CN114741880A - 一种计算群目标电磁特性的方法及装置 - Google Patents
一种计算群目标电磁特性的方法及装置 Download PDFInfo
- Publication number
- CN114741880A CN114741880A CN202210398516.0A CN202210398516A CN114741880A CN 114741880 A CN114741880 A CN 114741880A CN 202210398516 A CN202210398516 A CN 202210398516A CN 114741880 A CN114741880 A CN 114741880A
- Authority
- CN
- China
- Prior art keywords
- target
- target individual
- group
- individual
- determining
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000001808 coupling effect Effects 0.000 claims abstract description 55
- 230000006698 induction Effects 0.000 claims abstract description 14
- 230000006870 function Effects 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 8
- 230000008878 coupling Effects 0.000 claims description 5
- 238000010168 coupling process Methods 0.000 claims description 5
- 238000005859 coupling reaction Methods 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 37
- 230000005684 electric field Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000005405 multipole Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种计算群目标电磁特性的方法及装置，所述方法包括将处于入射方向的目标个体记为第一目标个体，确定所述第一目标个体的表面电流初始值；为所述群目标中除所述第一目标个体以外的其余目标个体的表面电流初始值赋值；确定各个目标个体两两连线方向上的散射场数值；确定所述各个目标个体之间的耦合作用，确定由于耦合作用产生的感应电流值，进而确定所述各个目标个体由耦合作用产生的感应电流值；基于所述由于耦合作用产生的感应电流值确定所述群目标在雷达视线方向的散射场；通过迭代的方式确定所述群目标的电流值，确定所述群目标在全方向上的电磁散射数据。
Description
技术领域
本发明涉及电磁技术领域，具体涉及一种计算群目标电磁特性的方法及装置。
背景技术
在现代化环境当中，无论是海洋舰队、飞机战队还是无人机群，其针对的目标往往以群目标的方式出现，所述群目标是指位于雷达天线波束宽度内的多个目标组成的群体，而且随着控制技术的不断发展，群目标的移动速度快、体积小、距离近，与群目标交互时需要快速计算所述群目标的散射特性。
现有的电磁学对单个目标的计算方法较为成熟，例如采用高频近似方法计算目标的散射特性时，其计算数据量相对于精确算法较少但是其精度往往不能满足计算要求；而采用矩量法等精确算法计算目标的散射特性时其计算成本高、速度慢，因此在瞬息变幻的场景中其实用性又不高。同时考虑到无人机蜂群作业过程中飞机数目多、编队方式多变、机位之间距离较近等因素，其耦合作用复杂，目前群目标散射特性的研究较少。
现有的对于群目标散射特性的计算方法中，精度较高的矩量法和多层快速多极子方法(MLFMA)等为主流，针对群目标中巨大的计算量，为实时高效的完成群目标的电磁散射特性的计算，现有方案中有对MLFMA方法进行并行设计从而加速对飞机编队电磁散射特性进行计算的方法；以及为了降低计算量，加速对群目标电磁散射的计算，现有方案中有利用八叉树结构、综合矩量法和物理光学法产生一种新型混合算法计算群目标的电磁散射特性；针对群目标的巨大计算量，现有方案中，有利用球面波展开技术和球谐变换相结合的方式降低计算量，实现群目标的散射特性的快速计算。
与本发明最相近的技术方案根据球谐变换的无人机蜂群的散射特性分析方法为：
(1)首先确定已经通过全波法或者测量方法确定的某一架无人机在包围球面上的切向电场，且所有目标个体为同一种类型且姿态相同，并且假定目标之间相距距离很远，并不产生耦合作用。
