CN116089523B - 基于低空雷达信息的大数据分析的处理系统 - Google Patents
基于低空雷达信息的大数据分析的处理系统 Download PDFInfo
- Publication number
- CN116089523B CN116089523B CN202310110344.7A CN202310110344A CN116089523B CN 116089523 B CN116089523 B CN 116089523B CN 202310110344 A CN202310110344 A CN 202310110344A CN 116089523 B CN116089523 B CN 116089523B
- Authority
- CN
- China
- Prior art keywords
- information
- data
- unit
- radar
- module
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 37
- 238000007405 data analysis Methods 0.000 title claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 52
- 230000005540 biological transmission Effects 0.000 claims abstract description 23
- 238000012800 visualization Methods 0.000 claims abstract description 21
- 230000014509 gene expression Effects 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000012216 screening Methods 0.000 claims description 30
- 230000004927 fusion Effects 0.000 claims description 18
- 239000013598 vector Substances 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 16
- 238000012795 verification Methods 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000002457 bidirectional effect Effects 0.000 claims description 3
- 230000008054 signal transmission Effects 0.000 claims description 3
- 238000007667 floating Methods 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 abstract description 4
- 239000000284 extract Substances 0.000 abstract 1
- 238000001514 detection method Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000005433 ionosphere Substances 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了基于低空雷达信息的大数据分析的处理系统，其特征在于：该处理系统包括数据库、云服务器、信息搜集模块、信息分类模块、信息检索模块、信息分析模块和可视化模块，属于雷达信息系统领域。所述信息分类模块、信息检索模块、信息分析模块和可视化模块基于云服务器的计算进行；所述数据库输入端和输出端向系统内其他所有单元模块开放；该处理系统提取了众多低空雷达设备的信息，基于云服务器算力支持，提供信息传输安全防护，简化了数据处理的难度，统合了飞行设备在不同雷达设备扫描下的数据表现，挖掘了普遍规律，并转化数据进行了可视化处理，表达形式更加直观。
Description
背景技术
通常低空超低空飞行的目标，通过利用地海强杂波背景，来躲避地面雷达的探测，而低空雷达是利用电磁波在电离层与地面之间的反向折射，在地球表面跳跃传播探测地平线以下区域目标的雷达，对低空和超低空飞行目标检测效果好；
随着雷达技术的发展，基于高分辨率和超视距的雷达数据量越来越大，系统需要处理更加庞大的数据群，而随着信息现代化的需求，对实时性要求也越来越高，雷达数据处理需要具备高速采集能力和高速大容量存储能力，能够实时采集数据得到分析结果，存储所有数据；
