CN114677494B - 基于剖分网格的雷达探测能力计算方法、装置及设备 - Google Patents

基于剖分网格的雷达探测能力计算方法、装置及设备 Download PDF

Info

Publication number
CN114677494B
CN114677494B CN202210578156.2A CN202210578156A CN114677494B CN 114677494 B CN114677494 B CN 114677494B CN 202210578156 A CN202210578156 A CN 202210578156A CN 114677494 B CN114677494 B CN 114677494B
Authority
CN
China
Prior art keywords
radar
dimensional
power density
dimensional grid
calculating
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
CN202210578156.2A
Other languages
English (en)
Other versions
CN114677494A (zh
Inventor
杨岸然
李杨
陈荦
贾庆仁
马梦宇
尚晓云
吴烨
熊伟
景宁
钟志农
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.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202210578156.2A priority Critical patent/CN114677494B/zh
Publication of CN114677494A publication Critical patent/CN114677494A/zh
Application granted granted Critical
Publication of CN114677494B publication Critical patent/CN114677494B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G06T17/205—Re-meshing
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/40—Means for monitoring or calibrating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06T17/005—Tree description, e.g. octree, quadtree
    • 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
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请涉及一种基于剖分网格的雷达探测能力计算方法、装置及设备。所述方法包括：通过采用GeoSOT‑3D全球剖分网格编码对雷达的所能作用范围进行剖分得到多个三维网格，这样能从低精度到高精度的对雷达所能作用的空间进行划分，再计算雷达在各网格区域的功率密度以真实展现雷达的探测范围，而在进行雷达功率密度的计算时，通过将多个三维网格划分为多个计算区域，再分配给对应进程进行并行计算，这样可高效的计算出所有三维网格区域内的功率密度，以达到快速计算雷达探测能力的目的。

