Development

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