大数据，指的是数据资料规模巨大到无法透过工具在短时间内达到采集处理并整理为有用讯息的数据，具有数据规模海量、数据流转快速、数据类型多样和价值密度低的特征，大数据分析通过统计分析、预处理和挖掘等方式，得到高价值的高密度信息；
现有低空雷达种类繁多，针对“低慢小”飞行物及移动目标的远距离探测等都有很好的效果，在雷达搜索，数据收集方面表现良好，但对于数据的分析和处理工作量不够，导致海量数据价值被浪费，许多有效信息无法被提取利用，无法提取低空雷达信息的共通点，找到规律，现提出基于低空雷达信息的大数据分析的处理系统来解决上述问题。
发明内容
本发明的目的在于提供基于低空雷达信息的大数据分析的处理系统，来解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方法：基于低空雷达信息的大数据分析的处理系统，其特征在于：该处理系统包括数据库、云服务器、信息搜集模块、信息分类模块、信息检索模块、信息分析模块和可视化模块；
所述信息分类模块、信息检索模块、信息分析模块和可视化模块基于云服务器的计算进行；所述信息搜集模块的输出端与信息分类模块的输入端相连接；所述信息分类模块的输出端与信息检索模块、信息分析模块的输入端相连接；所述信息检索模块的输出端与信息分析模块的输入端相连接；所述数据库输入端和输出端向系统内其他所有单元模块开放，所述可视化模块输入端与信息分类模块、信息检索模块、信息分析模块的输出端相连；
所述信息搜集模块用于采集不同雷达站和雷达设备的扫描信息；所述信息分类模块根据数据信息的属性进行分类；所述信息分析模块根据数据信息进行特性捕捉；所述信息检索模块按照筛选条件进行低空雷达信息检索；所述信息分析模块对处理后的信息进行分析，根据筛选条件，对数据进行挑选，所述可视化模块将数据分析结果转化为视图；所述云服务器为信息分类模块、信息检索模块、信息分析模块和可视化模块提供算力支持；所述数据库存储系统运行数据和传输数据；
根据上述技术方案，所述信息搜集模块包括设备定位单元、权限验证单元、信息流单元和信息安全单元；
所述设备定位单元用于定位低空雷达设备的精准区域位置，由于低空雷达设备种类繁多，部分设备具有可移动性，可根据监测区域的变动变化工作位置，在实时传输过程中，需要确定低空雷达设备的位置信息，才能实现信息的传输，在设备定位单元中为具有接触权限的设备赋予身份编码，根据身份编码进行设备的确认及定位；
所述权限验证单元用于在雷达设备进行连接时，就系统获取雷达设备的权限部分进行验证；在本系统连接到低空雷达设备时，进行系统和低空雷达设备的双向验证，低空雷达较多用于军事领域和民航监测领域，所含信息通常需要保密，对信息安全性要求比较高，在权限验证单元中，向低空雷达设备发出权限验证请求，得到设备反馈的权限允许应答后，开放权限允许的单元进行通讯；
所述信息流单元用于传输各种格式的数据，在接收低空雷达设备信息时，判断信息的数据格式，并根据格式选择接收方式；不同低空雷达设备使用的数据格式并没有统一的范式，同一规格的雷达设备通常共用同样的数据格式，在接收数据过程中，首先根据设备身份编码判断该低空雷达数据的型号，并在数据库检索对应低空雷达设备是否存在对应数据，若存在对应数据，则根据该低空雷达数据格式来实现信号的传输，若不存在该低空雷达数据，则尝试传输各种通用信号格式，在正确传输后将该雷达身份编码及数据格式存储入数据库；若仍然不能够得到该雷达设备传输数据格式，则提出应答请求，要求该低空雷达设备开放数据格式；在确定数据格式后，进行数据的传输，数据流同样在数据库进行存储；
所述信息安全单元用于提供系统和低空雷达设备进行信息传输时的安全保障，保护信息传输的安全和稳定；在进行通讯时，基于权限要求，设置安全防护等级，对于高权限要求的低空雷达通讯环节，提高安全防护的等级，云服务器根据安全防护等级的变化，为之分配算力；
在信息搜集模块中，对低空雷达设备进行定位，权限校验，获取传输格式和权限，并提供云服务器的算力支持，使得系统和低空雷达设备之间能够安全传输。
根据上述技术方案，所述信息分类模块包括格式分类单元、信息分层单元、信息过滤单元和目标信息模式单元；
所述格式分类单元根据数据格式，将数据进行分类，如脉冲形式、连续波形式、脉部压缩形式和频率捷变形式等；在数据流单元接收数据传输时，按照数据格式进行传输，进入数据库存储，在本单元中，按照数据格式对数据库数据进行整理；
所述信息分层单元，将数据按照数据单位时间流量进行分类；
所述信息过滤单元将重复信息过滤删除；
所述目标信息模式单元基于目标物体的相似性，归类相关物体雷达扫描信息，包括如下步骤：
S101、定位固定低空雷达设备和固定时间段，遍历该固定低空雷达设备每个时间周期固定时间段的雷达信息；
S102、将时间周期内，相同低空雷达设备固定时间段的信息向量化，记为Ik{i1，i2，i3，···，in}，进行相似筛选；
