CN114818264B - 有源角度欺骗建模与校验方法、装置、设备和存储介质 - Google Patents
有源角度欺骗建模与校验方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN114818264B CN114818264B CN202210273474.8A CN202210273474A CN114818264B CN 114818264 B CN114818264 B CN 114818264B CN 202210273474 A CN202210273474 A CN 202210273474A CN 114818264 B CN114818264 B CN 114818264B
- Authority
- CN
- China
- Prior art keywords
- data
- active angle
- spoofing
- simulation
- signal
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012795 verification Methods 0.000 title claims abstract description 34
- 238000004088 simulation Methods 0.000 claims abstract description 210
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 238000012937 correction Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 description 13
- 238000005094 computer simulation Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/22—Source localisation; Inverse modelling
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)
Abstract
本公开的实施例提供了一种有源角度欺骗建模与校验方法、装置、设备和存储介质。该方法包括:构建有源角度欺骗仿真模型;利用有源角度欺骗仿真模型进行仿真,得到有源角度欺骗仿真数据;根据所获取的等效有源角度欺骗场景数据集中的数据与有源角度欺骗仿真数据进行比对,校验有源角度欺骗仿真模型,其中,等效有源角度欺骗场景数据集基于小角度内场探测场景和大角度外场探测场景获取。以此方式,可以高效快捷地进行有源角度欺骗建模与校验。
Description
技术领域
本公开涉及电子技术领域,尤其涉及一种有源角度欺骗建模与校验方法、装置、设备和存储介质。
背景技术
针对有源角度欺骗干扰识别与真实目标检测问题的特殊性,当前的有源角度欺骗模型构建与校验方法普遍存在因全数字动态数据流基准对齐问题导致的建模复杂度高、模块校验项目多、数据校验参数复杂等问题,且模型构建与检验过程中所涉及的通用与非通用设备种类多、各设备之间基准时间与操作协调十分复杂,导致当前模型校验方法校验效率低、数据准确性及可靠性下降,迫切需要一种高效快捷、实现简单的有源角度欺骗建模与校验方法。
发明内容
本公开提供了一种有源角度欺骗建模与校验方法、装置、设备和存储介质,可以高效快捷地进行有源角度欺骗建模与校验。
第一方面,本公开实施例提供了一种有源角度欺骗建模与校验方法,该方法包括:
构建有源角度欺骗仿真模型;
利用有源角度欺骗仿真模型进行仿真,得到有源角度欺骗仿真数据;
根据所获取的等效有源角度欺骗场景数据集中的数据与有源角度欺骗仿真数据进行比对,校验有源角度欺骗仿真模型,其中,等效有源角度欺骗场景数据集基于小角度内场探测场景和大角度外场探测场景获取。
在第一方面的一些可实现方式中,构建有源角度欺骗仿真模型,包括:
根据SystemVue软件平台构建有源角度欺骗仿真模型。
在第一方面的一些可实现方式中,有源角度欺骗仿真模型包括:目标信号仿真模型、干扰信号仿真模型、目标信号与干扰信号叠加仿真模型。
在第一方面的一些可实现方式中,利用有源角度欺骗仿真模型进行仿真,得到有源角度欺骗仿真数据,包括:
利用目标信号仿真模型生成目标信号仿真数据,以及目标信号源动态位置仿真数据;
利用干扰信号仿真模型生成干扰信号仿真数据,以及干扰信号源动态位置仿真数据;
利用目标信号与干扰信号叠加仿真模型将目标信号仿真数据与干扰信号仿真数据叠加,得到有源角度欺骗信号仿真数据,并生成目标信号源和干扰信号源的相对动态位置仿真数据;
将有源角度欺骗信号仿真数据以及目标信号源动态位置仿真数据、干扰信号源动态位置仿真数据、目标信号源和干扰信号源的相对动态位置仿真数据作为有源角度欺骗仿真数据。