(2)将某目标个体的局部球坐标系对应的参数空间
进行剖分，剖分标准为几何空间中任意两点之间的距离小于0.5个电波长。
(3)计算偏心球面上的电场值。
(4)通过FFT计算近场值，得到所有离散点的近区电场。
(5)通过插值得到球面上各均匀网格点的近区电场，然后进行球谐变换得到全局坐标系(x,y,z)中远区球面上的电场。
但上述方法的实现前提是假设目标个体之间的距离足够远，并未考虑工程实际中群目标中各目标个体之间的耦合作用。
综上所述，现有技术的缺点在于：(1)在具体应用场景中当中，群目标内的个体目标之间的距离较近，耦合作用不可忽略，但是在现有方法当中并没有考虑复杂的耦合作用；(2)在对群目标的散射特性进行计算时，随着群规模的增大，计算量与内存使用量急剧增大，计算时间长。在现有技术当中，并没有能够同时解决上述两个问题的方法。
发明内容
有鉴于此，本发明提供了一种计算群目标电磁特性的方法及装置，能够解决群目标电磁特性计算过程中计算量巨大、时间长、耦合作用复杂的技术问题。
为了解决上述技术问题，本发明是这样实现的。
一种计算群目标电磁特性的方法，包括：
步骤S1：获取所述群目标的位置信息以及所述群目标中某个目标个体的网格信息，所述目标个体记为原点目标个体；由所述原点目标个体与群目标中的其他目标个体之间的相对位置获得所述群目标中的其他目标个体的网格信息；
步骤S2：获取平面波激励所述原点目标个体时，所述原点目标个体的球面包裹的全方向的表面电流；由所述原点目标个体的所述全方向的表面电流形成表面电流库；
步骤S3：将所述原点目标个体记为第一目标个体，确定所述第一目标个体在雷达入射方向的表面电流初始值；基于所述群目标中各个目标个体的初始位置关系及所述第一目标个体的表面电流初始值，为所述群目标中除所述第一目标个体以外的其余目标个体的表面电流初始值赋值；
步骤S4：基于各个所述目标个体的表面电流值，确定各个目标个体两两连线方向上的散射场数值；
步骤S5：基于所述各个目标个体两两连线方向上的散射场数值及所述表面电流库，确定所述各个目标个体之间的耦合作用，确定由于耦合作用产生的感应电流值；
步骤S6：基于所述由于耦合作用产生的感应电流值确定所述群目标中各目标个体在雷达视线方向的散射场；
步骤S7：若存在某一个目标个体在雷达视线方向的散射场大于预设阈值，对群目标中的每个目标个体：计算所述目标个体的表面电流值与所述目标个体由于耦合作用产生的感应电流值之和并记录，将所述由于耦合作用产生的感应电流值作为所述目标个体的表面电流值，进入步骤S4；否则，进入步骤S8；
步骤S8：将所述各个所述目标个体的表面电流值作为所述群目标的电流值，确定所述群目标在雷达视线方向上的电磁散射数据。
优选地，所述步骤S3：为所述群目标中除所述第一目标个体以外的其余目标个体的表面电流初始值赋值，具体公式为：
所述入射方向为雷达探测方向，其中Ji(n)为除所述第一目标个体以外的目标个体的表面电流初始值，di为第i个目标与所述第一目标之间的距离在雷达探测方向上的投影距离，j为虚数单位，k为相位常数，n为RWG基函数的编号，J0(n)为所述第一目标个体的表面电流初始值，e为常数。
优选地，所述步骤S4：基于各个所述目标个体的表面电流值，确定各个目标个体两两连线方向上的散射场数值，其中：
在远区散射场的条件下，根据公式
计算各个目标个体两两连线上的散射场数值，其中，
为第p个目标在空间任意一处的散射场，j为虚数单位，k为相位常数，r为积分点到坐标原点之间的距离，J(n)为RWG基函数上面的电流值，r′为RWG基函数的位置矢量，
为雷达视线方向矢量，S′p为第p个目标个体的表面。
优选地，所述步骤S5，包括：所述确定由于耦合作用产生的感应电流值，包括：
其中，Jpq(n)为目标个体p的散射场对目标个体q作用产生的感应电流，n代表目标个体p上的RWG基函数，
为电流库中由目标个体p到目标个体q方向上记录的电流值。在确定所述目标个体两两之间的电流值的基础上，通过叠加，能够确定所述各个目标个体由耦合作用产生的感应电流值。
优选地，所述步骤S6：基于所述由于耦合作用产生的感应电流值确定所述群目标中各目标个体在雷达视线方向的散射场，包括：
其中，
为第q个目标个体在雷达视线上的散射场，j为虚数单位，k为相位常数，r为积分点到坐标原点之间的距离，Jpq(n)为第p个目标个体的散射场对第q个目标个体产生的感应电流，r′为RWG基函数的位置矢量，
为雷达视线方向矢量，S′q为第q个目标个体的表面。
本发明所提供的一种计算群目标电磁特性的装置，所述装置包括：
位置模块：配置为获取所述群目标的位置信息以及所述群目标中某个目标个体的网格信息，所述目标个体记为原点目标个体；由所述原点目标个体与群目标中的其他目标个体之间的相对位置获得所述群目标中的其他目标个体的网格信息；