S102_1：选取包含Ik个向量单位的数据空间Q内的K个对象作为初始中心，将每个对象视为一个聚类中心，K值是分类类别数；
S102_2：对于样本中的数据对象，按照欧式距离，放入距离最近的聚类中心所对应的聚类；
S102_3：更新聚类中心，将每个类别中所有对象所对应的均值作为聚类的中心；
S102_4：判断聚类中心的值是否改变，若不变则输出，分别按照k个聚类分别输出至S1，S2，···，Sk集合；若改变则返回S102_2；
不同聚类为筛选出的时间周期内固定设备固定时间段内相近信息；
S102_5：进行向量间相似度的比较，利用余弦相似度，
cosθk，m是向量Ik和向量Im的余弦相似度，两向量越相似，cosθk，m绝对值越大；遍历Ik，两两比较，最终得到所有向量之间的余弦相似度；在k个向量中，有个余弦相似度，在S1，S2，···，Sk集合中，在聚类中分别进行余弦相似度的比较，若每个集合中，若余弦相似度超过阈值∝，该数值可通过软件拟合得到，则剔除出集合Sk；在进行相似度比较并且二次剔除筛选后，集合内为相似向量，具有高相似性；
S103、不同低空雷达设备扫描得到的相同飞行物的相似信息进行比较，得到某种飞行物的更全面的数据信息；
S104、根据信息，归类不同目标飞行物的雷达信息表现；
S105、根据雷达信息表现，分类具备相似属性的不同飞行物；
利用信息分类模块将低空雷达信息按照不同类别进行分类，在获取到雷达信息后，数据之间不具备逻辑相干性，相同数据存在在数据流中被重复接收的情况，对重复数据进行过滤筛选，对复杂的数据流按照不同标准归类，并分类存储，提高了数据之间的相关性，分类了相关性高的数据，利用大数据处理，得到更加全面的高价值信息，同时使得数据有序，雷达信息可按照关键信息进行检索，提高了信息获取的效率，并且提高了在数据库中对存储空间的利用率。
根据上述技术方案，所述信息检索模块包括筛选单元、数据检索单元、相似检索单元和目标物检索单元；
所述筛选单元设置筛选条件，对数据进行筛选，筛选条件可进行复选，筛选条件具体为低空雷达设备编号、时间、数据格式、目标物和数据相似度等；
所述数据检索单元根据数据具体值，精确检索到数据所在的信息，如从某脉冲数据检索到该脉冲数据的相关信息，同时得到该数据的雷达设备信息、时间信息、目标物信息等；
所述相似检索单元，通过设置相似度范围，得到群类信息；
所述目标物检索单元根据目标物体进行检索，并得到相似度高的目标物群体；
利用数据检索模块，通过设定不同筛选条件，选用不同检索方式，从繁复的大数据中找到需要的信息，通过设置相似检索的相似值域，检索到相似群类的信息；所述目标物检索，通过输入飞行物类别检索飞行物在不同低空雷达探测中的数据信息。
根据上述技术方案，所述信息分析模块包括目标分析单元、飞行周期分析单元和航迹修正单元；
所述目标分析单元根据目标飞行物的相关信息，进行大数据的分析，该分析方式有两种模式，一是基于单一飞行物进行比较，二是综合几个飞行物进行比较；
所述飞行周期分析单元基于某一特定雷达设备，对某时间段内特定飞行物的飞行规律进行分析；
所述航迹修正单元对某一空域时间周期内的不同雷达扫描得到的飞行物航迹进行修正；基于多个低空雷达的扫描点迹进行处理；
S201:选取雷达数据，若x个雷达扫描得到特定飞行物，基于x个雷达的扫描周期，进行并行处理，选取x个扫描周期的最大公约数T，进行时间插值，使得每个雷达扫描周期变成T,完整迭代周期时间长度设置为TT，若当前时间到达TT，整个迭代周期结束；
S202:用集合G＝(C1,C2,C3,···Cx)表示ty时刻x个雷达的测量值集合，ty时刻为一个完整扫描周期T的结束时刻，根据最小二乘法，测量值表达为Ci＝C+(i-x)*T*c'+Vt，其中Vt表示测量噪声，c'是雷达扫描点迹在ty时刻的导数值，在雷达波形图中通过定位求导得到，表现为在ty时刻点迹在波形图中的斜率，C表示数据库中预置的常数：
S203:对n个测量值ty时刻测量值进行融合得到ty时刻基于x个低空雷达扫描信息的融合测量值，融合得到测量值其中/>
S204：对时间进行更迭，若时刻ty来到TT则结束，返回融合测量值为最终融合测量值；否则输出当前时刻融合值，并继续更迭，使得ty+1＝ty+T；并返回步骤S202。
通过拟合时间点上的测量值，提高点迹精度和准确度，使得航迹得以修正。
信息分析模块基于大数据处理信息分析处理模式，整理雷达站扫描信息，结合不同雷达对同一空域的扫描结果，分析得到飞行物的偏好飞行方式和航行轨迹，使得数据背后的实际意义得以展现。
根据上述技术方案，所述可视化模块包括视图单元和动态化单元；
所述视图单元根据分析数据结果，将数据制成图表格式；
所述视图单元包括数据填入单元和视图转换单元；