在第一方面的一些可实现方式中,根据所获取的等效有源角度欺骗场景数据集中的数据与有源角度欺骗仿真数据进行比对,校验有源角度欺骗仿真模型,包括:
从等效有源角度欺骗场景数据集中获取与有源角度欺骗仿真数据中的目标信号源动态位置仿真数据、干扰信号源动态位置仿真数据、目标信号源和干扰信号源的相对动态位置仿真数据对应的有源角度欺骗信号数据;
对有源角度欺骗信号数据与有源角度欺骗信号仿真数据进行比对,得到有源角度欺骗信号数据与有源角度欺骗信号仿真数据的数据偏差;
根据数据偏差,校验有源角度欺骗仿真模型。
在第一方面的一些可实现方式中,有源角度欺骗信号数据与有源角度欺骗信号仿真数据包括一组或多组;
根据数据偏差,校验有源角度欺骗仿真模型,包括:
根据每组的数据偏差计算数据偏差期望,并根据数据偏差期望计算每组的有源角度欺骗信号仿真数据的修正量;
根据每组的有源角度欺骗信号仿真数据的修正量,校验有源角度欺骗仿真模型。
第二方面,本公开实施例提供了一种有源角度欺骗建模与校验装置,该装置包括:
构建模块,用于构建有源角度欺骗仿真模型;
仿真模块,用于利用有源角度欺骗仿真模型进行仿真,得到有源角度欺骗仿真数据;
校验模块,用于根据所获取的等效有源角度欺骗场景数据集中的数据与有源角度欺骗仿真数据进行比对,校验有源角度欺骗仿真模型,其中,等效有源角度欺骗场景数据集基于小角度内场探测场景和大角度外场探测场景获取。
第三方面,本公开实施例提供了一种电子设备,该电子设备包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如以上所述的方法。
第四方面,本公开实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行如以上所述的方法。
第五方面,本公开实施例提供了一种计算机程序产品,该计算机程序产品包括计算机程序,计算机程序在被处理器执行时实现如以上所述的方法。
在本公开中,可以构建有源角度欺骗仿真模型,并利用有源角度欺骗仿真模型进行仿真,得到有源角度欺骗仿真数据,然后根据所获取的等效有源角度欺骗场景数据集中的数据与有源角度欺骗仿真数据进行比对,校验有源角度欺骗仿真模型,其中,等效有源角度欺骗场景数据集基于小角度内场探测场景和大角度外场探测场景获取。如此一来,可以高效快捷地进行有源角度欺骗建模与校验。
应当理解,发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征,亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。附图用于更好地理解本方案,不构成对本公开的限定在附图中,相同或相似的附图标记表示相同或相似的元素,其中:
图1示出了本公开实施例提供的一种有源角度欺骗建模与校验方法的流程图;
图2示出了本公开实施例提供的一种有源角度欺骗建模与校验装置的结构图;
图3示出了一种能够实施本公开的实施例的示例性电子设备的结构图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例,都属于本公开保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
针对背景技术中出现的问题,本公开实施例提供了一种有源角度欺骗建模与校验方法、装置、设备和存储介质。具体地,可以构建有源角度欺骗仿真模型,并利用有源角度欺骗仿真模型进行仿真,得到有源角度欺骗仿真数据,然后根据所获取的等效有源角度欺骗场景数据集中的数据与有源角度欺骗仿真数据进行比对,校验有源角度欺骗仿真模型,其中,等效有源角度欺骗场景数据集基于小角度内场探测场景和大角度外场探测场景获取。如此一来,可以高效快捷地进行有源角度欺骗建模与校验。
下面结合附图,通过具体的实施例对本公开实施例提供的有源角度欺骗建模与校验方法、装置、设备和存储介质进行详细地说明。
图1示出了本公开实施例提供的一种有源角度欺骗建模与校验方法的流程图,如图1所示,有源角度欺骗建模与校验方法100可以包括以下步骤:
S110,构建有源角度欺骗仿真模型。
其中,有源角度欺骗仿真模型可以包括:目标信号仿真模型、干扰信号仿真模型、目标信号与干扰信号叠加仿真模型。
示例性地,可以根据有源角度欺骗数据的建模需求,获得目标信号与干扰信号的基本样式要求,利用理论模型计算不同探测距离下目标信号源的回波强度,同时获得目标信号源与干扰信号源之间角度欺骗仿真的变化范围。
假设目标信号源为典型空中高价值飞行平台、突防场景典型目标两大类,目标信号记为
star={Typei,σi,Di,vi} (1)
式中,Typei表示第i种目标信号源所属类型,σi表示第i种目标信号源散射截面积,Di表示第i种目标信号源位置分布特征,vi表示第i种目标信号源速度分布特征。
设干扰信号所含要素组成的干扰形式记为
sj={A,τ,f,n,fea} (2)