电流库生成模块：配置为获取平面波激励所述原点目标个体时，所述原点目标个体的球面包裹的全方向的表面电流；由所述原点目标个体的所述全方向的表面电流形成表面电流库；
表面电流模块：配置为将所述原点目标个体记为第一目标个体，确定所述第一目标个体在雷达入射方向的表面电流初始值；基于所述群目标中各个目标个体的初始位置关系及所述第一目标个体的表面电流初始值，为所述群目标中除所述第一目标个体以外的其余目标个体的表面电流初始值赋值；
第一散射场模块：配置为基于各个所述目标个体的表面电流值，确定各个目标个体两两连线方向上的散射场数值；
耦合电流模块：配置为基于所述各个目标个体两两连线方向上的散射场数值及所述表面电流库，确定所述各个目标个体之间的耦合作用，确定由于耦合作用产生的感应电流值；
第二散射场模块：配置为基于所述由于耦合作用产生的感应电流值确定所述群目标中各目标个体在雷达视线方向的散射场；
判断模块：配置为若存在某一个目标个体在雷达视线方向的散射场大于预设阈值，对群目标中的每个目标个体：计算所述目标个体的表面电流值与所述目标个体由于耦合作用产生的感应电流值之和并记录，将所述由于耦合作用产生的感应电流值作为所述目标个体的表面电流值，触发所述第一散射场模块；否则，触发电磁散射模块；
电磁散射模块：配置为将所述各个所述目标个体的表面电流值作为所述群目标的电流值，确定所述群目标在雷达视线方向上的电磁散射数据。
有益效果：
本发明对目标个体之间由于耦合产生的感应电流进行了迭代，故考虑了目标个体之间的耦合作用，更加符合工程上的要求。本发明根据目标个体之间的位置关系进行群目标表面电流的初始值赋值，故MLFMA的盒子划分仅作用于单个目标个体本身，与这一目标个体在集群编队中的位置无关，对于完全相同的目标个体，其盒子数据完全可以重复使用，避免了重复计算。所以随着问题规模增大，本发明的计算量为单一目标个体的计算量与电流迭代的循环过程计算量总和，其增加的计算量远小于平方关系和线性关系增加的计算量。故本发明的计算量与内存占用量对群目标的规模数目不敏感，计算量小、实时性高。
与现有技术相比，本发明计算过程中考虑到目标个体之间的耦合作用且其计算量对群目标的数目不敏感，即使是群目标数目很大时其计算量和占用内存仍然很小，计算速度快。本方法能够快速计算群目标的散射特性且考虑了目标群内目标个体之间的耦合作用，具有计算速度快、占用内存小、计算时间与占用内存量随群目标数目缓慢增加的技术效果。
附图说明
图1为本发明提供的计算群目标电磁特性的方法流程示意图；
图2为本发明提供的计算群目标电磁特性的方法框架示意图；
图3为本发明提供的双金属球的几何模型示意图；
图4为本发明提供的电流迭代原理示意图；
图5为本发明提供的计算RCS(Radar Cross Section，雷达散射截面)与MLFMA方法计算RCS的结果对比示意图；
图6为本发明提供的MLFMA计算方法产生的时频像示意图；
图7为本发明提供的计算方法产生的时频像示意图；
图8为本发明提供的与传统MLFMA计算方法的计算性能对比示意图；
图9为本发明提供的计算群目标电磁特性的装置结构示意图。
具体实施方式
下面结合附图和实施例，对本发明进行详细描述。
如图1-2所示，本发明提出了一种计算群目标电磁特性的方法，包括如下步骤：
步骤S1：获取所述群目标的位置信息以及所述群目标中某个目标个体的网格信息，所述目标个体记为原点目标个体；由所述原点目标个体与群目标中的其他目标个体之间的相对位置获得所述群目标中的其他目标个体的网格信息；
步骤S2：获取平面波激励所述原点目标个体时，所述原点目标个体的球面包裹的全方向的表面电流；由所述原点目标个体的所述全方向的表面电流形成表面电流库；
步骤S3：将所述原点目标个体记为第一目标个体，确定所述第一目标个体在雷达入射方向的表面电流初始值；基于所述群目标中各个目标个体的初始位置关系及所述第一目标个体的表面电流初始值，为所述群目标中除所述第一目标个体以外的其余目标个体的表面电流初始值赋值；
步骤S4：基于各个所述目标个体的表面电流值，确定各个目标个体两两连线方向上的散射场数值；
步骤S5：基于所述各个目标个体两两连线方向上的散射场数值及所述表面电流库，确定所述各个目标个体之间的耦合作用，确定由于耦合作用产生的感应电流值；
步骤S6：基于所述由于耦合作用产生的感应电流值确定所述群目标中各目标个体在雷达视线方向的散射场；
步骤S7：若存在某一个目标个体在雷达视线方向的散射场大于预设阈值，对群目标中的每个目标个体：计算所述目标个体的表面电流值与所述目标个体由于耦合作用产生的感应电流值之和并记录，将所述由于耦合作用产生的感应电流值作为所述目标个体的表面电流值，进入步骤S4；否则，进入步骤S8；
步骤S8：将所述各个所述目标个体的表面电流值作为所述群目标的电流值，确定所述群目标在雷达视线方向上的电磁散射数据。