在数据填入单元中设置固定视图数据输入格式，只接受固定的数据，并根据填入数据得到数据属性，按照定式放入视图对应位置，并选定视图表现形式；所述视图转换单元根据数据，进行图表的转换，制成对应要求的图表；
所述动态化单元根据每个更新的数据，检索是否存在原有相同格式视图，若存在相同格式，则将数据并入原有视图，设定时间周期，在时间周期内浮动视图对应数据；
利用可视化模块将低空雷达信息转化为所示视图，将复杂数据流转化为直观化的视图，提高了可读性，同时按照时间线，将相同数据拟合在一张动态图表中，达到数据同类型对比的效果，简化了切换观察的步骤；
与现有技术相比，本发明所达到的有益效果是：
本发明基于大数据处理方式，统合大量低空雷达设施的扫描信息，基于不同的逻辑，对这些信息数据进行处理分析，在信息收集环节中，基于云服务器的强大算力，提供信息传输的安全保障，在数据处理环节中，在选定条件下分析得到相似数据，简化了数据处理的难度，并挖掘出数据的规律，并在检索环节提高了雷达信息检索的效率，在数据分析中，针对单一飞行物和多种飞行物进行分析，控制时间空间的变量，得到数据背后的普遍实际意义，并将数据进行可视化处理，直观表达信息。
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是本发明基于低空雷达信息的大数据分析的处理系统的结构示意图；
图2是本发明基于低空雷达信息的大数据分析的处理系统目标信息模式的流程示意图；
图3是本发明基于低空雷达信息的大数据分析的处理系统的相似筛选流程示意图；
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。
本发明提供如下方案，如图1所示，基于低空雷达信息的大数据分析的处理系统，其特征在于：该处理系统包括数据库、云服务器、信息搜集模块、信息分类模块、信息检索模块、信息分析模块和可视化模块；
所述信息分类模块、信息检索模块、信息分析模块和可视化模块基于云服务器的计算进行；所述信息搜集模块的输出端与信息分类模块的输入端相连接；所述信息分类模块的输出端与信息检索模块、信息分析模块的输入端相连接；所述信息检索模块的输出端与信息分析模块的输入端相连接；所述数据库输入端和输出端向系统内其他所有单元模块开放，所述可视化模块输入端与信息分类模块、信息检索模块、信息分析模块的输出端相连；
所述信息搜集模块用于采集不同雷达站和雷达设备的扫描信息；所述信息分类模块根据数据信息的属性进行分类；所述信息分析模块根据数据信息进行特性捕捉；所述信息检索模块按照筛选条件进行低空雷达信息检索；所述信息分析模块对处理后的信息进行分析，同时具备根据筛选条件，对数据进行有目的挑选，所述可视化模块将数据分析结果转化为视图；所述云服务器为信息分类模块、信息检索模块、信息分析模块和可视化模块提供算力支持；所述数据库存储系统运行数据和传输数据；
所述信息搜集模块包括设备定位单元、权限验证单元、信息流单元和信息安全单元；
所述设备定位单元用于定位低空雷达设备的精准区域位置，由于低空雷达设备种类繁多，部分设备具有可移动性，可根据监测区域的变动变化工作位置，在实时传输过程中，需要确定低空雷达设备的位置信息，才能实现信息的传输，在设备定位单元中为具有接触权限的设备赋予身份编码，根据身份编码进行设备的确认及定位；
所述权限验证单元用于在雷达设备进行连接时，就系统获取雷达设备的权限部分进行验证；在本系统连接到低空雷达设备时，进行系统和低空雷达设备的双向验证，低空雷达较多用于军事领域和民航监测领域，所含信息通常需要保密，对信息安全性要求比较高，在权限验证单元中，向低空雷达设备发出权限验证请求，得到设备反馈的权限允许应答后，开放权限允许的单元进行通讯；
所述信息流单元用于传输各种格式的数据，在接收低空雷达设备信息时，判断信息的数据格式，并根据格式选择接收方式；不同低空雷达设备使用的数据格式并没有统一的范式，同一规格的雷达设备通常共用同样的数据格式，在接收数据过程中，首先根据设备身份编码判断该低空雷达数据的型号，并在数据库检索对应低空雷达设备是否存在对应数据，若存在对应数据，则根据该低空雷达数据格式来实现信号的传输，若不存在该低空雷达数据，则尝试传输各种通用信号格式，在正确传输后将该雷达身份编码及数据格式存储入数据库；若仍然不能够得到该雷达设备传输数据格式，则提出应答请求，要求该低空雷达设备开放数据格式；在确定数据格式后，进行数据的传输，数据流同样在数据库进行存储；
所述信息安全单元用于提供系统和低空雷达设备进行信息传输时的安全保障，保护信息传输的安全和稳定；在进行通讯时，基于权限要求，设置安全防护等级，对于高权限要求的低空雷达通讯环节，提高安全防护的等级，云服务器根据安全防护等级的变化，为之分配算力；
在信息搜集模块中，对低空雷达设备进行定位，权限校验，获取传输格式和权限，并提供云服务器的算力支持，使得系统和低空雷达设备之间能够安全传输。
所述信息分类模块包括格式分类单元、信息分层单元、信息过滤单元和目标信息模式单元；