其中,A表示干扰信号幅度,τ表示干扰信号延时,f表示干扰信号多普勒频偏,n表示干扰信号个数,fea表示干扰信号其他调制特征,包括转发前延时、相位调制、跨周期转发、间歇采样机制等。
进而可以设置参数取值范围,同时设置目标与干扰空间运动状态,采用SystemVue软件平台构建有源角度欺骗仿真模型。
S120,利用有源角度欺骗仿真模型进行仿真,得到有源角度欺骗仿真数据。
在一些实施例中,可以利用目标信号仿真模型生成目标信号仿真数据,以及目标信号源动态位置仿真数据。其中,目标信号源动态位置仿真数据可以包括目标信号源距离动态仿真数据、目标信号源速度动态仿真数据、目标信号源角度动态仿真数据。利用干扰信号仿真模型生成干扰信号仿真数据,以及干扰信号源动态位置仿真数据。其中,干扰信号源动态位置仿真数据可以包括干扰信号源距离动态仿真数据、干扰信号源速度动态仿真数据、干扰信号源角度动态仿真数据。
利用目标信号与干扰信号叠加仿真模型将目标信号仿真数据与干扰信号仿真数据叠加,得到有源角度欺骗信号仿真数据,并生成目标信号源和干扰信号源的相对动态位置仿真数据。其中,相对动态位置仿真数据可以包括相对距离动态仿真数据、相对速度动态仿真数据、相对角度动态仿真数据。
进而将有源角度欺骗信号仿真数据以及目标信号源动态位置仿真数据、干扰信号源动态位置仿真数据、目标信号源和干扰信号源的相对动态位置仿真数据作为有源角度欺骗仿真数据。
参见S110,有源角度欺骗信号仿真数据的表达式可以为:
sr=f(star,sj,C,N) (3)
其中,f(·)表示广义相加函数,C表示环境杂波信号,N表示环境噪声信号。
S130,根据所获取的等效有源角度欺骗场景数据集中的数据与有源角度欺骗仿真数据进行比对,校验有源角度欺骗仿真模型。
其中,等效有源角度欺骗场景数据集基于小角度内场探测场景和大角度外场探测场景获取。
具体地,可以通过小角度内场探测场景获取内场有源角度欺骗信号数据及其对应的标注数据,并通过大角度外场探测场景获取外场有源角度欺骗信号数据及其对应的标注数据,然后将包括内场有源角度欺骗信号数据及其对应的标注数据的内场有源角度欺骗场景数据集与包括外场有源角度欺骗信号数据及其对应的标注数据的外场有源角度欺骗场景数据集合并,得到等效有源角度欺骗场景数据集。
其中,标注数据可以包括目标信号源动态位置数据,干扰信号源动态位置数据,目标信号源和干扰信号源的相对动态位置数据,目标信号源动态位置数据可以包括目标信号源距离动态数据、目标信号源速度动态数据、目标信号源角度动态数据,干扰信号源动态位置数据可以包括干扰信号源距离动态数据、干扰信号源速度动态数据、干扰信号源角度动态数据,相对动态位置数据可以包括相对距离动态数据、相对速度动态数据、相对角度动态数据。
作为一个示例,可以从等效有源角度欺骗场景数据集中获取与有源角度欺骗仿真数据中的目标信号源动态位置仿真数据、干扰信号源动态位置仿真数据、目标信号源和干扰信号源的相对动态位置仿真数据对应的有源角度欺骗信号数据。
然后对有源角度欺骗信号数据与有源角度欺骗仿真数据中的有源角度欺骗信号仿真数据进行比对,得到有源角度欺骗信号数据与有源角度欺骗信号仿真数据的数据偏差,根据数据偏差,校验有源角度欺骗仿真模型。
示例性地,有源角度欺骗信号数据与有源角度欺骗信号仿真数据包括一组或多组,可以根据每组的数据偏差计算数据偏差期望,并根据数据偏差期望计算每组的有源角度欺骗信号仿真数据的修正量,然后根据每组的有源角度欺骗仿真数据的修正量,校验有源角度欺骗仿真模型。
在一个具体实施例中,有源角度欺骗信号数据为有源角度欺骗信号仿真数据为sri,共n组,则计算数据偏差的表达式可以为:
计算数据偏差期望的表达式可以为:
计算修正量的表达式可以为:
其中ω表示权重因子,一般取常数0.6-0.9。
进而将修正量反馈至目标信号仿真模型、干扰信号仿真模型、目标信号与干扰信号叠加仿真模型用于模型的校验。
校验后结果为
最终得出模型校验结果,可提升后续内场仿真生成数据的真实性,大幅度降低了获取数据的成本。
根据本公开实施例,可以构建有源角度欺骗仿真模型,并利用有源角度欺骗仿真模型进行仿真,得到有源角度欺骗仿真数据,然后根据所获取的等效有源角度欺骗场景数据集中的数据与有源角度欺骗仿真数据进行比对,校验有源角度欺骗仿真模型,其中,等效有源角度欺骗场景数据集基于小角度内场探测场景和大角度外场探测场景获取。如此一来,可以高效快捷地进行有源角度欺骗建模与校验。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本公开并不受所描述的动作顺序的限制,因为依据本公开,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本公开所必须的。
以上是关于方法实施例的介绍,以下通过装置实施例,对本公开所述方案进行进一步说明。
