CN115754941B - 基于人工智能的分布式雷达运行状态监测系统及方法 - Google Patents
基于人工智能的分布式雷达运行状态监测系统及方法 Download PDFInfo
- Publication number
- CN115754941B CN115754941B CN202211416939.7A CN202211416939A CN115754941B CN 115754941 B CN115754941 B CN 115754941B CN 202211416939 A CN202211416939 A CN 202211416939A CN 115754941 B CN115754941 B CN 115754941B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- radar receiving
- radar
- receiving port
- point
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 336
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 21
- 230000002159 abnormal effect Effects 0.000 claims abstract description 40
- 238000004088 simulation Methods 0.000 claims abstract description 8
- 238000012876 topography Methods 0.000 claims description 16
- 230000005856 abnormality Effects 0.000 claims description 12
- 230000009191 jumping Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 6
- 230000000052 comparative effect Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 8
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003471 anti-radiation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及雷达监测技术领域,具体为基于人工智能的分布式雷达运行状态监测系统及方法,所述系统包括监测点定位模块,所述监测点定位模块获取分布式雷达中各个雷达接收端口接收到的回波信号信息,分析不同时间点每个雷达接收端口定位到的监测点在监测空间场模型中的坐标;监测点轨迹模拟分析模块,所述监测点轨迹模拟分析模块模拟每个雷达接收端口模拟的监测点移动轨迹,分析不同雷达接收端口模拟的各个监测点移动轨迹的监测状态。本发明能够实现对分布式雷达的运行状态进行监测,有效识别分布式雷达的异常运行状态,并及时进行预警,有效降低电磁欺骗干扰及应答式干扰对分布式雷达造成的影响。
Description
技术领域
本发明涉及雷达监测技术领域,具体为基于人工智能的分布式雷达运行状态监测系统及方法。
背景技术
随着现代化技术的发展,战争逐渐向“信息战争”转变,而雷达,则在“信息战争”占据越来越重要的地位,进而雷达也成为敌方的重点防御对象,尤其是分布式雷达相比普通雷达对战争的影响更大,防御难度更强;而对抗雷达预警,隐身目标攻击、反辐射导弹攻击、综合电子干扰以及超低空目标的突防这四种方式均能在一定程度上对预警雷达产生影响;其中,综合电子干扰包括电磁压制性干扰、电磁欺骗干扰及应答式干扰等一系列干扰模式;
电磁欺骗干扰及应答式干扰是通过接收雷达的发射信号,对雷达发射信号进行处理,产生虚假的应答雷达信号,引导雷达去跟踪虚假目标,从而降低对真实目标的发现和探测概率;由于分布式雷达具有多个雷达发射及接收端口,进而多个模拟器针对分布式雷达中的各个雷达发射及接收端口进行虚假目标模拟且模拟的是同一目标,CN113204015B用于分布式雷达目标模拟的多无人机航迹规划方法及系统中,公开了将无人飞行器部署在雷达附近,通常是数公里范围内且组网的每部雷达均需要一部飞行器就近部署,且需要不同的航迹规划,使得多架模拟器模拟出来的是同一目标的方法,该方式能够对分布式雷达进行电磁欺骗干扰及应答式干扰。
进而现有的分布式雷达亟需一种基于人工智能的分布式雷达运行状态监测系统及方法,能够实现对分布式雷达的运行状态进行监测,有效识别分布式雷达的异常运行状态,并及时进行预警,有效降低电磁欺骗干扰及应答式干扰对分布式雷达造成的影响。
发明内容
本发明的目的在于提供基于人工智能的分布式雷达运行状态监测系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:基于人工智能的分布式雷达运行状态监测方法,所述方法包括以下步骤:
S1、获取分布式雷达中各个雷达接收端口所处的地理位置,构建监测空间场模型;
S2、获取分布式雷达中各个雷达接收端口接收到的回波信号信息,分析不同时间点每个雷达接收端口定位到的监测点在监测空间场模型中的坐标;
S3、模拟每个雷达接收端口模拟的监测点移动轨迹,分析不同雷达接收端口模拟的各个监测点移动轨迹的监测状态,
当不同雷达接收端口模拟的各个监测点移动轨迹存在监测状态异常的情况时,跳转到S5;
当不同雷达接收端口模拟的各个监测点移动轨迹的监测状态均正常时,得到监测点综合移动轨迹,跳转到S4;
S4、预测基于当前时间之前的第一单位时间内,各个时间点分别在监测点综合移动轨迹中对应的空间位置,
结合数据库内与当前时间间隔时长大于第一单位时间的所有历史数据中,监测点在不同空间位置时反馈给每个雷达接收端口的回波强度,预测基于当前时间之前的第一单位时间内,每个雷达接收端口分别接收到的回波强度,
结合基于当前时间之前的第一单位时间内,每个雷达接收端口在各个时间点接收到的实际回波强度,分析各个雷达接收端口定位的监测点的合理性,
当各个雷达接收端口定位的监测点存在不合理的情况时,则跳转到S5;
当各个雷达接收端口定位的监测点均合理时,则判定分布式雷达当前运行状态正常;
S5、通过预警装置向管理人员进行反馈,提醒管理人员分布式雷达当前运行状态异常。
进一步的,所述S1中构建监测空间场模型的方法包括以下步骤:
S1.1、获取分布式雷达中各个雷达接收端口所处的地理位置;
S1.2、获取分布式雷达中各个雷达接收端口所处地理位置在水平面上的投影点所围图形的中心点,并以水平面上所得中心点为原点,以过原点且从南向北的方向为x轴正方向,以过原点且从东向西的方向为y轴正方向,以过原点且从下至上的方向为z轴正方向,构建空间直角坐标系;