所述格式分类单元根据数据格式，将数据进行分类，如脉冲形式、连续波形式、脉部压缩形式和频率捷变形式等；在数据流单元接收数据传输时，按照数据格式进行传输，进入数据库存储，在本单元中，按照数据格式对数据库数据进行整理；
所述信息分层单元，将数据按照数据单位时间流量进行分类；
所述信息过滤单元将重复信息过滤删除；
所述目标信息模式单元基于目标物体的相似性，归类相关物体雷达扫描信息，如图2所示，包括如下步骤：
S101、定位固定低空雷达设备和固定时间段，遍历该固定低空雷达设备每个时间周期固定时间段的雷达信息；
S102、将时间周期内，相同低空雷达设备固定时间段的信息向量化，记为Ik{i1，i2，i3，···，in}，进行相似筛选，如图3所示；
S102_1：选取包含Ik个向量单位的数据空间Q内的K个对象作为初始中心，将每个对象视为一个聚类中心，K值是分类类别数；
S102_2：对于样本中的数据对象，按照欧式距离，放入距离最近的聚类中心所对应的聚类；
S102_3：更新聚类中心，将每个类别中所有对象所对应的均值作为聚类的中心；
S102_4：判断聚类中心的值是否改变，若不变则输出，分别按照k个聚类分别输出至S1，S2，···，Sk集合；若改变则返回S102_2；
不同聚类为筛选出的时间周期内固定设备固定时间段内相近信息；
S102_5：进行向量间相似度的比较，利用余弦相似度，
cosθk，m是向量Ik和向量Im的余弦相似度，两向量越相似，cosθk，m绝对值越大；遍历Ik，两两比较，最终得到所有向量之间的余弦相似度；在k个向量中，有个余弦相似度，在S1，S2，···，Sk集合中，进在聚类中分别进行余弦相似度的比较，若每个集合中，若余弦相似度超过阈值∝，则剔除出集合Sk；在进行相似度比较并且二次剔除筛选后，集合内为相似向量，具有高相似性；
S103、不同低空雷达设备扫描得到的相同飞行物的相似信息进行比较，得到某种飞行物的更全面的数据信息；
S104、根据信息，归类不同目标飞行物的雷达信息表现；
S105、根据雷达信息表现，分类具备相似属性的不同飞行物；
利用信息分类模块将低空雷达信息按照不同类别进行分类，在获取到雷达信息后，数据之间不具备逻辑相干性，相同数据存在在数据流中被重复接收的情况，对重复数据进行过滤筛选，对复杂的数据流按照不同标准归类，并分类存储，提高了数据之间的相关性，分类了相关性高的数据，使得雷达信息可按照关键信息进行检索，提高了信息获取的效率，并且提高了在数据库中对存储空间的利用。
所述信息检索模块包括筛选单元、数据检索单元、相似检索单元和目标物检索单元；
所述筛选单元设置筛选条件，对数据进行筛选，筛选条件可进行复选，筛选条件具体为低空雷达设备编号、时间、数据格式、目标物和数据相似度等；
所述数据检索单元根据数据具体值，精确检索到数据所在的信息，如从某脉冲数据检索到该脉冲数据的相关信息，同时得到该数据的雷达设备信息、时间信息、目标物信息等；
所述相似检索单元，通过设置相似度范围，得到群类信息；
所述目标物检索单元根据目标物体进行检索，并得到相似度高的目标物群体；
利用数据检索模块，通过设定不同筛选条件，选用不同检索方式，从繁复的大数据中找到需要的信息，通过设置相似检索的相似值域，检索到相似群类的信息；所述目标物检索，通过输入飞行物类别检索飞行物在不同低空雷达探测中的数据信息。
所述信息分析模块包括目标分析单元、飞行周期分析单元和航迹分析单元；
所述目标分析单元根据目标飞行物的相关信息，进行大数据的分析，该分析方式有两种模式，一是基于单一飞行物进行比较，二是综合几个飞行物进行比较；
所述飞行周期分析单元基于某一特定雷达设备，对某时间段内特定飞行物的飞行规律进行分析；
所述航迹修正单元对某一空域时间周期内的不同雷达扫描得到的飞行物航迹进行修正；基于多个低空雷达的扫描点迹进行处理；
S201:选取雷达数据，若x个雷达扫描得到特定飞行物，基于x个雷达的扫描周期，进行并行处理，选取x个扫描周期的最大公约数T，进行时间插值，使得每个雷达扫描周期变成T,完整迭代周期时间长度设置为TT，若当前时间到达TT，整个迭代周期结束；
S202:用集合G＝(C1,C2,C3,···Cx)表示ty时刻x个雷达的测量值集合，ty时刻为一个完整扫描周期T的结束时刻，根据最小二乘法，测量值表达为Ci＝C+(i-x)*T*c'+Vt，其中Vt表示测量噪声，c'是雷达扫描点迹在ty时刻的导数值，在雷达波形图中通过定位求导得到，C表示数据库中预置的常数：
S203:对n个测量值ty时刻测量值进行融合得到ty时刻基于x个低空雷达扫描信息的融合测量值，融合得到测量值其中/>
S204：对时间进行更迭，若时刻ty来到TT则结束，返回融合测量值为最终融合测量值；否则输出当前时刻融合值，并继续更迭，使得ty+1＝ty+T；并返回步骤S202。
通过拟合时间点上的测量值，提高点迹精度和准确度，使得航迹得以修正。