本发明所要计算的目标电磁特性是整个群目标的电磁特性。本发明无需对群目标中所有目标个体进行盒子划分，仅针对于单一目标个体的网格数据进行划分，实现数据结构的重复使用。本发明利用每个相同目标个体的网格信息与目标之间的相对位置进行各个目标个体表面电流初始值赋值。进而通过电流迭代，计算目标个体之间耦合场的计算。
所述步骤S1，其中：
所述群目标中包括多个所述目标个体，同一个群目标中的目标个体类型相同，所述类型相同是指每个目标个体的外形完全相同，所以群目标中的其他目标个体的网格信息可以由原点目标个体的网格信息与所述原点目标个体与群目标中的其他目标个体之间的相对位置获得。所述群目标中所述原点目标个体的网格信息指的是原点目标个体模型剖分后其剖分网格的点坐标及编号、线与面的编号及其索引、MLFMA盒子划分信息，故其他目标个体的网格信息由相对位置关系进行平移和旋转之后便可由所述原点目标个体网格信息扩充为群目标网格信息。
所述步骤S2，其中：
所述全方向是指原点目标个体所处球坐标系中所述原点目标个体的包围球面方向，包括θ方向、
方向。即以目标个体的几何中心为原点做一个球面，在球面上以一定的间隔采样得到若干个点，这些点分别与目标个体的几何中心的连线方向组成的集合，就是全方向。通过数值方法计算平面波激励所述原点目标个体时，所述原点目标个体的球面包围的全方向的表面电流。
进一步地，将所述表面电流库保存于本地数据库或外部数据库，所述表面电流库为计算整个群目标的散射特性提供数据基础，所述表面电流库隶属于电流库。
所述步骤S3：为所述群目标中除所述第一目标个体以外的其余目标个体的表面电流初始值赋值，具体公式为：
所述入射方向为雷达探测方向，其中Ji(n)为除所述第一目标个体以外的目标个体的表面电流初始值，di为第i个目标与所述第一目标之间的距离在雷达探测方向上的投影距离，j为虚数单位，k为相位常数，n为RWG基函数的编号，J0(n)为所述第一目标个体的表面电流初始值，e为常数。
本实施例中，使用多层快速多极子(MLFMA)方法确定所述第一目标个体的表面电流初始值。
所述步骤S4：基于各个所述目标个体的表面电流值，确定各个目标个体两两连线方向上的散射场数值，其中：
在远区散射场的条件下，根据公式
计算各个目标个体两两连线上的散射场数值，其中，
为第p个目标在空间任意一处的散射场，j为虚数单位，k为相位常数，r为积分点到坐标原点之间的距离，J(n)为RWG基函数上面的电流值，r′为RWG基函数的位置矢量，
为雷达视线方向矢量，S′p为第p个目标个体的表面。
所述步骤S5，其中：
耦合作用是目标之间的相互作用，其作用的具体表现形式是产生了感应电流。
所述确定由于耦合作用产生的感应电流值，包括：
其中，Jpq(n)为目标个体p的散射场对目标个体q作用产生的感应电流，n代表目标个体p上的RWG基函数，
为电流库中由目标个体p到目标个体q方向上记录的电流值。在确定所述目标个体两两之间的电流值的基础上，通过叠加，能够确定所述各个目标个体由耦合作用产生的感应电流值。电流库的组成成分是指相对于位于原点的目标个体在不同的入射方向上都会产生不同的电流值，而这里用到的是由目标个体p到目标个体q连线方向上的电流值。
所述步骤S6：基于所述由于耦合作用产生的感应电流值确定所述群目标中各目标个体在雷达视线方向的散射场，包括：
其中，
为第q个目标个体在雷达视线上的散射场，j为虚数单位，k为相位常数，r为积分点到坐标原点之间的距离，Jpq(n)为第p个目标个体的散射场对第q个目标个体产生的感应电流，r′为RWG基函数的位置矢量，
为雷达视线方向矢量，S′q为第q个目标的表面。
所述步骤S7，所述预设阈值基于雷达探测精度确定。
所述步骤S8：将所述各个所述目标个体的表面电流值作为所述群目标的电流值，确定所述群目标在雷达视线方向上的电磁散射数据，包括：
将所有目标个体在雷达视线方向的散射场叠加即为所述群目标在雷达视线方向的散射数据，
Es为群目标在雷达视线方向上的散射场，m为群目标中目标个体的数目。
本发明进一步提供一实施例，说明本发明的计算群目标电磁特性的方法。
所述基于电流迭代计算群目标电磁特性的方法，其具体步骤包括：
步骤一、输入群目标中单个目标的网格剖分文件，计算单个目标在平面波激励时其球面包裹的各个方向的表面电流库，存储在本地，为所有目标的散射特性计算提供数据基础。在本实施例中，即为计算单个小球在各个入射方向上的表面电流。
步骤二、根据单个目标的网格输入文件，利用MLFMA方法计算出雷达视线方向的单个目标的电流，并根据目标之间的相对位置进行所有目标之间的初始电流的赋值，赋值原理如下：
J′(r′)＝J(r′)·e-jkd (1)
其中J′(r′)为其他目标表面的初始电流，d为两目标之间的距离在雷达探测方向上的投影距离。例如在本实施例中，两个半径为0.2m的小球沿x轴正向相距R放置，在计算时只输入球1的网格数据，通过MLFMA方法进行盒子划分、电流计算操作之后，根据球1、球2之间的位置关系将球1的网格数据重复利用的球2当中，再根据式(1)进行球2的初始电流的赋值。而图3中AB之间的距离即为距离d。