图2示出了根据本公开的实施例提供的一种有源角度欺骗建模与校验装置的结构图,如图2所示,有源角度欺骗建模与校验装置200可以包括:
构建模块210,用于构建有源角度欺骗仿真模型。
仿真模块220,用于利用有源角度欺骗仿真模型进行仿真,得到有源角度欺骗仿真数据。
校验模块230,用于根据所获取的等效有源角度欺骗场景数据集中的数据与有源角度欺骗仿真数据进行比对,校验有源角度欺骗仿真模型,其中,等效有源角度欺骗场景数据集基于小角度内场探测场景和大角度外场探测场景获取。
在一些实施例中,构建模块210,具体用于:根据SystemVue软件平台构建有源角度欺骗仿真模型。
在一些实施例中,有源角度欺骗仿真模型包括:目标信号仿真模型、干扰信号仿真模型、目标信号与干扰信号叠加仿真模型。
在一些实施例中,仿真模块220,具体用于:
利用目标信号仿真模型生成目标信号仿真数据,以及目标信号源动态位置仿真数据。
利用干扰信号仿真模型生成干扰信号仿真数据,以及干扰信号源动态位置仿真数据。
利用目标信号与干扰信号叠加仿真模型将目标信号仿真数据与干扰信号仿真数据叠加,得到有源角度欺骗信号仿真数据,并生成目标信号源和干扰信号源的相对动态位置仿真数据。
将有源角度欺骗信号仿真数据以及目标信号源动态位置仿真数据、干扰信号源动态位置仿真数据、目标信号源和干扰信号源的相对动态位置仿真数据作为有源角度欺骗仿真数据。
在一些实施例中,校验模块230,具体用于:
从等效有源角度欺骗场景数据集中获取与有源角度欺骗仿真数据中的目标信号源动态位置仿真数据、干扰信号源动态位置仿真数据、目标信号源和干扰信号源的相对动态位置仿真数据对应的有源角度欺骗信号数据。
对有源角度欺骗信号数据与有源角度欺骗信号仿真数据进行比对,得到有源角度欺骗信号数据与有源角度欺骗信号仿真数据的数据偏差。
根据数据偏差,校验有源角度欺骗仿真模型。
在一些实施例中,有源角度欺骗信号数据与有源角度欺骗信号仿真数据包括一组或多组。
根据数据偏差,校验有源角度欺骗仿真模型,包括:
根据每组的数据偏差计算数据偏差期望,并根据数据偏差期望计算每组的有源角度欺骗信号仿真数据的修正量。
根据每组的有源角度欺骗信号仿真数据的修正量,校验有源角度欺骗仿真模型。
可以理解的是,图2所示的有源角度欺骗建模与校验装置200中的各个模块/单元具有实现本公开实施例提供的有源角度欺骗建模与校验方法100中的各个步骤的功能,并能达到其相应的技术效果,为了简洁,在此不再赘述。
图3示出了一种可以用来实施本公开的实施例的电子设备的结构图。电子设备300旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备300还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图3所示,电子设备300可以包括计算单元301,其可以根据存储在只读存储器(ROM)302中的计算机程序或者从存储单元308加载到随机访问存储器(RAM)303中的计算机程序,来执行各种适当的动作和处理。在RAM303中,还可存储电子设备300操作所需的各种程序和数据。计算单元301、ROM302以及RAM303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
电子设备300中的多个部件连接至I/O接口305,包括:输入单元306,例如键盘、鼠标等;输出单元307,例如各种类型的显示器、扬声器等;存储单元308,例如磁盘、光盘等;以及通信单元309,例如网卡、调制解调器、无线通信收发机等。通信单元309允许电子设备300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元301可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元301的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元301执行上文所描述的各个方法和处理,例如方法100。例如,在一些实施例中,方法100可被实现为计算机程序产品,包括计算机程序,其被有形地包含于计算机可读介质,例如存储单元308。在一些实施例中,计算机程序的部分或者全部可以经由ROM302和/或通信单元309而被载入和/或安装到设备300上。当计算机程序加载到RAM303并由计算单元301执行时,可以执行上文描述的方法100的一个或多个步骤。备选地,在其他实施例中,计算单元301可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法100。