Description

基于剖分网格的雷达探测能力计算方法、装置及设备
技术领域
本申请涉及雷达探测技术领域，特别是涉及一种基于剖分网格的雷达探测能力计算方法、装置及设备。
背景技术
雷达通过发射电磁波对目标进行照射并接受其回波来获得目标的位置信息。传统雷达探测能力计算的研究重点是水平方向和高度方向的二维模拟，这样的模型可视化雷达探测区域很难真实、高效的展示雷达的探测范围。
随着计算机性能的提升，并行化技术的快速发展，雷达三维探测能力可视化已成为研究热点。传统的雷达探测能力三维建模通过分析雷达探测范围边界与数字地形高程的相对位置关系构建雷达探测范围的三维模型。这样的处理流程算法复杂，计算量大，当雷达的参数发生变化时，模型很难实现快速响应。因此，急需提出一种三维空间下雷达探测能力的快速计算方法来进行有效的建模。
随着地理信息采集技术的发展，地理数据的规模不断扩大，要求GIS算法能够快速访问较大规模的数据，地理要素数据作为一种重要的地理信息类型，在国土、地质、水文等领域起到关键作用，这些应用迫切需要提高地理要素数据访问的效率。
发明内容
基于此，有必要针对上述技术问题，提供一种能够真实、高效的展示雷达探测范围的基于剖分网格的雷达探测能力计算方法、装置及设备。
一种基于剖分网格的雷达探测能力计算方法，所述方法包括：
获取雷达的位置，根据所述雷达位置的中心点及作用范围得到该雷达所能作用的三维空间；
根据GeoSOT-3D在预设的划分粒度下将所述三维空间剖分为多个三维网格，并计算各三维网格节点的位置坐标以及网格编码；
将各三维网格节点按照空间位置划分为预设数量的区域，将各区域分别匹配至不同的进程，由多个进程并行计算匹配区域内所有三维网格节点上的雷达功率密度，并在各进程完成计算后将各三维网格节点上的计算结果以及对应网格编码直接写入数据库中；
根据所述数据库中的所有三维网格节点的雷达功率密度以及对应的网格编码得到所述雷达作用范围内的功率密度分布，根据所述功率密度分布确定该雷达的探测能力。
在其中一实施例中，在计算各三维网格节点上的雷达功率密度之前，还包括：
根据雷达的类型以及相关参数构建0-360°各角度对应的方向性系数对照表；
在计算各三维节点上的雷达功率密度时，根据各三维网格节点相对于雷达的不同角度直接调用所述方向性系数对照表进行查表得到对应的方向性系数。
在其中一实施例中，在计算各三维网格节点上的雷达功率密度时：
根据各三维网格节点的位置坐标以及雷达的位置计算得到该雷达针对各所述三维网格节点的方位角、俯仰角以及距离；
根据所述方位角、俯仰角以及距离进行计算得到对应三维网格节点的雷达功率密度。
在其中一实施例中，在计算各三维网格节点上的雷达功率密度时，采用以下公式：
Figure 719964DEST_PATH_IMAGE001
其中，
Figure 318436DEST_PATH_IMAGE003
式中，G表示天线增益，
Figure 70491DEST_PATH_IMAGE004
表示在方位角为
Figure 876642DEST_PATH_IMAGE005
以及俯仰角为
Figure 346938DEST_PATH_IMAGE006
下雷达功率密度，
Figure 14679DEST_PATH_IMAGE007
表示雷达的发射功率，
Figure 374903DEST_PATH_IMAGE008
表示雷达的天线单元与目标三维网格节点之间的距离，
Figure 837109DEST_PATH_IMAGE009
表示距离R处的大气损耗，
Figure 794700DEST_PATH_IMAGE010
表示在方位角为
Figure 249821DEST_PATH_IMAGE011
以及俯仰角为
Figure 976469DEST_PATH_IMAGE012
下天线增益，
Figure 875155DEST_PATH_IMAGE013
为方向性系数，可由所述方向性系数对照表查表得到，
Figure 805196DEST_PATH_IMAGE014
表示方位角方向的方向性系数，
Figure 549161DEST_PATH_IMAGE015
表示俯仰角方向的方向性系数。
在其中一实施例中，当雷达为可移动雷达，则在计算处于该雷达所能作用的三维空间周边的边缘三维网格节点的雷达功率密度时：
获取雷达的初始姿态以及移动范围；
在所述移动范围内针对各所述边缘三维网格节点分别计算最优的雷达姿态；
根据最优的雷达姿态时雷达所在的位置、方位角度以及俯仰角度与对应的边缘三维网格节点的位置坐标进行计算得到边缘三维网格节点的雷达功率密度。
在其中一实施例中，所述方法还包括：
获取雷达的散射截面积；
根据所述数据库中各三维网格节点的雷达功率密度以及散射截面积进行计算，并根据计算结果判断各三维网格节点是否能被检测到，以此得到雷达的感知范围；
根据所述感知范围确定该雷达的探测能力。
在其中一实施例中，所述雷达探测能力计算方法适用雷达类型包括：缝阵雷达、相控阵雷达以及八木天线雷达。
在其中一实施例中，所述数据库采用ClickHouse。