S1.3、通过三维激光扫描仪以原点为圆心,以第一单位距离为半径,对空间直角坐标系中的地形地势及建筑进行数据采集并建模,建模后的空间直角坐标系为监测空间场模型,
获取空间直角坐标系中各个雷达接收端口所处地理位置在水平面上的投影点分别与原点之间距离的最大值,得到最大距离,并将所得最大距离与第二单位距离的和作为第一单位距离,所述第二单位距离为数据库中预置的常数。
本发明构建监测空间场模型的过程中,建立空间直角坐标系是为了后续过程中对定位的监测点位置的进行量化,进而为后续分析各个雷达接收端口定位的监测点的移动轨迹对应的监测状态提供了数据基础;对空间直角坐标系中的地形地势及建筑进行数据采集并建模,是为了分析监测空间场模型中监测点坐标与雷达接收端口构成的线段是否与地形地势及建筑模型存在交点(监测空间场模型中的地形地势及建筑模型是否对监测点方向的雷达波造成阻碍),为后续分析监测点坐标的合理性提供了数据参照。
进一步的,所述S2中分析不同时间点每个雷达接收端口定位到的监测点在监测空间场模型中的坐标的方法包括以下步骤:
S2.1、获取分布式雷达中各个雷达接收端口接收到的回波信号信息,对分布式雷达中的各个雷达接收端口进行编号,所述回波信号信息包括回波信号的强度、回波信号对应发射波的发射时间及发射角度向量,并将所得回波信号信息保存到数据库中,
将第i个雷达接收端口在时间t接收到的回波信号的强度、该回波信号对应发射波的发射时间t1及发射角度向量(β1,β2,β3),所述(β1,β2,β3)不等于(0,0,0);
S2.2、获取第i个雷达接收端口所处地理位置在空间直角坐标系中对应的坐标,记为(xi,yi,zi);
S2.3、得到第i个雷达接收端口在时间t定位到的监测点在监测空间场模型中的坐标,记为(xit,yit,zit),
当第i个雷达接收端口在时间t未接收到回波信号时,则判定(xit,yit,zit)为(0,0,0),
当第i个雷达接收端口在时间t接收到回波信号时,
其中,c表示光速。
本发明分析不同时间点每个雷达接收端口定位到的监测点在监测空间场模型中的坐标的过程中,回波信号对应发射波的发射时间t1及接收时间t之间的时间差,可以确定监测点与雷达接收端口之间的距离,结合雷达发射角度向量,则可以直接确定监测点对应的具体坐标。
进一步的,所述S3中模拟每个雷达接收端口模拟的监测点移动轨迹的方法包括以下步骤:
S3.1、获取第i个雷达接收端口在时间t定位到的监测点在监测空间场模型中的坐标(xit,yit,zit),监测点处于(xit,yit,zit)时对应的实际时间为
S3.2、对第i个雷达接收端口定位的监测点进行异常坐标筛选,并对筛选的异常坐标进行校准;
S3.3、将第i个雷达接收端口定位的正常监测点坐标及异常坐标的校准结果分别在监测空间场模型中进行标注,并按x轴坐标值从小到大的顺序对监测空间场模型中相邻的标记点进行连接,得到第i个雷达接收端口定位的监测点在监测空间场模型中拟合的轨迹折线,作为第i个雷达接收端口定位的监测点的移动轨迹,并将第i个雷达接收端口定位的监测点的移动轨迹对应的函数记为Gi,将Gi中各个坐标点在x轴上的取值范围记为xGi;
对第i个雷达接收端口定位的监测点进行异常坐标筛选过程中,获取第i个雷达接收端口按时间先后顺序得到的五个监测点坐标,五个监测点坐标分别对应的时间为t1、t2、t3、t4及t5;
将t3分别对应监测点坐标记为(xit3,yit3,zit3),计算(xit3,yit3,zit3)与第一对比监测点坐标之间的偏差距离,
当所得偏差距离大于等于第一预设偏差值时,判定第i个雷达接收端口定位的监测点(xit3,yit3,zit3)异常,并将第一对比监测点坐标作为(xit3,yit3,zit3)的校准坐标,
获取t1与t5分别对应监测点坐标构成线段的中点,记为(xit31,yit31,zit31),获取t2与t4分别对应监测点坐标构成线段的中点,记为(xit32,yit32,zit32),
所述第一对比监测点坐标等于(xit3a,yit3a,zit3a),其中,
xit3a=2*xit32*(t3-t1)/[0.5*(t2+t4)-t1]-xit31*(t3-t1)/[0.5*(t1+t5)
-t1],
yit3a=2*yit32*(t3-t1)/[0.5*(t2+t4)-t1]-yit31*(t3-t1)/[0.5*(t1+t5)
-t1],
zit3a=2*zit32*(t3-t1)/[0.5*(t2+t4)-t1]-zit31*(t3-t1)/[0.5*(t1+t5)
-t1]。
本发明模拟每个雷达接收端口模拟的监测点移动轨迹的过程中,对异常坐标进行校准是考虑到雷达接收端口实际获取的坐标可能会因偶然因素或者建筑物遮挡因素,导致个别坐标对监测点移动轨迹的拟合造成影响;进而对异常坐标进行校准便于后续过程中准确获取拟合的监测点移动轨迹。
进一步的,所述S3中分析不同雷达接收端口模拟的各个监测点移动轨迹的监测状态的方法包括以下步骤:
S3-1、获取i为不同值时,第i个雷达接收端口定位的监测点的移动轨迹对应的函数Gi及xGi;
S3-2、获取i为不同值时,获取的各个xGi的交集,记为xGS;
S3-3、获取Gi在x∈xGS内对应的参照函数GiC,
其中,is表示分布式雷达中的雷达接收端口总个数且is>1,Gi1表示第i1个雷达接收端口定位的监测点的移动轨迹对应函数;
S3-4、得到分布式雷达中第i个雷达接收端口定位的监测点的移动轨迹对应的监测状态值ZTi,
其中,xGS1表示xGS中x对应的最小值,xGS2表示xGS中x对应的最大值;
S3-5、获取分布式雷达中各个雷达接收端口定位的监测点的移动轨迹对应的监测状态值中的最小值,记为ZTM,分别计算各个雷达接收端口定位的监测点的移动轨迹对应的监测状态值与ZTM之间的差值,
当第i个雷达接收端口定位的监测点的移动轨迹对应的监测状态值与ZTM之间的差值大于第二预设值时,则判定第i个雷达接收端口定位的监测点的移动轨迹对应的监测状态异常,
当第i个雷达接收端口定位的监测点的移动轨迹对应的监测状态值与ZTM之间的差值小于等于第二预设值时,则判定第i个雷达接收端口定位的监测点的移动轨迹对应的监测状态正常,所述第二预设值为数据库中预制的常数。
本发明分析不同雷达接收端口模拟的各个监测点移动轨迹的监测状态,是考虑到分布式雷达中不同雷达接收端口所处的位置是不同的,当分布式雷达中的各个雷达在受到多个模拟器针对的电磁欺骗干扰及应答式干扰时,不同的模拟器需要针对不同的雷达模拟同一个虚假目标,进而通过分析分布式雷达中不同雷达接收端口定位的监测点的移动轨迹,判断各个移动轨迹对应的监测状态,则能够有效判断监测点对应的移动轨迹是否存在异常,当分布式雷达中的某个雷达接收端口定位的监测点移动轨迹对应的监测状态异常,则表示该雷达监测的目标与其余雷达监测的目标移动轨迹不统一,则相应的分布式雷达的运行状态可能处于被多个模拟器进行电磁欺骗干扰及应答式干扰的处境,进行需要对管理员人员进行预警;理论状态下,Gi在x∈xGS内对应的参照函数GiC与自身相同,即分布式雷达中第i个雷达接收端口定位的监测点的移动轨迹对应的监测状态值ZTi等于0。