本文中以上描述的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,计算机可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。计算机可读介质可以是计算机可读信号介质或计算机可读储存介质。计算机可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。计算机可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
需要注意的是,本公开还提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行方法100,并达到本公开实施例执行其方法达到的相应技术效果,为简洁描述,在此不再赘述。
另外,本公开还提供了一种计算机程序产品,该计算机程序产品包括计算机程序,计算机程序在被处理器执行时实现方法100。
为了提供与用户的交互,可以在计算机上实施以上描述的实施例,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将以上描述的实施例实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (6)
1.一种有源角度欺骗建模与校验方法,其特征在于,所述方法包括:
构建有源角度欺骗仿真模型;所述有源角度欺骗仿真模型包括目标信号仿真模型、干扰信号仿真模型、目标信号与干扰信号叠加仿真模型;
利用所述目标信号仿真模型生成目标信号仿真数据,以及目标信号源动态位置仿真数据;利用所述干扰信号仿真模型生成干扰信号仿真数据,以及干扰信号源动态位置仿真数据;利用目标信号与干扰信号叠加仿真模型将目标信号仿真数据与干扰信号仿真数据叠加,得到有源角度欺骗信号仿真数据,并生成目标信号源和干扰信号源的相对动态位置仿真数据;将有源角度欺骗信号仿真数据以及目标信号源动态位置仿真数据、干扰信号源动态位置仿真数据、目标信号源和干扰信号源的相对动态位置仿真数据作为有源角度欺骗仿真数据;
其中,目标信号包括:
star={Typei,σi,Di,vi}
干扰信号包括:
sj={A,τ,f,n,fea}
有源角度欺骗信号包括:
sr=f(star,sj,C,N)
其中,star表示目标信号,Typei表示第i种目标信号源所属类型,σi表示第i种目标信号源散射截面积,Di表示第i种目标信号源位置分布特征,vi表示第i种目标信号源速度分布特征;sj表示干扰信号,A表示干扰信号幅度,τ表示干扰信号延时,f表示干扰信号多普勒频偏,n表示干扰信号个数,fea表示干扰信号其他调制特征,其他调制特征包括转发前延时、相位调制、跨周期转发、间歇采样机制,f(·)表示广义相加函数,C表示环境杂波信号,N表示环境噪声信号;
从等效有源角度欺骗场景数据集中获取与所述有源角度欺骗仿真数据中的目标信号源动态位置仿真数据、干扰信号源动态位置仿真数据、目标信号源和干扰信号源的相对动态位置仿真数据对应的有源角度欺骗信号数据;对所述有源角度欺骗信号数据与所述有源角度欺骗信号仿真数据进行比对,得到所述有源角度欺骗信号数据与所述有源角度欺骗信号仿真数据的数据偏差;根据所述数据偏差,校验所述有源角度欺骗仿真模型;其中,等效有源角度欺骗场景数据集基于小角度内场探测场景和大角度外场探测场景获取。
2.根据权利要求1所述的方法,其特征在于,所述构建有源角度欺骗仿真模型,包括:
根据SystemVue软件平台构建有源角度欺骗仿真模型。
3.根据权利要求1所述的方法,其特征在于,所述有源角度欺骗信号数据与所述有源角度欺骗信号仿真数据包括一组或多组;
所述根据所述数据偏差,校验所述有源角度欺骗仿真模型,包括:
根据每组的数据偏差计算数据偏差期望,并根据数据偏差期望计算每组的有源角度欺骗信号仿真数据的修正量;
根据每组的有源角度欺骗信号仿真数据的修正量,校验所述有源角度欺骗仿真模型。
4.一种有源角度欺骗建模与校验装置,其特征在于,所述装置包括:
构建模块,用于构建有源角度欺骗仿真模型;所述有源角度欺骗仿真模型包括目标信号仿真模型、干扰信号仿真模型、目标信号与干扰信号叠加仿真模型;
仿真模块,用于利用所述目标信号仿真模型生成目标信号仿真数据,以及目标信号源动态位置仿真数据;利用所述干扰信号仿真模型生成干扰信号仿真数据,以及干扰信号源动态位置仿真数据;利用目标信号与干扰信号叠加仿真模型将目标信号仿真数据与干扰信号仿真数据叠加,得到有源角度欺骗信号仿真数据,并生成目标信号源和干扰信号源的相对动态位置仿真数据;将有源角度欺骗信号仿真数据以及目标信号源动态位置仿真数据、干扰信号源动态位置仿真数据、目标信号源和干扰信号源的相对动态位置仿真数据作为有源角度欺骗仿真数据;
其中,目标信号包括:
star={Typei,σi,Di,vi}
干扰信号包括:
sj={A,τ,f,n,fea}
有源角度欺骗信号包括:
sr=f(star,sj,C,N)