本申请还提供了一种基于剖分网格的雷达探测能力计算装置，所述装置包括：
雷达作用三维空间得到模块，用于获取雷达的位置，根据所述雷达位置的中心点及作用范围得到该雷达所能作用的三维空间；
全球三维网格划分模块，用于根据GeoSOT-3D在预设的划分粒度下将所述三维空间剖分为多个三维网格，并计算各三维网格节点的位置坐标以及网格编码；
雷达功率密度并行计算模块，用于将各三维网格节点按照空间位置划分为预设数量的区域，将各区域分别匹配至不同的进程，由多个进程并行计算匹配区域内所有三维网格节点上的雷达功率密度，并在各进程完成计算后将各三维网格节点上的计算结果以及对应网格编码直接写入数据库中；
雷达探测能力确定模块，用于根据所述数据库中的所有三维网格节点的雷达功率密度以及对应的网格编码得到所述雷达作用范围内的功率密度分布，根据所述功率密度分布确定该雷达的探测能力。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取雷达的位置，根据所述雷达位置的中心点及作用范围得到该雷达所能作用的三维空间；
根据GeoSOT-3D在预设的划分粒度下将所述三维空间剖分为多个三维网格，并计算各三维网格节点的位置坐标以及网格编码；
将各三维网格节点按照空间位置划分为预设数量的区域，将各区域分别匹配至不同的进程，由多个进程并行计算匹配区域内所有三维网格节点上的雷达功率密度，并在各进程完成计算后将各三维网格节点上的计算结果以及对应网格编码直接写入数据库中；
根据所述数据库中的所有三维网格节点的雷达功率密度以及对应的网格编码得到所述雷达作用范围内的功率密度分布，根据所述功率密度分布确定该雷达的探测能力。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取雷达的位置，根据所述雷达位置的中心点及作用范围得到该雷达所能作用的三维空间；
根据GeoSOT-3D在预设的划分粒度下将所述三维空间剖分为多个三维网格，并计算各三维网格节点的位置坐标以及网格编码；
将各三维网格节点按照空间位置划分为预设数量的区域，将各区域分别匹配至不同的进程，由多个进程并行计算匹配区域内所有三维网格节点上的雷达功率密度，并在各进程完成计算后将各三维网格节点上的计算结果以及对应网格编码直接写入数据库中；
根据所述数据库中的所有三维网格节点的雷达功率密度以及对应的网格编码得到所述雷达作用范围内的功率密度分布，根据所述功率密度分布确定该雷达的探测能力。
上述基于剖分网格的雷达探测能力计算方法、装置及设备，通过采用GeoSOT-3D全球剖分网格编码对雷达的所能作用范围进行剖分得到多个三维网格，这样能从低精度到高精度的对雷达所能作用的空间进行划分，再计算雷达在各网格区域的功率密度以真实展现雷达的探测范围，而在进行雷达功率密度的计算时，通过将多个三维网格划分为多个计算区域，再分配给对应进程进行并行计算，这样可高效的计算出所有三维网格区域内的功率密度，以达到快速计算雷达探测能力的目的。
附图说明
图1为一个实施例中雷达探测能力计算方法的流程示意图；
图2为一个实施例中GeoSOT-3D网络多级剖分示意图：（a）为一级剖分示意图，（b）为二级剖分示意图，（c）为三级剖分示意图；
图3为一个实施例中按照空间分配计算任务情况示意图；
图4为一个实施例中并行算法计算时间与加速比的示意图：（a）为并行算法计算时间的示意图，（b）为并行算法计算加速比的示意图；
图5为一个实施例中基于雷达探测能力计算方法的系统架构示意图；
图6为一个实施例中雷达探测能力计算方法的模型示意图
图7为一个实施例中雷达探测能力计算装置的结构框图；
图8为一个实施例中计算机设备的内部结构图。
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。
如图1所示，提供了一种基于剖分网格的雷达探测能力计算方法，包括以下步骤：
步骤S100，获取雷达的位置，根据雷达位置的中心点及作用范围得到该雷达所能作用的三维空间；
步骤S110，根据GeoSOT-3D在预设的划分粒度下将所述三维空间剖分为多个三维网格，并计算各三维网格节点的位置坐标以及网格编码；
步骤S120，将各三维网格节点按照空间位置划分为预设数量的区域，将各区域分别匹配至不同的进程，由多个进程并行计算匹配区域内所有三维网格节点上的雷达功率密度，并在各进程完成计算后将各三维网格节点上的计算结果以及对应网格编码直接写入数据库中；
步骤S130，根据数据库中的所有三维网格节点的雷达功率密度以及对应的网格编码得到所述雷达作用范围内的功率密度分布，根据所述功率密度分布确定该雷达的探测能力。
在本实施例中，为了计算雷达在作用范围内的探测能力，采用了GeoSOT-3D全球剖分网格编码对雷达作用范围空间进行剖分，也就是将雷达作用范围空间进行分割以多个三维立方体网格的形式进行表达，并且通过划分粒度的设置可确定各三维网格的大小，也就是说当划分粒度越小时，雷达探测范围被划分为更细小的网格，计算精度越高，可根据实际情况进行调节。而雷达的探测能力是通过计算各三维网格区域内的功率密度确定的，当完成雷达作用范围空间内所有三维网格的功率密度计算后，可得到该空间内雷达的功率密度分布以此来判断雷达的探测能力。而在进行功率密度计算时，本方法中采用了并行计算方法以提高计算效率。