进一步的,所述S4中分析各个雷达接收端口定位的监测点的合理性的方法包括以下步骤:
S4.1、获取基于当前时间之前的第一单位时间内每个雷达接收端口定位的监测点对应x轴坐标的取值范围,将基于当前时间之前的第一单位时间内第i个雷达接收端口定位的监测点对应x轴坐标的取值范围记为xGgi,得到i为不同值时各个xGgi之间的交集,记为xGgs,所述xGgs=xGg1∩xGg2∩...∩xGgi...∩xGg(is-1)∩xGgis,
获取xGS∩xGgs内相应的监测点综合移动轨迹GZ,
S4.2、预测x1∈xGS∩xGgs时,GZ中横坐标为x1时对应的坐标点,记为GZ(x1);
S4.3、获取GZ(x1)与第i个雷达接收端口所处地理位置在空间直角坐标系中对应的坐标(xi,yi,zi)构成的线段,并判断所得线段在监测空间场模型中与地形地势及建筑是否存在交点,
当所得线段在监测空间场模型中与地形地势及建筑存在交点时,获取从(xi,yi,zi)至所得线段中最近的交点构成的向量,记为Fi,获取数据库内与当前时间间隔时长大于第一单位时间的所有历史数据中,监测点位于所得线段中与(xi,yi,zi)距离最近的交点时,雷达接收端口接收到回波强度的平均值,记为FiQ;
当所得线段在监测空间场模型中与地形地势及建筑不存在交点时,获取从(xi,yi,zi)至GZ(x1)构成的向量,记为Fi,获取数据库内与当前时间间隔时长大于第一单位时间的所有历史数据中,监测点位于GZ(x1)时,雷达接收端口接收到回波强度的平均值,记为FiQ;
S4.4、获取基于当前时间之前的第一单位时间内第i个雷达接收端口指向与向量Fi相同时,实际接收到的回波强度相对于FiQ的偏差值,
当实际接收到的回波强度相对于FiQ的偏差值大于等于第三预设值时,则判定第i个雷达接收端口定位的监测点GZ(x1)合理;
当实际接收到的回波强度相对于FiQ的偏差值小于第三预设值时,则判定第i个雷达接收端口定位的监测点GZ(x1)不合理;
所述实际接收到的回波强度相对于FiQ的偏差值等于实际接收到的回波强度与FiQ差值除以FiQ后所得的商,所述第三预设值为数据库中预置的常数。
本发明分析各个雷达接收端口定位的监测点的合理性,是考虑到当分布式雷达中的各个雷达在受到多个模拟器针对的电磁欺骗干扰及应答式干扰时,不同的模拟器与相应针对的雷达之间的距离会较近(为确保对虚假目标模拟的精度),在该情况下,雷达对模拟器模拟的雷达回波强度是模拟的虚假目标位置反馈的雷达强度,但是实际情况下,该回波情况可能不同的,由于分布式雷达中各个雷达接收端口所处的位置是固定的,且周围的地形地势及建筑物均会对雷达回波产生影响,会对雷达回波造成遮挡作用,使得雷达无法定位到雷达接收端口位置至遮挡点对应的方向上,遮挡点之后的监测点,但是由于前面步骤中的异常坐标校准模块依旧不会影响对监测点移动轨迹的影响,因此,即使分布式雷达中不同雷达接收端口定位的监测点移动轨迹对应的监测状态均正常,依旧可能出现分布式雷达电磁欺骗干扰及应答式干扰的情况,而该状况下,分析各个雷达接收端口定位的监测点的合理性,在一定程度上能够对分布式雷达的运行状态进行识别及判断。
基于人工智能的分布式雷达运行状态监测系统,所述系统包括以下模块:
监测空间场构建模块,所述监测空间场构建模块获取分布式雷达中各个雷达接收端口所处的地理位置,构建监测空间场模型;
监测点定位模块,所述监测点定位模块获取分布式雷达中各个雷达接收端口接收到的回波信号信息,分析不同时间点每个雷达接收端口定位到的监测点在监测空间场模型中的坐标;
监测点轨迹模拟分析模块,所述监测点轨迹模拟分析模块模拟每个雷达接收端口模拟的监测点移动轨迹,分析不同雷达接收端口模拟的各个监测点移动轨迹的监测状态;
回波分析模块,所述回波分析模块预测基于当前时间之前的第一单位时间内,各个时间点分别在监测点综合移动轨迹中对应的空间位置,结合数据库内与当前时间间隔时长大于第一单位时间的所有历史数据中,监测点在不同空间位置时反馈给每个雷达接收端口的回波强度,预测基于当前时间之前的第一单位时间内,每个雷达接收端口分别接收到的回波强度,结合基于当前时间之前的第一单位时间内,每个雷达接收端口在各个时间点接收到的实际回波强度,分析各个雷达接收端口定位的监测点的合理性;
异常预警模块,所述异常预警模块通过预警装置向管理人员进行反馈,提醒管理人员分布式雷达当前运行状态异常。
进一步的,所述监测点轨迹模拟分析模块分析不同雷达接收端口模拟的各个监测点移动轨迹的监测状态时,
当不同雷达接收端口模拟的各个监测点移动轨迹存在监测状态异常的情况时,跳转到异常预警模块,通过预警装置向管理人员进行反馈,提醒管理人员分布式雷达当前运行状态异常;
当不同雷达接收端口模拟的各个监测点移动轨迹的监测状态均正常时,得到监测点综合移动轨迹,跳转到回波分析模块,结合基于当前时间之前的第一单位时间内,每个雷达接收端口在各个时间点接收到的实际回波强度,分析各个雷达接收端口定位的监测点的合理性。
进一步的,所述回波分析模块分析各个雷达接收端口定位的监测点的合理性时,
当各个雷达接收端口定位的监测点存在不合理的情况时,则跳转到异常预警模块,通过预警装置向管理人员进行反馈,提醒管理人员分布式雷达当前运行状态异常;
当各个雷达接收端口定位的监测点均合理时,则判定分布式雷达当前运行状态正常。
与现有技术相比,本发明所达到的有益效果是:本发明能够实现对分布式雷达的运行状态进行监测,有效识别分布式雷达的异常运行状态,并及时进行预警,有效降低电磁欺骗干扰及应答式干扰对分布式雷达造成的影响。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明基于人工智能的分布式雷达运行状态监测系统的结构示意图;
图2是本发明基于人工智能的分布式雷达运行状态监测方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-图2,本发明提供技术方案:基于人工智能的分布式雷达运行状态监测方法,所述方法包括以下步骤:
S1、获取分布式雷达中各个雷达接收端口所处的地理位置,构建监测空间场模型;
所述S1中构建监测空间场模型的方法包括以下步骤:
S1.1、获取分布式雷达中各个雷达接收端口所处的地理位置;
S1.2、获取分布式雷达中各个雷达接收端口所处地理位置在水平面上的投影点所围图形的中心点,并以水平面上所得中心点为原点,以过原点且从南向北的方向为x轴正方向,以过原点且从东向西的方向为y轴正方向,以过原点且从下至上的方向为z轴正方向,构建空间直角坐标系;
S1.3、通过三维激光扫描仪以原点为圆心,以第一单位距离为半径,对空间直角坐标系中的地形地势及建筑进行数据采集并建模,建模后的空间直角坐标系为监测空间场模型,