其中,star表示目标信号,Typei表示第i种目标信号源所属类型,σi表示第i种目标信号源散射截面积,Di表示第i种目标信号源位置分布特征,vi表示第i种目标信号源速度分布特征;sj表示干扰信号,A表示干扰信号幅度,τ表示干扰信号延时,f表示干扰信号多普勒频偏,n表示干扰信号个数,fea表示干扰信号其他调制特征,其他调制特征包括转发前延时、相位调制、跨周期转发、间歇采样机制,f(·)表示广义相加函数,C表示环境杂波信号,N表示环境噪声信号;
校验模块,用于从等效有源角度欺骗场景数据集中获取与所述有源角度欺骗仿真数据中的目标信号源动态位置仿真数据、干扰信号源动态位置仿真数据、目标信号源和干扰信号源的相对动态位置仿真数据对应的有源角度欺骗信号数据;对所述有源角度欺骗信号数据与所述有源角度欺骗信号仿真数据进行比对,得到所述有源角度欺骗信号数据与所述有源角度欺骗信号仿真数据的数据偏差;根据所述数据偏差,校验所述有源角度欺骗仿真模型;其中,等效有源角度欺骗场景数据集基于小角度内场探测场景和大角度外场探测场景获取。
5.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-3中任一项所述的方法。
6.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使计算机执行权利要求1-3中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210273474.8A CN114818264B (zh) | 2022-03-18 | 2022-03-18 | 有源角度欺骗建模与校验方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210273474.8A CN114818264B (zh) | 2022-03-18 | 2022-03-18 | 有源角度欺骗建模与校验方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114818264A CN114818264A (zh) | 2022-07-29 |
CN114818264B true CN114818264B (zh) | 2023-07-21 |
Family
ID=82531062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210273474.8A Active CN114818264B (zh) | 2022-03-18 | 2022-03-18 | 有源角度欺骗建模与校验方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114818264B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019200153A1 (en) * | 2018-04-11 | 2019-10-17 | The Regents Of The University Of California | System and method of angle-of-arrival estimation, object localization, and target tracking, with received signal magnitude |
KR20210079897A (ko) * | 2019-12-20 | 2021-06-30 | 한화시스템 주식회사 | 레이더 기만 장치의 hils 시스템 및 시뮬레이션 방법 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050318B (zh) * | 2014-06-11 | 2017-06-16 | 中国人民解放军海军航空工程学院 | 一种战术导弹武器系统精度仿真及校验方法 |
CN105512388B (zh) * | 2015-12-04 | 2019-03-22 | 国网河北能源技术服务有限公司 | 一种基于labview的亚临界火电机组增强激励仿真建模方法 |
CN110730047A (zh) * | 2019-10-25 | 2020-01-24 | 北京润科通用技术有限公司 | 一种信道仿真模型检验方法及装置 |
CN111829666B (zh) * | 2020-07-17 | 2022-12-06 | 中国人民解放军火箭军工程大学 | 一种目标红外成像仿真模型的四级验证方法 |
CN113343630B (zh) * | 2021-06-25 | 2023-09-05 | 海光信息技术股份有限公司 | 建模方法及建模装置、电子设备及存储介质 |
CN113946949A (zh) * | 2021-10-12 | 2022-01-18 | 中国人民解放军火箭军工程大学 | 面向射频探测器典型电磁环境信号多层次多粒度仿真方法 |