所述可视化模块包括视图单元和动态化单元；
所述视图单元根据分析数据结果，将数据制成图表格式；
所述视图单元包括数据填入单元和视图转换单元；
在数据填入单元中设置固定视图数据输入格式，只接受固定的数据，并根据填入数据得到数据属性，按照定式放入视图对应位置，并选定视图表现形式；所述视图转换单元根据数据，进行图表的转换，制成对应要求的图表；
所述动态化单元根据每个更新的数据，检索是否存在原有相同格式视图，若存在相同格式，则将数据并入原有视图，设定时间周期，在时间周期内浮动显示视图对应数据。
实施例1
在航迹修正单元中，对于特定飞行物，选取三个雷达数据，进行插值处理，使得扫描周期为3s，完整迭代周期时间长度设置为30s，若当前时间到达30s，整个迭代周期结束；
S202:用集合G＝(C1,C2,C3,)表示9s时3个雷达的测量值集合，测量值表达为C1＝3.1+(1-3)*3*0.7+2.3＝1.2；C2＝3.1+(2-3)*3*0.2+2.3＝4.8；C1＝3.1+(3-3)*3*0.4+2.3＝5.4；
S203:对3个测量值融合得到9s时基于3个低空雷达扫描信息的融合测量值，融合得到测量值
S204：对时间进行更迭，若时刻ty来到30s则结束，返回融合测量值为最终融合测量值；否则输出当前时刻融合值，并继续更迭，使得ty+1＝ty+3；并返回步骤S202。
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 (4)
1.基于低空雷达信息的大数据分析的处理系统，其特征在于：该处理系统包括数据库、云服务器、信息搜集模块、信息分类模块、信息检索模块、信息分析模块和可视化模块；
所述信息分类模块、信息检索模块、信息分析模块和可视化模块基于云服务器的计算进行；所述信息搜集模块的输出端与信息分类模块的输入端相连接；所述信息分类模块的输出端与信息检索模块、信息分析模块的输入端相连接；所述信息检索模块的输出端与信息分析模块的输入端相连接；所述数据库输入端和输出端向系统内其他所有单元模块开放，所述可视化模块输入端与信息分类模块、信息检索模块、信息分析模块的输出端相连；
所述信息搜集模块用于采集不同雷达站和雷达设备的扫描信息；所述信息分类模块根据数据信息的属性进行分类；所述信息分析模块根据数据信息进行特性捕捉；所述信息检索模块按照筛选条件进行低空雷达信息检索；所述信息分析模块对处理后的信息进行分析，同时根据筛选条件，对数据进行挑选，所述可视化模块将数据分析结果转化为视图；所述云服务器为信息分类模块、信息检索模块、信息分析模块和可视化模块提供算力支持；所述数据库存储系统运行数据和传输数据；
所述信息搜集模块包括设备定位单元、权限验证单元、信息流单元和信息安全单元；
所述设备定位单元用于定位低空雷达设备的精准区域位置，在设备定位单元中为具有接触权限的设备赋予身份编码，根据身份编码进行设备的确认及定位；
所述权限验证单元用于在雷达设备进行连接时，就系统获取雷达设备的权限部分进行验证；在本系统连接到低空雷达设备时，进行系统和低空雷达设备的双向验证，在权限验证单元中，向低空雷达设备发出权限验证请求，得到设备反馈的权限允许应答后，开放权限允许的单元进行通讯；
所述信息流单元用于传输各种格式的数据，在接收低空雷达设备信息时，判断信息的数据格式，并根据格式选择接收方式；在接收数据过程中，首先根据设备身份编码判断该低空雷达数据的型号，并在数据库检索对应低空雷达设备是否存在对应数据，若存在对应数据，则根据该低空雷达数据格式来实现信号的传输，若不存在该低空雷达数据，则尝试传输各种通用信号格式，在正确传输后将该雷达身份编码及数据格式存储入数据库；若仍然不能够得到该雷达设备传输数据格式，则提出应答请求，要求该低空雷达设备开放数据格式；在确定数据格式后，进行数据的传输，数据流同样在数据库进行存储；
所述信息安全单元用于提供系统和低空雷达设备进行信息传输时的安全保障，保护信息传输的安全和稳定；在进行通讯时，基于权限要求，设置安全防护等级，对于高权限要求的低空雷达通讯环节，提高安全防护的等级，云服务器根据安全防护等级的变化，为之分配算力；
所述信息分类模块包括格式分类单元、信息分层单元、信息过滤单元和目标信息模式单元；
所述格式分类单元根据数据格式，将数据进行分类；在数据流单元接收数据传输时，按照数据格式进行传输，进入数据库存储，在本单元中，按照数据格式对数据库数据进行整理；
所述信息分层单元，将数据按照数据单位时间流量进行分类；
所述信息过滤单元将重复信息过滤删除；
所述目标信息模式单元基于目标物体的相似性，归类相关物体雷达扫描信息；
所述目标信息模式单元包括以下步骤：
S101、定位固定低空雷达设备和固定时间段，遍历该固定低空雷达设备每个时间周期固定时间段的雷达信息；
S102、将时间周期内，相同低空雷达设备固定时间段的信息向量化，进行相似筛选；