获取空间直角坐标系中各个雷达接收端口所处地理位置在水平面上的投影点分别与原点之间距离的最大值,得到最大距离,并将所得最大距离与第二单位距离的和作为第一单位距离,所述第二单位距离为数据库中预置的常数。
本实施例中第二单位距离为1千米;
S2、获取分布式雷达中各个雷达接收端口接收到的回波信号信息,分析不同时间点每个雷达接收端口定位到的监测点在监测空间场模型中的坐标;
所述S2中分析不同时间点每个雷达接收端口定位到的监测点在监测空间场模型中的坐标的方法包括以下步骤:
S2.1、获取分布式雷达中各个雷达接收端口接收到的回波信号信息,对分布式雷达中的各个雷达接收端口进行编号,所述回波信号信息包括回波信号的强度、回波信号对应发射波的发射时间及发射角度向量,并将所得回波信号信息保存到数据库中,
将第i个雷达接收端口在时间t接收到的回波信号的强度、该回波信号对应发射波的发射时间t1及发射角度向量(β1,β2,β3),所述(β1,β2,β3)不等于(0,0,0);
S2.2、获取第i个雷达接收端口所处地理位置在空间直角坐标系中对应的坐标,记为(xi,yi,zi);
S2.3、得到第i个雷达接收端口在时间t定位到的监测点在监测空间场模型中的坐标,记为(xit,yit,zit),
当第i个雷达接收端口在时间t未接收到回波信号时,则判定(xit,yit,zit)为(0,0,0),
当第i个雷达接收端口在时间t接收到回波信号时,
其中,c表示光速。
S3、模拟每个雷达接收端口模拟的监测点移动轨迹,分析不同雷达接收端口模拟的各个监测点移动轨迹的监测状态,
当不同雷达接收端口模拟的各个监测点移动轨迹存在监测状态异常的情况时,跳转到S5;
当不同雷达接收端口模拟的各个监测点移动轨迹的监测状态均正常时,得到监测点综合移动轨迹,跳转到S4;
所述S3中模拟每个雷达接收端口模拟的监测点移动轨迹的方法包括以下步骤:
S3.1、获取第i个雷达接收端口在时间t定位到的监测点在监测空间场模型中的坐标(xit,yit,zit),监测点处于(xit,yit,zit)时对应的实际时间为
本实施例中雷达接收端口接收回波的时间与目标在监测点位置对应的实际时间是不相同的,两者的时间差等于这两者距离与光速的比值;
S3.2、对第i个雷达接收端口定位的监测点进行异常坐标筛选,并对筛选的异常坐标进行校准;
S3.3、将第i个雷达接收端口定位的正常监测点坐标及异常坐标的校准结果分别在监测空间场模型中进行标注,并按x轴坐标值从小到大的顺序对监测空间场模型中相邻的标记点进行连接,得到第i个雷达接收端口定位的监测点在监测空间场模型中拟合的轨迹折线,作为第i个雷达接收端口定位的监测点的移动轨迹,并将第i个雷达接收端口定位的监测点的移动轨迹对应的函数记为Gi,将Gi中各个坐标点在x轴上的取值范围记为xGi;
对第i个雷达接收端口定位的监测点进行异常坐标筛选过程中,获取第i个雷达接收端口按时间先后顺序得到的五个监测点坐标,五个监测点坐标分别对应的时间为t1、t2、t3、t4及t5;
将t3分别对应监测点坐标记为(xit3,yit3,zit3),计算(xit3,yit3,zit3)与第一对比监测点坐标之间的偏差距离,
当所得偏差距离大于等于第一预设偏差值时,判定第i个雷达接收端口定位的监测点(xit3,yit3,zit3)异常,并将第一对比监测点坐标作为(xit3,yit3,zit3)的校准坐标,
获取t1与t5分别对应监测点坐标构成线段的中点,记为(xit31,yit31,zit31),获取t2与t4分别对应监测点坐标构成线段的中点,记为(xit32,yit32,zit32),
所述第一对比监测点坐标等于(xit3a,yit3a,zit3a),其中,
xit3a=2*xit32*(t3-t1)/[0.5*(t2+t4)-t1]-xit31*(t3-t1)/[0.5*(t1+t5)
-t1],
yit3a=2*yit32*(t3-t1)/[0.5*(t2+t4)-t1]-yit31*(t3-t1)/[0.5*(t1+t5)
-t1],
zit3a=2*zit32*(t3-t1)/[0.5*(t2+t4)-t1]-zit31*(t3-t1)/[0.5*(t1+t5)
-t1]。
所述S3中分析不同雷达接收端口模拟的各个监测点移动轨迹的监测状态的方法包括以下步骤:
S3-1、获取i为不同值时,第i个雷达接收端口定位的监测点的移动轨迹对应的函数Gi及xGi;
S3-2、获取i为不同值时,获取的各个xGi的交集,记为xGS;
S3-3、获取Gi在x∈xGS内对应的参照函数GiC,
其中,is表示分布式雷达中的雷达接收端口总个数且is>1,Gi1表示第i1个雷达接收端口定位的监测点的移动轨迹对应函数;
S3-4、得到分布式雷达中第i个雷达接收端口定位的监测点的移动轨迹对应的监测状态值ZTi,
其中,xGS1表示xGS中x对应的最小值,xGS2表示xGS中x对应的最大值;
S3-5、获取分布式雷达中各个雷达接收端口定位的监测点的移动轨迹对应的监测状态值中的最小值,记为ZTM,分别计算各个雷达接收端口定位的监测点的移动轨迹对应的监测状态值与ZTM之间的差值,
当第i个雷达接收端口定位的监测点的移动轨迹对应的监测状态值与ZTM之间的差值大于第二预设值时,则判定第i个雷达接收端口定位的监测点的移动轨迹对应的监测状态异常,
当第i个雷达接收端口定位的监测点的移动轨迹对应的监测状态值与ZTM之间的差值小于等于第二预设值时,则判定第i个雷达接收端口定位的监测点的移动轨迹对应的监测状态正常,所述第二预设值为数据库中预制的常数。
S4、预测基于当前时间之前的第一单位时间内,各个时间点分别在监测点综合移动轨迹中对应的空间位置,
结合数据库内与当前时间间隔时长大于第一单位时间的所有历史数据中,监测点在不同空间位置时反馈给每个雷达接收端口的回波强度,预测基于当前时间之前的第一单位时间内,每个雷达接收端口分别接收到的回波强度,
结合基于当前时间之前的第一单位时间内,每个雷达接收端口在各个时间点接收到的实际回波强度,分析各个雷达接收端口定位的监测点的合理性,
当各个雷达接收端口定位的监测点存在不合理的情况时,则跳转到S5;
当各个雷达接收端口定位的监测点均合理时,则判定分布式雷达当前运行状态正常;
所述S4中分析各个雷达接收端口定位的监测点的合理性的方法包括以下步骤:
S4.1、获取基于当前时间之前的第一单位时间内每个雷达接收端口定位的监测点对应x轴坐标的取值范围,将基于当前时间之前的第一单位时间内第i个雷达接收端口定位的监测点对应x轴坐标的取值范围记为xGgi,得到i为不同值时各个xGgi之间的交集,记为xGgs,所述xGgs=xGg1∩xGg2∩...∩xGgi...∩xGg(is-1)∩xGgis,
获取xGS∩xGgs内相应的监测点综合移动轨迹GZ,
S4.2、预测x1∈xGS∩xGgs时,GZ中横坐标为x1时对应的坐标点,记为GZ(x1);