-
2022
- 2022-03-18 CN CN202210273474.8A patent/CN114818264B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019200153A1 (en) * | 2018-04-11 | 2019-10-17 | The Regents Of The University Of California | System and method of angle-of-arrival estimation, object localization, and target tracking, with received signal magnitude |
KR20210079897A (ko) * | 2019-12-20 | 2021-06-30 | 한화시스템 주식회사 | 레이더 기만 장치의 hils 시스템 및 시뮬레이션 방법 |
Also Published As
Publication number | Publication date |
---|---|
CN114818264A (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11270190B2 (en) | Method and apparatus for generating target neural network structure, electronic device, and storage medium | |
US11676500B1 (en) | Systems and methods to measure performance | |
CN112925297B (zh) | 自动驾驶算法验证方法、装置、设备、存储介质及产品 | |
CN113641677A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
US20150052232A1 (en) | Reliability of multi-state information network evaluation method and system thereof | |
KR20230008005A (ko) | 정보를 확정하기 위한 방법 및 장치 | |
CN115456167A (zh) | 轻量级模型训练方法、图像处理方法、装置及电子设备 | |
CN114818264B (zh) | 有源角度欺骗建模与校验方法、装置、设备和存储介质 | |
CN113312560A (zh) | 群组检测方法、装置及电子设备 | |
CN112529161A (zh) | 生成对抗网络训练方法、生成对抗网络、人脸图像翻译方法和装置 | |
CN112561061A (zh) | 神经网络稀疏化方法、装置、设备、存储介质及程序产品 | |
CN114090119B (zh) | 控制流校验方法、装置、设备及存储介质 | |
CN115481594B (zh) | 计分板实现方法、计分板、电子设备及存储介质 | |
CN114281964A (zh) | 对话技能服务的确定方法、装置、电子设备及存储介质 | |
US10832466B2 (en) | View-dependent stochastic volume rendering with Monte Carlo ray exploration | |
CN115629552B (zh) | 射频探测系统主要目标识别全链路模型校验方法及装置 | |
CN114879150B (zh) | 面向对抗有源角度欺骗干扰的射频波形设计方法及装置 | |
CN114818778B (zh) | 有源角度欺骗场景数据获取方法、装置、设备和存储介质 | |
CN117194696B (zh) | 基于人工智能的内容生成方法、装置、设备和存储介质 | |
CN113407844B (zh) | 小程序框架的版本推荐方法、装置、设备以及存储介质 | |
CN114647578B (zh) | 一种系统测试方法、装置、设备以及存储介质 | |
CN114218026B (zh) | 计分板生成方法、装置、电子设备及存储介质 | |
CN114879175B (zh) | 面向主要目标识别应用的组合射频信号处理方法及装置 | |
CN113011494B (zh) | 一种特征处理方法、装置、设备以及存储介质 | |
US20230401448A1 (en) | Systems and methods for normalization in deep learning |
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 |