步骤三、将各个目标等效为点目标、散射场等效为平面波，计算目标之间的耦合作用，以本实施例为例，其计算原理如图4所示，由球1产生的初始电流J产生的
方向的电场在球2表面产生的电流为J12，由球2产生的初始电流J′产生的
方向的电场在球1表面产生的电流为J21，此为一次完整的迭代过程；同理，由球1、球2的感应电流J12、J21产生的电场对球2、球1作用为下一次迭代，直至迭代完成。
步骤四、将迭代产生的感应电流与初始电流相叠加，计算出目标表面的总电流，便可根据式(2)和式(3)计算出群目标的散射数据。
Es＝-jωμNt＝-jkZNt (2)
自此，就完成了基于单一目标个体数据计算整个群目标散射特性的整个过程。
图5是本实施例中，将两个半径为0.2m的球体沿x轴间隔10m放置、沿xoy平面与x轴正向夹角为0～180度、间隔1度时由本发明计算的单站RCS值与传统MLFMA方法计算的单站RCS结果对比图；图6、图7分别为本实施例中MLFMA方法和本发明计算产生的时频图像，可以看出其相似度大于85％，满足工程上的应用要求；图8为针对于本实施例与传统MLFMA计算方法的计算性能对比表，可以看出本发明在内存和计算时间上有明显改进。
本发明还提供了一种计算群目标电磁特性的装置，如图9所示，该装置包括：
位置模块：配置为获取所述群目标的位置信息以及所述群目标中某个目标个体的网格信息，所述目标个体记为原点目标个体；由所述原点目标个体与群目标中的其他目标个体之间的相对位置获得所述群目标中的其他目标个体的网格信息；
电流库生成模块：配置为获取平面波激励所述原点目标个体时，所述原点目标个体的球面包裹的全方向的表面电流；由所述原点目标个体的所述全方向的表面电流形成表面电流库；
表面电流模块：配置为将所述原点目标个体记为第一目标个体，确定所述第一目标个体在雷达入射方向的表面电流初始值；基于所述群目标中各个目标个体的初始位置关系及所述第一目标个体的表面电流初始值，为所述群目标中除所述第一目标个体以外的其余目标个体的表面电流初始值赋值；
第一散射场模块：配置为基于各个所述目标个体的表面电流值，确定各个目标个体两两连线方向上的散射场数值；
耦合电流模块：配置为基于所述各个目标个体两两连线方向上的散射场数值及所述表面电流库，确定所述各个目标个体之间的耦合作用，确定由于耦合作用产生的感应电流值；
第二散射场模块：配置为基于所述由于耦合作用产生的感应电流值确定所述群目标中各目标个体在雷达视线方向的散射场；
判断模块：配置为若存在某一个目标个体在雷达视线方向的散射场大于预设阈值，对群目标中的每个目标个体：计算所述目标个体的表面电流值与所述目标个体由于耦合作用产生的感应电流值之和并记录，将所述由于耦合作用产生的感应电流值作为所述目标个体的表面电流值，触发所述第一散射场模块；否则，触发电磁散射模块；
电磁散射模块：配置为将所述各个所述目标个体的表面电流值作为所述群目标的电流值，确定所述群目标在雷达视线方向上的电磁散射数据。
以上的具体实施例仅描述了本发明的设计原理，该描述中的部件形状，名称可以不同，不受限制。所以，本发明领域的技术人员可以对前述实施例记载的技术方案进行修改或等同替换；而这些修改和替换未脱离本发明创造宗旨和技术方案，均应属于本发明的保护范围。
Claims (6)
1.一种计算群目标电磁特性的方法，其特征在于，包括：
步骤S1：获取所述群目标的位置信息以及所述群目标中某个目标个体的网格信息，所述目标个体记为原点目标个体；由所述原点目标个体与群目标中的其他目标个体之间的相对位置获得所述群目标中的其他目标个体的网格信息；
步骤S2：获取平面波激励所述原点目标个体时，所述原点目标个体的球面包裹的全方向的表面电流；由所述原点目标个体的所述全方向的表面电流形成表面电流库；
步骤S3：将所述原点目标个体记为第一目标个体，确定所述第一目标个体在雷达入射方向的表面电流初始值；基于所述群目标中各个目标个体的初始位置关系及所述第一目标个体的表面电流初始值，为所述群目标中除所述第一目标个体以外的其余目标个体的表面电流初始值赋值；
步骤S4：基于各个所述目标个体的表面电流值，确定各个目标个体两两连线方向上的散射场数值；
步骤S5：基于所述各个目标个体两两连线方向上的散射场数值及所述表面电流库，确定所述各个目标个体之间的耦合作用，确定由于耦合作用产生的感应电流值；
步骤S6：基于所述由于耦合作用产生的感应电流值确定所述群目标中各目标个体在雷达视线方向的散射场；
步骤S7：若存在某一个目标个体在雷达视线方向的散射场大于预设阈值，对群目标中的每个目标个体：计算所述目标个体的表面电流值与所述目标个体由于耦合作用产生的感应电流值之和并记录，将所述由于耦合作用产生的感应电流值作为所述目标个体的表面电流值，进入步骤S4；否则，进入步骤S8；