在这里简要对GeoSOT-3D全球剖分网格编码进行介绍：
GeoSOT-3D编码源自北京大学提出的基于2n一维整型数组地理坐标的地球剖分网格GeoSOT，GeoSOT采用经纬度剖分，具有边界不重叠、网格正交、经纬一致、与传统数据规格兼容性好等特点，是一种地球表面的剖分与编码方法。
GeoSOT-3D在继承了这些特性的基础上，将GeoSOT二维网格在高度维上进行扩展，将对自地心至地球外围50000km的地球立体空间，沿经线、纬线和高程方向进行八叉树剖分。为了使得剖分体元大小为二进制整型， GeoSOT-3D将地球空间扩展为512°×512°×512°，将1°扩展为64′，将1′扩展为64″，实现整度、整分、整秒的递归八叉树剖分。GeoSOT-3D网络多级剖分示意图2所示，图2中（a）为一级剖分示意图，（b）为二级剖分示意图，（c）为三级剖分示意图，其中，图2（b）中编号0-7分别表示二级剖分形成的第0-7级等分体块，图2（c）中编号01-07分别表示第0级等分体块经过三级剖分形成的第01-07级等分体块。
GeoSOT-3D立体网格分为32级，多级剖分后，将三维空间剖分成不同粒度的立体网格，第1-9级是度级网格，第10-15级网格为分级网格、第16-21级为秒级网格，第22-32级为秒以下网格。
平面投影类地图不能表达三维数据，可视化效果也不好，因此在本方法中使用GeoSOT-3D对雷达作用范围进行划分。GeoSOT-3D具有全球尺度、不同粒度、支持真三维空间剖分的特点，很适合对雷达作用范围进行表达。
在步骤S100中，首先获取雷达的位置，在这里已经预设了雷达类型，以及该雷达的相关参数。本方法可以适用于多种雷达包括但不限于：缝阵雷达、相控阵雷达以及八木天线雷达。
而与雷达相关的参数包括雷达阵元个数、阵元间距或Y方向尺寸、工作频率。
在得到雷达位置后，根据雷达中心点以及雷达的作用范围寻找到雷达所能作用的三维空间。
在步骤S110中，根据预设的GeoSOT-3D的划分粒度将雷达作用空间剖分为三维网格，剖分之后的格点是具有经度、纬度、高程位置信息的真三维节点。节点与GeoSOT-3D编码一一对应，将雷达作用空间数据离散化，统一了空间编码，方便了雷达功率密度在空间上的表达。
在对各三维网格节点进行计算时，若给定经纬度与层级计算剖分网格编码，则首先根据层级确定经纬度所在网格的经度、纬度、高程序号，然后按照GeoSOT编码规则，考虑10、16、22级的跳进，得出在一个方向上的编码。最后按照Morton码的编码规则，将各维度编码组合成三维GeoSOT剖分编码。
若给定剖分网格编码确认经纬度与高程，则首先按照Morton码的规则对编码进行反解，得出各维度的编码，然后根据编码确认网格的序号，最后得出经纬度与高程坐标，也就是各三维网格节点的位置坐标以及与各位置坐标一一对应的网格编码。
在步骤S120中，计算各三维网格区域的雷达功率密度时，根据各三维网格节点的位置坐标以及雷达的位置计算得到该雷达针对各三维网格节点的方位角、俯仰角以及距离，并根据方位角、俯仰角以及距离进行计算得到对应三维网格节点的雷达功率密度。
在本实施例中，在辐射强度最大的方向上，考虑
Figure 661473DEST_PATH_IMAGE016
对特定方向
Figure 449170DEST_PATH_IMAGE017
的辐射功率的影响，
Figure 646933DEST_PATH_IMAGE018
为方位角，
Figure 194589DEST_PATH_IMAGE019
为俯仰角，距离R处的功率密度（峰值发射功率密度）：
Figure 895829DEST_PATH_IMAGE020
（1）
其中，
Figure 618541DEST_PATH_IMAGE021
（2）
在公式（1）中，G表示天线增益，
Figure 38021DEST_PATH_IMAGE022
表示在方位角为
Figure 123788DEST_PATH_IMAGE023
以及俯仰角为
Figure 194381DEST_PATH_IMAGE024
下雷达功率密度，
Figure 340192DEST_PATH_IMAGE025
表示雷达的发射功率，
Figure 981389DEST_PATH_IMAGE026
表示雷达的天线单元与目标三维网格节点之间的距离，
Figure 621580DEST_PATH_IMAGE027
表示距离R处的大气损耗，
Figure 562991DEST_PATH_IMAGE028
表示在方位角为
Figure 614124DEST_PATH_IMAGE029
以及俯仰角为
Figure 257464DEST_PATH_IMAGE030
下天线增益；
在公式（2）中，
Figure 685034DEST_PATH_IMAGE031
为方向性系数，