S4.3、获取GZ(x1)与第i个雷达接收端口所处地理位置在空间直角坐标系中对应的坐标(xi,yi,zi)构成的线段,并判断所得线段在监测空间场模型中与地形地势及建筑是否存在交点,
当所得线段在监测空间场模型中与地形地势及建筑存在交点时,获取从(xi,yi,zi)至所得线段中最近的交点构成的向量,记为Fi,获取数据库内与当前时间间隔时长大于第一单位时间的所有历史数据中,监测点位于所得线段中与(xi,yi,zi)距离最近的交点时,雷达接收端口接收到回波强度的平均值,记为FiQ;
当所得线段在监测空间场模型中与地形地势及建筑不存在交点时,获取从(xi,yi,zi)至GZ(x1)构成的向量,记为Fi,获取数据库内与当前时间间隔时长大于第一单位时间的所有历史数据中,监测点位于GZ(x1)时,雷达接收端口接收到回波强度的平均值,记为FiQ;
S4.4、获取基于当前时间之前的第一单位时间内第i个雷达接收端口指向与向量Fi相同时,实际接收到的回波强度相对于FiQ的偏差值,
当实际接收到的回波强度相对于FiQ的偏差值大于等于第三预设值时,则判定第i个雷达接收端口定位的监测点GZ(x1)合理;
当实际接收到的回波强度相对于FiQ的偏差值小于第三预设值时,则判定第i个雷达接收端口定位的监测点GZ(x1)不合理;
所述实际接收到的回波强度相对于FiQ的偏差值等于实际接收到的回波强度与FiQ差值除以FiQ后所得的商,所述第三预设值为数据库中预置的常数。
S5、通过预警装置向管理人员进行反馈,提醒管理人员分布式雷达当前运行状态异常。
基于人工智能的分布式雷达运行状态监测系统,所述系统包括以下模块:
监测空间场构建模块,所述监测空间场构建模块获取分布式雷达中各个雷达接收端口所处的地理位置,构建监测空间场模型;
监测点定位模块,所述监测点定位模块获取分布式雷达中各个雷达接收端口接收到的回波信号信息,分析不同时间点每个雷达接收端口定位到的监测点在监测空间场模型中的坐标;
监测点轨迹模拟分析模块,所述监测点轨迹模拟分析模块模拟每个雷达接收端口模拟的监测点移动轨迹,分析不同雷达接收端口模拟的各个监测点移动轨迹的监测状态;
回波分析模块,所述回波分析模块预测基于当前时间之前的第一单位时间内,各个时间点分别在监测点综合移动轨迹中对应的空间位置,结合数据库内与当前时间间隔时长大于第一单位时间的所有历史数据中,监测点在不同空间位置时反馈给每个雷达接收端口的回波强度,预测基于当前时间之前的第一单位时间内,每个雷达接收端口分别接收到的回波强度,结合基于当前时间之前的第一单位时间内,每个雷达接收端口在各个时间点接收到的实际回波强度,分析各个雷达接收端口定位的监测点的合理性;
异常预警模块,所述异常预警模块通过预警装置向管理人员进行反馈,提醒管理人员分布式雷达当前运行状态异常。
所述监测点轨迹模拟分析模块分析不同雷达接收端口模拟的各个监测点移动轨迹的监测状态时,
当不同雷达接收端口模拟的各个监测点移动轨迹存在监测状态异常的情况时,跳转到异常预警模块,通过预警装置向管理人员进行反馈,提醒管理人员分布式雷达当前运行状态异常;
当不同雷达接收端口模拟的各个监测点移动轨迹的监测状态均正常时,得到监测点综合移动轨迹,跳转到回波分析模块,结合基于当前时间之前的第一单位时间内,每个雷达接收端口在各个时间点接收到的实际回波强度,分析各个雷达接收端口定位的监测点的合理性。
所述回波分析模块分析各个雷达接收端口定位的监测点的合理性时,
当各个雷达接收端口定位的监测点存在不合理的情况时,则跳转到异常预警模块,通过预警装置向管理人员进行反馈,提醒管理人员分布式雷达当前运行状态异常;
当各个雷达接收端口定位的监测点均合理时,则判定分布式雷达当前运行状态正常。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.基于人工智能的分布式雷达运行状态监测方法,其特征在于,所述方法包括以下步骤:
S1、获取分布式雷达中各个雷达接收端口所处的地理位置,构建监测空间场模型;
S2、获取分布式雷达中各个雷达接收端口接收到的回波信号信息,分析不同时间点每个雷达接收端口定位到的监测点在监测空间场模型中的坐标;
S3、模拟每个雷达接收端口模拟的监测点移动轨迹,分析不同雷达接收端口模拟的各个监测点移动轨迹的监测状态,
当不同雷达接收端口模拟的各个监测点移动轨迹存在监测状态异常的情况时,跳转到S5;
当不同雷达接收端口模拟的各个监测点移动轨迹的监测状态均正常时,得到监测点综合移动轨迹,跳转到S4;
S4、预测基于当前时间之前的第一单位时间内,各个时间点分别在监测点综合移动轨迹中对应的空间位置,
结合数据库内与当前时间间隔时长大于第一单位时间的所有历史数据中,监测点在不同空间位置时反馈给每个雷达接收端口的回波强度,预测基于当前时间之前的第一单位时间内,每个雷达接收端口分别接收到的回波强度,
结合基于当前时间之前的第一单位时间内,每个雷达接收端口在各个时间点接收到的实际回波强度,分析各个雷达接收端口定位的监测点的合理性,
当各个雷达接收端口定位的监测点存在不合理的情况时,则跳转到S5;
当各个雷达接收端口定位的监测点均合理时,则判定分布式雷达当前运行状态正常;
S5、通过预警装置向管理人员进行反馈,提醒管理人员分布式雷达当前运行状态异常。
2.根据权利要求1所述的基于人工智能的分布式雷达运行状态监测方法,其特征在于:所述S1中构建监测空间场模型的方法包括以下步骤:
S1.1、获取分布式雷达中各个雷达接收端口所处的地理位置;
S1.2、获取分布式雷达中各个雷达接收端口所处地理位置在水平面上的投影点所围图形的中心点,并以水平面上所得中心点为原点,以过原点且从南向北的方向为x轴正方向,以过原点且从东向西的方向为y轴正方向,以过原点且从下至上的方向为z轴正方向,构建空间直角坐标系;
S1.3、通过三维激光扫描仪以原点为圆心,以第一单位距离为半径,对空间直角坐标系中的地形地势及建筑进行数据采集并建模,建模后的空间直角坐标系为监测空间场模型,
获取空间直角坐标系中各个雷达接收端口所处地理位置在水平面上的投影点分别与原点之间距离的最大值,得到最大距离,并将所得最大距离与第二单位距离的和作为第一单位距离,所述第二单位距离为数据库中预置的常数。
3.根据权利要求1所述的基于人工智能的分布式雷达运行状态监测方法,其特征在于:所述S2中分析不同时间点每个雷达接收端口定位到的监测点在监测空间场模型中的坐标的方法包括以下步骤:
S2.1、获取分布式雷达中各个雷达接收端口接收到的回波信号信息,对分布式雷达中的各个雷达接收端口进行编号,所述回波信号信息包括回波信号的强度、回波信号对应发射波的发射时间及发射角度向量,并将所得回波信号信息保存到数据库中,
将第i个雷达接收端口在时间t接收到的回波信号的强度、该回波信号对应发射波的发射时间t1及发射角度向量(β1,β2,β3),所述(β1,β2,β3)不等于(0,0,0);