步骤S8：将所述各个所述目标个体的表面电流值作为所述群目标的电流值，确定所述群目标在雷达视线方向上的电磁散射数据。
2.如权利要求1所述的方法，其特征在于，所述步骤S3：为所述群目标中除所述第一目标个体以外的其余目标个体的表面电流初始值赋值，具体公式为：
所述入射方向为雷达探测方向，其中Ji(n)为除所述第一目标个体以外的目标个体的表面电流初始值，di为第i个目标与所述第一目标之间的距离在雷达探测方向上的投影距离，j为虚数单位，k为相位常数，n为RWG基函数的编号，J0(n)为所述第一目标个体的表面电流初始值，e为常数。
3.如权利要求2所述的方法，其特征在于，所述步骤S4：基于各个所述目标个体的表面电流值，确定各个目标个体两两连线方向上的散射场数值，其中：
在远区散射场的条件下，根据公式
计算各个目标个体两两连线上的散射场数值，其中，
为第p个目标在空间任意一处的散射场，j为虚数单位，k为相位常数，r为积分点到坐标原点之间的距离，J(n)为RWG基函数上面的电流值，r′为RWG基函数的位置矢量，
为雷达视线方向矢量，S′p为第p个目标个体的表面。
4.如权利要求3所述的方法，其特征在于，所述步骤S5，包括：所述确定由于耦合作用产生的感应电流值，包括：
其中，Jpq(n)为目标个体p的散射场对目标个体q作用产生的感应电流，n代表目标个体p上的RWG基函数，
为电流库中由目标个体p到目标个体q方向上记录的电流值。在确定所述目标个体两两之间的电流值的基础上，通过叠加，能够确定所述各个目标个体由耦合作用产生的感应电流值。
5.如权利要求4所述的方法，其特征在于，所述步骤S6：基于所述由于耦合作用产生的感应电流值确定所述群目标中各目标个体在雷达视线方向的散射场，包括：
其中，
为第q个目标个体在雷达视线上的散射场，j为虚数单位，k为相位常数，r为积分点到坐标原点之间的距离，Jpq(n)为第p个目标个体的散射场对第q个目标个体产生的感应电流，r′为RWG基函数的位置矢量，
为雷达视线方向矢量，S′q为第q个目标个体的表面。
6.一种计算群目标电磁特性的装置，其特征在于，所述装置包括：
位置模块：配置为获取所述群目标的位置信息以及所述群目标中某个目标个体的网格信息，所述目标个体记为原点目标个体；由所述原点目标个体与群目标中的其他目标个体之间的相对位置获得所述群目标中的其他目标个体的网格信息；
电流库生成模块：配置为获取平面波激励所述原点目标个体时，所述原点目标个体的球面包裹的全方向的表面电流；由所述原点目标个体的所述全方向的表面电流形成表面电流库；
表面电流模块：配置为将所述原点目标个体记为第一目标个体，确定所述第一目标个体在雷达入射方向的表面电流初始值；基于所述群目标中各个目标个体的初始位置关系及所述第一目标个体的表面电流初始值，为所述群目标中除所述第一目标个体以外的其余目标个体的表面电流初始值赋值；
第一散射场模块：配置为基于各个所述目标个体的表面电流值，确定各个目标个体两两连线方向上的散射场数值；
耦合电流模块：配置为基于所述各个目标个体两两连线方向上的散射场数值及所述表面电流库，确定所述各个目标个体之间的耦合作用，确定由于耦合作用产生的感应电流值；
第二散射场模块：配置为基于所述由于耦合作用产生的感应电流值确定所述群目标中各目标个体在雷达视线方向的散射场；
判断模块：配置为若存在某一个目标个体在雷达视线方向的散射场大于预设阈值，对群目标中的每个目标个体：计算所述目标个体的表面电流值与所述目标个体由于耦合作用产生的感应电流值之和并记录，将所述由于耦合作用产生的感应电流值作为所述目标个体的表面电流值，触发所述第一散射场模块；否则，触发电磁散射模块；
电磁散射模块：配置为将所述各个所述目标个体的表面电流值作为所述群目标的电流值，确定所述群目标在雷达视线方向上的电磁散射数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210398516.0A CN114741880A (zh) | 2022-04-15 | 2022-04-15 | 一种计算群目标电磁特性的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210398516.0A CN114741880A (zh) | 2022-04-15 | 2022-04-15 | 一种计算群目标电磁特性的方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114741880A true CN114741880A (zh) | 2022-07-12 |
Family
ID=82281511