Figure 480951DEST_PATH_IMAGE032
表示方位角方向的方向性系数，
Figure 46445DEST_PATH_IMAGE033
表示俯仰角方向的方向性系数。
通常情况下，雷达天线的视线方向为天线增益的最大方向，天线最大增益
Figure 662235DEST_PATH_IMAGE034
。也就是方位角和俯仰角均为0的时候。
而对于方向性系数的计算，根据雷达天线类别不同，选择的计算公式也是不同，对于孔径天线采用：
Figure 893496DEST_PATH_IMAGE035
（3）
在公式（3）中，
Figure 543920DEST_PATH_IMAGE036
为Y方向矩形孔径大小。
对于陈列天线采用：
Figure 451702DEST_PATH_IMAGE037
（4）
在对雷达功率密度的计算过程中最耗时的部分是关于sin的计算，因此，为了加快计算效率，在进行预处理阶段先构建方向性系数对照表，并将该表保存在内存中，在进行计算时直接通过查表的方式得到方向性系数，以减少计算时间。
在本实施例中，构建方向性系数对照表时，根据雷达的类型以及相关参数构建0-360°各角度对应的方向性系数对照表。
具体的，根据雷达的类型以及相关参数依据不同的方向性系数计算公式，例如公式（3）-（4）计算出0-360°各角度对应的方向性系数，且精度值可调，在一些实施例中，精度值为
Figure 554787DEST_PATH_IMAGE038
。这样在计算各三维节点上的雷达功率密度时，只需要根据各三维网格节点相对于雷达的不同角度直接调用方向性系数对照表依照角度进行查表得到对应的方向性系数，不需要再次进行计算，节省了大量的计算时间。
因为雷达作用空间范围中可能划分有上百万个三维网格，也就意味着需要针对这百万个三维网格均要进行一次计算，其中计算较为耗时的sin计算，也就是方向性系数的计算在本实施例中采用了查表的方式以减少计算时间，在本方法中为了进一步的提高计算效率，在对各三维网格区域的雷达功率密度进行计算时，采用了MPI（High PerformanceComputing,信息传递接口）并行计算框架。
MPI并行计算框架的优点是多进程并行，与OpenMP等共享内存的计算框架相比，进程空间独立，可以有效避免内存与缓存的竞争，在无明显IO与数据交换的前提下实现近线性加速比。同时，MPI算法可以直接跨节点运行。
在本实施例中，算法采用几个措施避免MPI进程的启动开销与进程间的数据交互。
首先根据算法主要使用场景，在预处理阶段进行方向性系数对照表的计算，且各进程进行全量计算，使得在载具位置（也就是雷达位置）与姿态更新时，可以以最小的代价实现计算结果的更新。
其次，按照空间网格对计算任务进行分割，各节点分别计算，不进行交互。
最后，采用ClickHouse作为数据库，利用ClickHouse的并发优势，每个进程计算完成后直接写入，避免数据汇总带来的通信与同步开销。
具体的，在对各三维网格节点的雷达功率密度进行计算时，按照空间将各三维网格节点划分为多个计算区域，也就是多个计算任务，并分配到不同的进程，由多个进程并行计算各自的分配到的计算任务。
以四个进程为例，空间上划分计算区域的情况如图3所示，不同的深浅表示不同进程被分配到的计算区域，而各计算区域内部由预设给定的划分粒度划分了对应的更加细小的网络，不同进程的计算互不干扰，在各进程计算结束后向0号进程发送一个确认信息，表示已经计算完成。
在进行计算时，部分网格计算快捷，因此在各进程内部，首先全量执行划分网络的算法，以雷达为中心构建GeoSOT-3D网格。然后对各自所分配到的网格进行并行计算，结合ClickHouse并发写入的特点，在计算出三维网格对应的结果后直接写入数据库，节省了进程通信的时间。当所有进程执行完毕，计算结果全部写入ClickHouse后，0号进程收到确认信息，结束并行算法。
如图4所示，（a）为并行算法计算时间的示意图，（b）为并行算法计算加速比的示意图，可见计算时间随进程数不断减小，而加速度比几乎与进程数一致，即获得了近线性的加速比。
如图5所示，结合上述方法，本申请还提供了一种相适应的雷达探测能力计算系统，系统根据输入的雷达位置和三维网格参数相应的调用网格划分接口和雷达功率密度计算接口，采用多进程并行的方式计算个网格的结果数据，并直接写入数据库ClickHouse供查询和验证。
从图5可以看出，通用雷达服务是在服务器启动时提供的雷达探测能力的计算接口。其中预设了特定雷达的参数，为特定雷达提供了各自的计算接口，即为某型雷达服务。载具的参数代表了雷达的初始位置和姿态，用户开启一个雷达的客户端后，可以根据雷达自身参数进行位置及姿态的调整，可计算调整后的新的雷达探测范围及在空间网格内的功率密度。
在本实施例中，当雷达为固定雷达时，针对各三维网格节点的位置，方位角及俯仰角度是不变的，也就是说各节点上雷达频率密度是不会改变。而当雷达为可移动时，对各三维网格节点发射探测信号时，由于雷达姿态的不同针对同一个三维网格节点计算得到的雷达功率密度也是不相同的。而实际上，在计算雷达功率密度时，希望可以在雷达辐射强度最大的方向上进行计算，此时雷达天线增益为最大G（0,0），也就是雷达与三维网格节点之间的方位角与俯仰角均为零的时候。这样处在雷达移动范围内的三维网格节点均可在雷达天线最大时计算雷达功率密度。