S2.2、获取第i个雷达接收端口所处地理位置在空间直角坐标系中对应的坐标,记为(xi,yi,zi);
S2.3、得到第i个雷达接收端口在时间t定位到的监测点在监测空间场模型中的坐标,记为(xit,yit,zit),
当第i个雷达接收端口在时间t未接收到回波信号时,则判定(xit,yit,zit)为(0,0,0),
当第i个雷达接收端口在时间t接收到回波信号时,
其中,c表示光速。
4.根据权利要求3所述的基于人工智能的分布式雷达运行状态监测方法,其特征在于:所述S3中模拟每个雷达接收端口模拟的监测点移动轨迹的方法包括以下步骤:
S3.1、获取第i个雷达接收端口在时间t定位到的监测点在监测空间场模型中的坐标(xit,yit,zit),监测点处于(xit,yit,zit)时对应的实际时间为
S3.2、对第i个雷达接收端口定位的监测点进行异常坐标筛选,并对筛选的异常坐标进行校准;
S3.3、将第i个雷达接收端口定位的正常监测点坐标及异常坐标的校准结果分别在监测空间场模型中进行标注,并按x轴坐标值从小到大的顺序对监测空间场模型中相邻的标记点进行连接,得到第i个雷达接收端口定位的监测点在监测空间场模型中拟合的轨迹折线,作为第i个雷达接收端口定位的监测点的移动轨迹,并将第i个雷达接收端口定位的监测点的移动轨迹对应的函数记为Gi,将Gi中各个坐标点在x轴上的取值范围记为xGi;
对第i个雷达接收端口定位的监测点进行异常坐标筛选过程中,获取第i个雷达接收端口按时间先后顺序得到的五个监测点坐标,五个监测点坐标分别对应的时间为t1、t2、t3、t4及t5;
将t3分别对应监测点坐标记为(xit3,yit3,zit3),计算(xit3,yit3,zit3)与第一对比监测点坐标之间的偏差距离,
当所得偏差距离大于等于第一预设偏差值时,判定第i个雷达接收端口定位的监测点(xit3,yit3,zit3)异常,并将第一对比监测点坐标作为(xit3,yit3,zit3)的校准坐标,
获取t1与t5分别对应监测点坐标构成线段的中点,记为(xit31,yit31,zit31),获取t2与t4分别对应监测点坐标构成线段的中点,记为(xit32,yit32,zit32),
所述第一对比监测点坐标等于(xit3a,yit3a,zit3a),其中,
xit3a=2*xit32*(t3-t1)/[0.5*(t2+t4)-t1]-xit31*(t3-t1)/[0.5*(t1+t5)
-t1],
yit3a=2*yit32*(t3-t1)/[0.5*(t2+t4)-t1]-yit31*(t3-t1)/[0.5*(t1+t5)
-t1],
zit3a=2*zit32*(t3-t1)/[0.5*(t2+t4)-t1]-zit31*(t3-t1)/[0.5*(t1+t5)
-t1]。
5.根据权利要求4所述的基于人工智能的分布式雷达运行状态监测方法,其特征在于:所述S3中分析不同雷达接收端口模拟的各个监测点移动轨迹的监测状态的方法包括以下步骤:
S3-1、获取i为不同值时,第i个雷达接收端口定位的监测点的移动轨迹对应的函数Gi及xGi;
S3-2、获取i为不同值时,获取的各个xGi的交集,记为xGS;
S3-3、获取Gi在x∈xGS内对应的参照函数GiC,
其中,is表示分布式雷达中的雷达接收端口总个数且is>1,Gi1表示第i1个雷达接收端口定位的监测点的移动轨迹对应函数;
S3-4、得到分布式雷达中第i个雷达接收端口定位的监测点的移动轨迹对应的监测状态值ZTi,
其中,xGS1表示xGS中x对应的最小值,xGS2表示xGS中x对应的最大值;
S3-5、获取分布式雷达中各个雷达接收端口定位的监测点的移动轨迹对应的监测状态值中的最小值,记为ZTM,分别计算各个雷达接收端口定位的监测点的移动轨迹对应的监测状态值与ZTM之间的差值,
当第i个雷达接收端口定位的监测点的移动轨迹对应的监测状态值与ZTM之间的差值大于第二预设值时,则判定第i个雷达接收端口定位的监测点的移动轨迹对应的监测状态异常,
当第i个雷达接收端口定位的监测点的移动轨迹对应的监测状态值与ZTM之间的差值小于等于第二预设值时,则判定第i个雷达接收端口定位的监测点的移动轨迹对应的监测状态正常,所述第二预设值为数据库中预制的常数。
6.根据权利要求5所述的基于人工智能的分布式雷达运行状态监测方法,其特征在于:所述S4中分析各个雷达接收端口定位的监测点的合理性的方法包括以下步骤:
S4.1、获取基于当前时间之前的第一单位时间内每个雷达接收端口定位的监测点对应x轴坐标的取值范围,将基于当前时间之前的第一单位时间内第i个雷达接收端口定位的监测点对应x轴坐标的取值范围记为xGgi,得到i为不同值时各个xGgi之间的交集,记为xGgs,所述xGgs=xGg1∩xGg2∩...∩xGgi...∩xGg(is-1)∩xGgis,
获取xGS∩xGgs内相应的监测点综合移动轨迹GZ,
S4.2、预测x1∈xGS∩xGgs时,GZ中横坐标为x1时对应的坐标点,记为GZ(x1);
S4.3、获取GZ(x1)与第i个雷达接收端口所处地理位置在空间直角坐标系中对应的坐标(xi,yi,zi)构成的线段,并判断所得线段在监测空间场模型中与地形地势及建筑是否存在交点,
当所得线段在监测空间场模型中与地形地势及建筑存在交点时,获取从(xi,yi,zi)至所得线段中最近的交点构成的向量,记为Fi,获取数据库内与当前时间间隔时长大于第一单位时间的所有历史数据中,监测点位于所得线段中与(xi,yi,zi)距离最近的交点时,雷达接收端口接收到回波强度的平均值,记为FiQ;
当所得线段在监测空间场模型中与地形地势及建筑不存在交点时,获取从(xi,yi,zi)至GZ(x1)构成的向量,记为Fi,获取数据库内与当前时间间隔时长大于第一单位时间的所有历史数据中,监测点位于GZ(x1)时,雷达接收端口接收到回波强度的平均值,记为FiQ;
S4.4、获取基于当前时间之前的第一单位时间内第i个雷达接收端口指向与向量Fi相同时,实际接收到的回波强度相对于FiQ的偏差值,
当实际接收到的回波强度相对于FiQ的偏差值大于等于第三预设值时,则判定第i个雷达接收端口定位的监测点GZ(x1)合理;
当实际接收到的回波强度相对于FiQ的偏差值小于第三预设值时,则判定第i个雷达接收端口定位的监测点GZ(x1)不合理;
所述实际接收到的回波强度相对于FiQ的偏差值等于实际接收到的回波强度与FiQ差值除以FiQ后所得的商,所述第三预设值为数据库中预置的常数。
7.基于人工智能的分布式雷达运行状态监测系统,其特征在于,所述系统包括以下模块:
监测空间场构建模块,所述监测空间场构建模块获取分布式雷达中各个雷达接收端口所处的地理位置,构建监测空间场模型;
监测点定位模块,所述监测点定位模块获取分布式雷达中各个雷达接收端口接收到的回波信号信息,分析不同时间点每个雷达接收端口定位到的监测点在监测空间场模型中的坐标;