S103、不同低空雷达设备扫描得到的相同飞行物的相似信息进行比较；
S104、归类不同目标飞行物的雷达信息表现；
S105、根据雷达信息表现，分类具备相似属性的不同飞行物；
所述目标信息模式单元包括以下步骤：
S102_1：选取K个对象作为初始中心，将每个对象视为一个聚类中心，K值是分类类别数；
S102_2：对于样本中的数据对象，按照欧式距离，放入距离最近的聚类中心所对应的聚类；
S102_3：更新聚类中心，将每个类别中所有对象所对应的均值作为聚类的中心；
S102_4：判断聚类中心的值是否改变，若不变则输出，分别按照k个聚类分别输出至集合；若改变则返回S102_2；
不同聚类为筛选出的时间周期内固定设备固定时间段内相近信息；
S102_5：进行向量间相似度的比较，利用余弦相似度，进行余弦相似度的比较，若每个集合中，若余弦相似度差距超过阈值，则剔除出集合；在进行相似度比较并且二次剔除筛选后，集合内为相似向量；
所述信息检索模块包括筛选单元、数据检索单元、相似检索单元和目标物检索单元；
所述筛选单元设置筛选条件，对数据进行筛选，筛选条件可进行复选；
所述数据检索单元根据数据具体值，检索到数据所在的信息；
所述相似检索单元，通过设置相似度范围，得到群类信息；
所述目标物检索单元根据目标物体进行检索，并得到相似目标物群体。
2.根据权利要求1所述的基于低空雷达信息的大数据分析的处理系统，其特征在于：信息分析模块包括目标分析单元、飞行周期分析单元和航迹修正单元；
所述目标分析单元根据目标飞行物的相关信息，进行大数据的分析，该分析方式有两种模式，一是基于单一飞行物进行比较，二是综合几个飞行物进行比较；
所述飞行周期分析单元基于某一特定雷达设备，对某时间段内特定飞行物的飞行规律进行分析；
所述航迹修正单元对某一空域时间周期内的不同雷达扫描得到的飞行物航迹进行修正；基于多个低空雷达的扫描点迹进行处理；
S201:选取雷达数据，若x个雷达扫描得到特定飞行物，基于x个雷达的扫描周期，进行并行处理，选取x个扫描周期的最大公约数T，进行时间插值，使得每个雷达扫描周期变成T,完整迭代周期时间长度设置为TT，若当前时间到达TT，整个迭代周期结束；
S202:用集合G＝(C1,C2,C3,···Cx)表示ty时刻x个雷达的测量值集合，ty时刻为一个完整扫描周期T的结束时刻，根据最小二乘法，测量值表达为Ci＝C+(i-x)*T*c'+Vt，其中Vt表示测量噪声，c'是雷达扫描点迹在ty时刻的导数值，在雷达波形图中通过定位求导得到，C表示数据库中预置的常数：
S203:对n个测量值ty时刻测量值进行融合得到ty时刻基于x个低空雷达扫描信息的融合测量值，融合得到测量值其中/>
S204：对时间进行更迭，若时刻ty来到TT则结束，返回融合测量值为最终融合测量值；否则输出当前时刻融合值，并继续更迭，使得ty+1＝ty+T，进入下一个扫描周期，并返回步骤S202。
3.根据权利要求1所述的基于低空雷达信息的大数据分析的处理系统，其特征在于：所述可视化模块包括视图单元和动态化单元；
所述视图单元根据分析数据结果，将数据制成图表格式；
所述动态化单元根据每个更新的数据，检索是否存在原有相同格式视图，若存在相同格式，则将数据并入原有视图，设定时间周期，在时间周期内浮动视图对应数据。
4.根据权利要求3所述的基于低空雷达信息的大数据分析的处理系统，其特征在于：所述视图单元包括数据填入单元和视图转换单元；
所述数据填入单元中设置固定视图数据输入格式，只接受固定的数据，并根据填入数据得到数据属性，按照定式放入视图对应位置，并选定视图表现形式；所述视图转换单元根据数据，进行图表的转换，制成对应要求的图表。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310110344.7A CN116089523B (zh) | 2023-02-14 | 2023-02-14 | 基于低空雷达信息的大数据分析的处理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310110344.7A CN116089523B (zh) | 2023-02-14 | 2023-02-14 | 基于低空雷达信息的大数据分析的处理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116089523A CN116089523A (zh) | 2023-05-09 |
| CN116089523B true CN116089523B (zh) | 2023-12-15 |
Family
ID=86186870