而针对雷达所能作用的三维空间周边的边缘网格节点的雷达功率密度，需要获取雷达的初始姿态以及移动范围，在移动范围内针对各边缘三维网格节点分别计算最优的雷达姿态。根据最优的雷达姿态时雷达所在的位置、方位角度以及俯仰角度与对应的边缘三维网格节点的位置坐标进行计算得到边缘三维网格节点的雷达功率密度。
具体的，针对各边缘三维网格节点，最优的雷达姿态即为雷达与边缘三维网格节点之间呈现最小角度时。
在本实施例中，若可以获取到雷达散射截面积（RCS），还可以根据数据库中各三维网格节点的雷达功率密度以及散射截面积进行计算，并根据计算结果判断各三维网格节点是否能被检测到，以此得到雷达的感知范围，根据感知范围确定该雷达的探测能力。
如图6所示，本申请还给出了一种本方法中雷达频率密度计算模型。
上述基于剖分网格的雷达探测能力计算方法中，结合了GeoSOT-3D的剖分方法，将雷达探测范围离散化，然后对各三维网格节点采用并行化的方法快速高效地计算出雷达在该点的功率密度，建立了一个基于三维剖分网格的，当雷达位置、方向变化时，能够及时响应的快速雷达探测能力计算系统。实验结果显示，采取12进程并行运行时，计算雷达作用范围内100万个位置点的雷达功率密度的平均总耗时约为40ms。
本申请提供了一套耦合性低、易用性强，支持多种类型雷达，能根据载具和雷达变化及时响应的雷达探测能力快速计算接口。
应该理解的是，虽然图1流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图7所示，提供了一种基于剖分网格的雷达探测能力计算装置，包括：雷达位置获取模块200、全球三维网格划分模块210、雷达功率密度并行计算模块220以及雷达探测能力确定模块230，其中：
雷达位置获取模块200，用于获取雷达的位置；
全球三维网格划分模块210，用于根据所述雷达位置的中心点及作用范围得到该雷达所能作用的三维空间，根据GeoSOT-3D在预设的划分粒度下将所述三维空间剖分为多个三维网格，并计算各三维网格节点的位置坐标以及网格编码；
雷达功率密度并行计算模块220，用于将各三维网格节点按照空间位置划分为预设数量的区域，将各区域分别匹配至不同的进程，由多个进程并行计算匹配区域内所有三维网格节点上的雷达功率密度，并在各进程完成计算后将各三维网格节点上的计算结果以及对应网格编码直接写入数据库中；
雷达探测能力确定模块230，用于根据所述数据库中的所有三维网格节点的雷达功率密度以及对应的网格编码得到所述雷达作用范围内的功率密度分布，根据所述功率密度分布确定该雷达的探测能力。
关于基于剖分网格的雷达探测能力计算装置的具体限定可以参见上文中对于基于剖分网格的雷达探测能力计算方法的限定，在此不再赘述。上述基于剖分网格的雷达探测能力计算装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储各三维网格节点的雷达功率密度数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于剖分网格的雷达探测能力计算方法。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取雷达的位置，根据所述雷达位置的中心点及作用范围得到该雷达所能作用的三维空间；
根据GeoSOT-3D在预设的划分粒度下将所述三维空间剖分为多个三维网格，并计算各三维网格节点的位置坐标以及网格编码；
将各三维网格节点按照空间位置划分为预设数量的区域，将各区域分别匹配至不同的进程，由多个进程并行计算匹配区域内所有三维网格节点上的雷达功率密度，并在各进程完成计算后将各三维网格节点上的计算结果以及对应网格编码直接写入数据库中；
根据所述数据库中的所有三维网格节点的雷达功率密度以及对应的网格编码得到所述雷达作用范围内的功率密度分布，根据所述功率密度分布确定该雷达的探测能力。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取雷达的位置，根据所述雷达位置的中心点及作用范围得到该雷达所能作用的三维空间；
根据GeoSOT-3D在预设的划分粒度下将所述三维空间剖分为多个三维网格，并计算各三维网格节点的位置坐标以及网格编码；
将各三维网格节点按照空间位置划分为预设数量的区域，将各区域分别匹配至不同的进程，由多个进程并行计算匹配区域内所有三维网格节点上的雷达功率密度，并在各进程完成计算后将各三维网格节点上的计算结果以及对应网格编码直接写入数据库中；
根据所述数据库中的所有三维网格节点的雷达功率密度以及对应的网格编码得到所述雷达作用范围内的功率密度分布，根据所述功率密度分布确定该雷达的探测能力。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (6)