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210398516.0A Pending CN114741880A (zh) | 2022-04-15 | 2022-04-15 | 一种计算群目标电磁特性的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114741880A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103870654A (zh) * | 2014-03-26 | 2014-06-18 | 西安电子科技大学 | 基于并行矩量法与物理光学混合的电磁散射仿真方法 |
| CN105930567A (zh) * | 2016-04-14 | 2016-09-07 | 西安电子科技大学 | 一种基于子区域自适应积分的电磁散射特性获取方法 |
| KR20190059384A (ko) * | 2017-11-23 | 2019-05-31 | 인하대학교 산학협력단 | 물리광학회절이론 기반의 레이더 반사 면적 측정 장치 및 방법 |
| CN110705058A (zh) * | 2019-09-19 | 2020-01-17 | 电子科技大学 | 一种针对超电大尺寸规模目标的近场电磁散射仿真方法 |
| CN111859704A (zh) * | 2020-07-30 | 2020-10-30 | 上海无线电设备研究所 | 一种分布式多视角下非刚体目标电磁散射建模方法 |
| CN112731328A (zh) * | 2020-12-29 | 2021-04-30 | 北京环境特性研究所 | 一种雷达目标电磁散射特性模拟方法及装置 |
| CN112733347A (zh) * | 2020-12-31 | 2021-04-30 | 中国人民解放军空军工程大学 | 一种导体-介质复合目标与环境电磁散射快速计算方法 |
| US20210373126A1 (en) * | 2020-06-02 | 2021-12-02 | Neva Electromagnetics, LLC | Method and System for Obtaining Scattering and Radiation Properties of Electrically Large Metal Targets with General-Purpose Fast Multipole Method |
| KR102380267B1 (ko) * | 2020-11-04 | 2022-03-29 | 한화시스템 주식회사 | 표적 탐지 방법 |
-
2022
- 2022-04-15 CN CN202210398516.0A patent/CN114741880A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103870654A (zh) * | 2014-03-26 | 2014-06-18 | 西安电子科技大学 | 基于并行矩量法与物理光学混合的电磁散射仿真方法 |
| CN105930567A (zh) * | 2016-04-14 | 2016-09-07 | 西安电子科技大学 | 一种基于子区域自适应积分的电磁散射特性获取方法 |
| KR20190059384A (ko) * | 2017-11-23 | 2019-05-31 | 인하대학교 산학협력단 | 물리광학회절이론 기반의 레이더 반사 면적 측정 장치 및 방법 |
| CN110705058A (zh) * | 2019-09-19 | 2020-01-17 | 电子科技大学 | 一种针对超电大尺寸规模目标的近场电磁散射仿真方法 |
| US20210373126A1 (en) * | 2020-06-02 | 2021-12-02 | Neva Electromagnetics, LLC | Method and System for Obtaining Scattering and Radiation Properties of Electrically Large Metal Targets with General-Purpose Fast Multipole Method |
| CN111859704A (zh) * | 2020-07-30 | 2020-10-30 | 上海无线电设备研究所 | 一种分布式多视角下非刚体目标电磁散射建模方法 |
| KR102380267B1 (ko) * | 2020-11-04 | 2022-03-29 | 한화시스템 주식회사 | 표적 탐지 방법 |
| CN112731328A (zh) * | 2020-12-29 | 2021-04-30 | 北京环境特性研究所 | 一种雷达目标电磁散射特性模拟方法及装置 |