监测点轨迹模拟分析模块,所述监测点轨迹模拟分析模块模拟每个雷达接收端口模拟的监测点移动轨迹,分析不同雷达接收端口模拟的各个监测点移动轨迹的监测状态;
回波分析模块,所述回波分析模块预测基于当前时间之前的第一单位时间内,各个时间点分别在监测点综合移动轨迹中对应的空间位置,结合数据库内与当前时间间隔时长大于第一单位时间的所有历史数据中,监测点在不同空间位置时反馈给每个雷达接收端口的回波强度,预测基于当前时间之前的第一单位时间内,每个雷达接收端口分别接收到的回波强度,结合基于当前时间之前的第一单位时间内,每个雷达接收端口在各个时间点接收到的实际回波强度,分析各个雷达接收端口定位的监测点的合理性;
异常预警模块,所述异常预警模块通过预警装置向管理人员进行反馈,提醒管理人员分布式雷达当前运行状态异常。
8.根据权利要求7所述的基于人工智能的分布式雷达运行状态监测系统,其特征在于:所述监测点轨迹模拟分析模块分析不同雷达接收端口模拟的各个监测点移动轨迹的监测状态时,
当不同雷达接收端口模拟的各个监测点移动轨迹存在监测状态异常的情况时,跳转到异常预警模块,通过预警装置向管理人员进行反馈,提醒管理人员分布式雷达当前运行状态异常;
当不同雷达接收端口模拟的各个监测点移动轨迹的监测状态均正常时,得到监测点综合移动轨迹,跳转到回波分析模块,结合基于当前时间之前的第一单位时间内,每个雷达接收端口在各个时间点接收到的实际回波强度,分析各个雷达接收端口定位的监测点的合理性。
9.根据权利要求7所述的基于人工智能的分布式雷达运行状态监测系统,其特征在于:所述回波分析模块分析各个雷达接收端口定位的监测点的合理性时,
当各个雷达接收端口定位的监测点存在不合理的情况时,则跳转到异常预警模块,通过预警装置向管理人员进行反馈,提醒管理人员分布式雷达当前运行状态异常;
当各个雷达接收端口定位的监测点均合理时,则判定分布式雷达当前运行状态正常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211416939.7A CN115754941B (zh) | 2022-11-14 | 2022-11-14 | 基于人工智能的分布式雷达运行状态监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211416939.7A CN115754941B (zh) | 2022-11-14 | 2022-11-14 | 基于人工智能的分布式雷达运行状态监测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115754941A CN115754941A (zh) | 2023-03-07 |
CN115754941B true CN115754941B (zh) | 2023-08-29 |
Family
ID=85370008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211416939.7A Active CN115754941B (zh) | 2022-11-14 | 2022-11-14 | 基于人工智能的分布式雷达运行状态监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115754941B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116299235B (zh) * | 2023-03-09 | 2024-01-30 | 扬州宇安电子科技有限公司 | 基于多源数据的分布式雷达异常状态监管系统及方法 |
CN116910580B (zh) * | 2023-07-11 | 2024-01-02 | 扬州宇安电子科技有限公司 | 一种基于人工智能的雷达信号管理系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103149568A (zh) * | 2013-03-11 | 2013-06-12 | 西北工业大学 | 基于雷达成像接触网摆动状态监测系统 |
CN107607921A (zh) * | 2017-10-16 | 2018-01-19 | 北京无线电测量研究所 | 一种雷达频综系统故障检测方法及装置 |
RU2648585C1 (ru) * | 2016-11-08 | 2018-03-26 | Акционерное общество "Муромский завод радиоизмерительных приборов" | Способ и система для контроля радиолокационной станции |
CN112799060A (zh) * | 2021-02-01 | 2021-05-14 | 深圳益卡思科技发展有限公司 | 基于毫米波雷达的学习状态监测装置、方法及介质 |
CN113687359A (zh) * | 2021-10-26 | 2021-11-23 | 南京恩瑞特实业有限公司 | 一种相控阵天气雷达健康管理系统 |
CN115236610A (zh) * | 2022-07-21 | 2022-10-25 | 扬州宇安电子科技有限公司 | 一种基于雷达信号的多角度虚假目标模拟系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9482573B2 (en) * | 2010-05-24 | 2016-11-01 | Honeywell International Inc. | Condition based monitoring system based on radar sensor |
-
2022
- 2022-11-14 CN CN202211416939.7A patent/CN115754941B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103149568A (zh) * | 2013-03-11 | 2013-06-12 | 西北工业大学 | 基于雷达成像接触网摆动状态监测系统 |
RU2648585C1 (ru) * | 2016-11-08 | 2018-03-26 | Акционерное общество "Муромский завод радиоизмерительных приборов" | Способ и система для контроля радиолокационной станции |
CN107607921A (zh) * | 2017-10-16 | 2018-01-19 | 北京无线电测量研究所 | 一种雷达频综系统故障检测方法及装置 |