1.基于剖分网格的雷达探测能力计算方法，其特征在于，所述方法包括：
获取雷达的位置，根据所述雷达位置的中心点及作用范围得到该雷达所能作用的三维空间；
根据GeoSOT-3D在预设的划分粒度下将所述三维空间剖分为多个三维网格，并计算各三维网格节点的位置坐标以及网格编码；
将各三维网格节点按照空间位置划分为预设数量的区域，将各区域分别匹配至不同的进程，由多个进程并行计算匹配区域内所有三维网格节点上的雷达功率密度，并在各进程完成计算后将各三维网格节点上的计算结果以及对应网格编码直接写入数据库中；
其中，多进程并行计算采用MPI并行计算框架，所述数据库采用ClickHouse；
其中，在计算各三维网格节点上的雷达功率密度时，采用以下公式：
Figure 455388DEST_PATH_IMAGE001
其中,
Figure 490340DEST_PATH_IMAGE002
在第一个公式中，G表示天线增益,
Figure 2793DEST_PATH_IMAGE003
表示在方位角为
Figure 566630DEST_PATH_IMAGE004
以及俯仰角为
Figure 422590DEST_PATH_IMAGE005
下雷达功率密度，
Figure 244921DEST_PATH_IMAGE006
表示雷达的发射功率，
Figure 604359DEST_PATH_IMAGE007
表示雷达的天线单元与目标三维网格节点之间的距离，
Figure 870255DEST_PATH_IMAGE008
表示距离R处的大气损耗，
Figure 947932DEST_PATH_IMAGE009
表示在方位角为
Figure 75419DEST_PATH_IMAGE010
以及俯仰角为
Figure 554942DEST_PATH_IMAGE011
下天线增益；
在第二公式中，
Figure 991740DEST_PATH_IMAGE012
为方向性系数，可由方向性系数对照表查表得到，
Figure 540402DEST_PATH_IMAGE013
为方位角方向性系数，
Figure 720847DEST_PATH_IMAGE014
为俯仰角方向性系数；其中，所述方向性系数表根据雷达的类型以及相关参数构建0-360°各角度对应的方向性系数对照表；
根据所述数据库中的所有三维网格节点的雷达功率密度以及对应的网格编码得到所述雷达作用范围内的功率密度分布，根据所述功率密度分布确定该雷达的探测能力；
针对一待探测目标时，获取与该探测目标相关的雷达的散射截面积；
根据所述数据库中各三维网格节点的雷达功率密度以及散射截面积进行计算，并根据计算结果判断各三维网格节点是否能被检测到，以此得到雷达的感知范围；
根据所述感知范围确定该雷达对该目标的探测能力。
2.根据权利要求1所述的雷达探测能力计算方法，其特征在于，在计算各三维网格节点上的雷达功率密度之前，还包括：
在计算各三维节点上的雷达功率密度时，根据各三维网格节点相对于雷达的不同角度直接调用所述方向性系数对照表进行查表得到对应的方向性系数。
3.根据权利要求2所述的雷达探测能力计算方法，其特征在于，当雷达为可移动雷达，则在计算处于该雷达所能作用的三维空间周边的边缘三维网格节点的雷达功率密度时：
获取雷达的初始姿态以及移动范围；
在所述移动范围内针对各所述边缘三维网格节点分别计算最优的雷达姿态；
根据最优的雷达姿态时雷达所在的位置、方位角度以及俯仰角度与对应的边缘三维网格节点的位置坐标进行计算得到边缘三维网格节点的雷达功率密度。
4.根据权利要求1-3任一项所述的雷达探测能力计算方法，其特征在于，所述雷达探测能力计算方法适用雷达类型包括：缝阵雷达、相控阵雷达以及八木天线雷达。
5.一种基于剖分网格的雷达探测能力计算装置，其特征在于，所述装置包括：
雷达作用三维空间得到模块，用于获取雷达的位置，根据所述雷达位置的中心点及作用范围得到该雷达所能作用的三维空间；
全球三维网格划分模块，用于根据GeoSOT-3D在预设的划分粒度下将所述三维空间剖分为多个三维网格，并计算各三维网格节点的位置坐标以及网格编码；
雷达功率密度并行计算模块，用于将各三维网格节点按照空间位置划分为预设数量的区域，将各区域分别匹配至不同的进程，由多个进程并行计算匹配区域内所有三维网格节点上的雷达功率密度，并在各进程完成计算后将各三维网格节点上的计算结果以及对应网格编码直接写入数据库中；其中，多进程并行计算采用MPI并行计算框架，所述数据库采用ClickHouse；
其中，在计算各三维网格节点上的雷达功率密度时，采用以下公式：
Figure 789298DEST_PATH_IMAGE015
其中，
Figure 396996DEST_PATH_IMAGE016
在第一个公式中，G表示天线增益，
Figure 931490DEST_PATH_IMAGE017
表示在方位角为
Figure 650047DEST_PATH_IMAGE018
以及俯仰角为
Figure 838583DEST_PATH_IMAGE019
下雷达功率密度，
Figure 600871DEST_PATH_IMAGE020
表示雷达的发射功率，
Figure 140437DEST_PATH_IMAGE021
表示雷达的天线单元与目标三维网格节点之间的距离，
Figure 662685DEST_PATH_IMAGE022
表示距离R处的大气损耗，
Figure 456460DEST_PATH_IMAGE023
表示在方位角为
Figure 140382DEST_PATH_IMAGE024
以及俯仰角为
Figure 901665DEST_PATH_IMAGE025
下天线增益；
在第二公式中，
Figure 211292DEST_PATH_IMAGE026
为方向性系数，可由方向性系数对照表查表得到，
Figure 374420DEST_PATH_IMAGE027
为方位角方向性系数，
Figure 229244DEST_PATH_IMAGE028
为俯仰角方向性系数；其中，所述方向性系数表根据雷达的类型以及相关参数构建0-360°各角度对应的方向性系数对照表；
雷达探测能力确定模块，用于根据所述数据库中的所有三维网格节点的雷达功率密度以及对应的网格编码得到所述雷达作用范围内的功率密度分布，根据所述功率密度分布确定该雷达的探测能力；
针对一待探测目标时，获取与该探测目标相关的雷达的散射截面积；
根据所述数据库中各三维网格节点的雷达功率密度以及散射截面积进行计算，并根据计算结果判断各三维网格节点是否能被检测到，以此得到雷达的感知范围；
根据所述感知范围确定该雷达对该目标的探测能力。
6.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求4所述方法的步骤。
CN202210578156.2A 2022-05-26 2022-05-26 基于剖分网格的雷达探测能力计算方法、装置及设备 Active CN114677494B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210578156.2A CN114677494B (zh) 2022-05-26 2022-05-26 基于剖分网格的雷达探测能力计算方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210578156.2A CN114677494B (zh) 2022-05-26 2022-05-26 基于剖分网格的雷达探测能力计算方法、装置及设备