| CN112733347A (zh) * | 2020-12-31 | 2021-04-30 | 中国人民解放军空军工程大学 | 一种导体-介质复合目标与环境电磁散射快速计算方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wan et al. | Deep learning based autonomous vehicle super resolution DOA estimation for safety driving | |
| CN107727095B (zh) | 基于谱聚类和加权反向传播神经网络的3d室内定位方法 | |
| CN111414953A (zh) | 点云分类方法和装置 | |
| CN110018439A (zh) | 一种和差波束与波束music相结合的测向方法 | |
| Ozgun et al. | A transformation media based approach for efficient Monte Carlo analysis of scattering from rough surfaces with objects | |
| CN114067075A (zh) | 基于生成对抗网络的点云补全方法及装置 | |
| CN115457492A (zh) | 目标检测方法、装置、计算机设备及存储介质 | |
| CN115731382A (zh) | 点云目标检测方法、装置、计算机设备和存储介质 | |
| Jones et al. | Marine vehicles simulated SAR imagery datasets generation | |
| CN112017159B (zh) | 一种遥感场景下的地面目标真实感仿真方法 | |
| Zhang et al. | Mesh-based DGCNN: semantic segmentation of textured 3-D urban scenes | |
| CN114741880A (zh) | 一种计算群目标电磁特性的方法及装置 | |
| Owaki et al. | Hybrid physics-based and data-driven approach to estimate the radar cross-section of vehicles | |
| CN113194401B (zh) | 一种基于生成式对抗网络的毫米波室内定位方法及系统 | |
| Yang et al. | A method for attitude measurement of a test vehicle based on the tracking of vectors | |
| CN113850304A (zh) | 一种高准确率的点云数据分类分割改进算法 | |
| CN113552533A (zh) | 一种空间谱估计方法、装置、电子设备及存储介质 | |
| Zhou et al. | Fvcnn: Fusion view convolutional neural networks for non-rigid 3D shape classification and retrieval | |
| CN111382830A (zh) | 一种基于混合粒子群算法的信号到达角度估计方法和装置 | |
| Sun et al. | A multi-object detection method based on adaptive feature adjustment of 3D point cloud in indoor scenes | |
| Peng et al. | PL-Net: towards deep learning-based localization for underwater terrain | |
| Wang et al. | A Survey of Target Orientation Detection Algorithms Based on GPU Parallel Computing | |
| CN113534044B (zh) | 一种毫米波室内定位方法及系统 | |
| Tian et al. | 3D object reconstruction based on attention point cloud NeRF | |
| Guo et al. | A Local Enhancement Method for Large‐Scale Building Facade Depth Images using Densely Matched Point Clouds |
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 |