CN112799060A (zh) * | 2021-02-01 | 2021-05-14 | 深圳益卡思科技发展有限公司 | 基于毫米波雷达的学习状态监测装置、方法及介质 |
CN113687359A (zh) * | 2021-10-26 | 2021-11-23 | 南京恩瑞特实业有限公司 | 一种相控阵天气雷达健康管理系统 |
CN115236610A (zh) * | 2022-07-21 | 2022-10-25 | 扬州宇安电子科技有限公司 | 一种基于雷达信号的多角度虚假目标模拟系统及方法 |
Non-Patent Citations (1)
Title |
---|
对分布式MIMO雷达的时间同步干扰方法;李昱龙 等;雷达科学与技术;第13卷(第1期);51-59 * |
Also Published As
Publication number | Publication date |
---|---|
CN115754941A (zh) | 2023-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115754941B (zh) | 基于人工智能的分布式雷达运行状态监测系统及方法 | |
US5648782A (en) | Microburst detection system | |
CN106546984A (zh) | 利用外部气象数据提高机载气象雷达的性能 | |
CN1389710A (zh) | 多传感器多目标信息融合方法 | |
CN105137418A (zh) | 基于全邻模糊聚类的多目标跟踪与数据互联方法 | |
CN110910448A (zh) | 一种海上溢油漂移轨迹溯源方法 | |
CN103926569B (zh) | 三坐标雷达网基于交叉定位点关联的集中式与分布式压制干扰鉴别方法 | |
CN111524394A (zh) | 提升机坪综合航迹监视数据精度的方法、装置及系统 | |
Geissler et al. | Designing a roadside sensor infrastructure to support automated driving | |
Pang et al. | 3d multi-object tracking using random finite set-based multiple measurement models filtering (rfs-m 3) for autonomous vehicles | |
CN101907461A (zh) | 基于角度余切值的被动多传感器量测数据关联方法 | |
CN113391267A (zh) | 一种基于atdoa算法的频谱检测系统定位方法 | |
RU2042583C1 (ru) | Летно-моделирующий комплекс исследования посадочных систем летательных аппаратов корабельного базирования | |
Chen et al. | Research on AIS and radar information fusion method based on distributed Kalman | |
CN106650172B (zh) | 基于mdp的机载防撞系统逻辑单元的设计方法 | |
KR102369967B1 (ko) | 학습 데이터 생성 방법, 학습 방법 및 표적 탐지 장치 | |
Bassetti et al. | Quick decentralized estimation of earthquake epicenter with low-cost IoT network | |
Hernandez | Efficient data fusion for multi-sensor management | |
Wu et al. | Real-time Ship Track Association: a Benchmark and a Network-Based Method | |
Bustamante et al. | Player: an open source tool to simulate complex maritime environments to evaluate data fusion performance | |
CN115455814B (zh) | 基于深度学习的污染源查找及污染物分布预测方法及系统 | |
Pohontu et al. | Fitting Empirical Distributions for Vessels Behavioural Analysis and Maritime Anomaly Detection | |
Roy et al. | Sensor integration, management and data fusion concepts in a naval command and control perspective | |
CN117826072B (zh) | 一种井下定位系统和井下定位方法 | |
Liang et al. | Optimization of spatiotemporal clustering for target tracking from multisensor data |
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 | ||
CP03 | Change of name, title or address |
Address after: 225006 No. 15 Wenchang East Road, Yangzhou City, Jiangsu Province, No. 4 Building, Dongyuan, Jiangguang Wisdom City Patentee after: Yangzhou Yuan Electronic Technology Co.,Ltd. Country or region after: China Address before: 225006 No. 15 Wenchang East Road, Yangzhou City, Jiangsu Province, No. 4 Building, Dongyuan, Jiangguang Wisdom City Patentee before: YANGZHOU YU'AN ELECTRONIC TECHNOLOGY CO.,LTD. Country or region before: China |
|
CP03 | Change of name, title or address |