Publications (2)

Publication Number Publication Date
CN114677494A CN114677494A (zh) 2022-06-28
CN114677494B true CN114677494B (zh) 2022-09-16

Family

ID=82080164

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210578156.2A Active CN114677494B (zh) 2022-05-26 2022-05-26 基于剖分网格的雷达探测能力计算方法、装置及设备

Country Status (1)

Country Link
CN (1) CN114677494B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114970216B (zh) * 2022-07-29 2022-10-21 中国人民解放军战略支援部队航天工程大学 一种基于剖分网格的电磁环境可视化表达方法
CN115906460B (zh) * 2022-11-14 2023-10-13 北京市测绘设计研究院 编码方法、装置、计算机设备和存储介质
CN115980464B (zh) * 2023-03-17 2023-05-30 中国人民解放军国防科技大学 基于元宇宙的电磁环境构建方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109558568A (zh) * 2018-11-21 2019-04-02 西安电子科技大学 一种基于cuda的目标rcs计算方法
CN111930491A (zh) * 2020-09-29 2020-11-13 中国人民解放军国防科技大学 一种全局通信优化加速方法、装置和计算机设备
CN112799061A (zh) * 2020-12-25 2021-05-14 中国人民解放军93114部队 一种雷达遮蔽盲区标定方法及装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10705201B1 (en) * 2015-08-31 2020-07-07 Rockwell Collins, Inc. Radar beam sharpening system and method
CN106097451B (zh) * 2016-06-29 2018-08-28 中国石油化工股份有限公司 复杂地质模型的并行四面体剖分方法
US11353577B2 (en) * 2018-09-28 2022-06-07 Zoox, Inc. Radar spatial estimation
US11300680B2 (en) * 2019-04-02 2022-04-12 Raytheon Company Three-dimensional (3D) radar weather data rendering techniques
CN113267754B (zh) * 2021-05-13 2023-03-03 中国人民解放军军事科学院战争研究院 一种基于三维网格的地形遮挡雷达探测范围计算方法
CN113269870B (zh) * 2021-05-13 2022-07-19 中国人民解放军军事科学院战争研究院 一种基于三维剖分网格的多分辨率数字地形集成方法
CN113589245A (zh) * 2021-08-06 2021-11-02 中国人民解放军空军工程大学 一种模拟飞行器雷达散射截面积的方法、装置及电子设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109558568A (zh) * 2018-11-21 2019-04-02 西安电子科技大学 一种基于cuda的目标rcs计算方法
CN111930491A (zh) * 2020-09-29 2020-11-13 中国人民解放军国防科技大学 一种全局通信优化加速方法、装置和计算机设备
CN112799061A (zh) * 2020-12-25 2021-05-14 中国人民解放军93114部队 一种雷达遮蔽盲区标定方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
全球经纬度网格的雷达探测范围真三维建模;孙忠秋等;《测绘科学》;20170630(第06期);第144-148页 *
双站雷达成像几何与辐射特性分析;李婷婷;《中国优秀博硕士学位论文全文数据库（博士） 基础科学辑》;20220115;第A008-52页 *
基于MPI的大规模栅格影像并行瓦片化算法;刘世永等;《计算机工程与应用》;20170216(第01期);第48-53页 *
雷达探测威力图估算方法研究;饶艳;《现代计算机》;20190115;第46-49页 *

Also Published As

Publication number Publication date
CN114677494A (zh) 2022-06-28

Similar Documents

Publication Publication Date Title
CN114677494B (zh) 基于剖分网格的雷达探测能力计算方法、装置及设备
Huang et al. GPU-accelerated compression and visualization of large-scale vessel trajectories in maritime IoT industries
AU2018206753B2 (en) Method and device for filling invalid regions of terrain elevation model data
CN107292935B (zh) 机载高密度激光点云的压缩方法、存储设备及激光雷达
CN113781667B (zh) 三维结构简化重建方法、装置、计算机设备和存储介质
CN110972261A (zh) 一种基站指纹库建立方法、装置、服务器及存储介质
CN101324663A (zh) 激光雷达点云数据的快速分块与栅格化算法
CN113267754B (zh) 一种基于三维网格的地形遮挡雷达探测范围计算方法
CN114003981A (zh) 一种基于时空一体数字地球的电磁频谱可视化分析方法
Gumus et al. Comparison of spatial interpolation methods and multi-layer neural networks for different point distributions on a digital elevation model
CN111355544B (zh) 一种城市环境电波路径预测方法和装置
CN113191027A (zh) 基于地形二维、三维矩阵化辐射源信号强度分布计算方法
Kovitz et al. Spatial statistics of clustered data
KR101425425B1 (ko) 레이더 관측자료 격자화 장치 및 방법
WO2023134430A1 (zh) AoA估计方法、装置、基站、存储介质和计算机程序产品
CN109405834B (zh) 一种基于数字地图的遮蔽角实时解算方法以及系统
CN113670253B (zh) 空间目标姿态反演方法、装置、计算设备及存储介质
CN114543808A (zh) 室内重定位方法、装置、设备及存储介质
Shashidharan et al. FUTURES-AMR: towards an adaptive mesh refinement framework for geosimulations
Vo et al. A parallel algorithm for local point density index computation of large point clouds
Guan et al. Fast approximate viewshed analysis based on the regular-grid digital elevation model: X-type partition proximity-direction-elevation spatial reference line algorithm
CN114375038B (zh) 定位方法、装置、基站、存储介质和计算机程序产品
CN114089336B (zh) 一种复杂起伏场景的自适应分区方法及雷达回波仿真方法
CN115685223B (zh) 位置识别方法、装置、电子设备及可读存储介质
CN116612249B (zh) 一种线段与dem相交点的分析方法、设备及介质

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