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310110344.7A Active CN116089523B (zh) | 2023-02-14 | 2023-02-14 | 基于低空雷达信息的大数据分析的处理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116089523B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202549080U (zh) * | 2012-03-16 | 2012-11-21 | 中国民用航空总局第二研究所 | 一种雷达数据、飞行计划数据与ads-b数据融合系统 |
| EP2966477A1 (en) * | 2014-07-09 | 2016-01-13 | ANavS GmbH | Method for determining the position and attitude of a moving object using low-cost receivers |
| CN109375187A (zh) * | 2018-11-28 | 2019-02-22 | 北京行易道科技有限公司 | 雷达目标的确定方法及装置 |
| CN111046969A (zh) * | 2019-12-23 | 2020-04-21 | Oppo（重庆）智能科技有限公司 | 数据筛选方法、装置、存储介质及电子设备 |
| CN112597820A (zh) * | 2020-12-10 | 2021-04-02 | 南京长峰航天电子科技有限公司 | 一种基于雷达信号分选的目标聚类方法 |
| CN113128584A (zh) * | 2021-04-15 | 2021-07-16 | 北京理工大学 | 一种多功能雷达脉冲序列的模式级无监督分选方法 |
| CN114137551A (zh) * | 2021-10-25 | 2022-03-04 | 扬州讯诺数据信息科技有限公司 | 一种基于低空雷达信息的大数据分析的处理系统 |
-
2023
- 2023-02-14 CN CN202310110344.7A patent/CN116089523B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202549080U (zh) * | 2012-03-16 | 2012-11-21 | 中国民用航空总局第二研究所 | 一种雷达数据、飞行计划数据与ads-b数据融合系统 |
| EP2966477A1 (en) * | 2014-07-09 | 2016-01-13 | ANavS GmbH | Method for determining the position and attitude of a moving object using low-cost receivers |
| CN109375187A (zh) * | 2018-11-28 | 2019-02-22 | 北京行易道科技有限公司 | 雷达目标的确定方法及装置 |
| CN111046969A (zh) * | 2019-12-23 | 2020-04-21 | Oppo（重庆）智能科技有限公司 | 数据筛选方法、装置、存储介质及电子设备 |
| CN112597820A (zh) * | 2020-12-10 | 2021-04-02 | 南京长峰航天电子科技有限公司 | 一种基于雷达信号分选的目标聚类方法 |
| CN113128584A (zh) * | 2021-04-15 | 2021-07-16 | 北京理工大学 | 一种多功能雷达脉冲序列的模式级无监督分选方法 |
| CN114137551A (zh) * | 2021-10-25 | 2022-03-04 | 扬州讯诺数据信息科技有限公司 | 一种基于低空雷达信息的大数据分析的处理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116089523A (zh) | 2023-05-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106680798B (zh) | 一种机载lidar航带重叠区冗余辨识及消除方法 | |
| CN116148808B (zh) | 一种基于点云描述符的自动驾驶激光重定位方法和系统 | |
| CN107704879A (zh) | 一种变电站带电作业安全距离计算方法 | |
| CN108562885B (zh) | 一种高压输电线路机载LiDAR点云提取方法 | |
| Nardinocchi et al. | Fully automatic point cloud analysis for powerline corridor mapping | |
| CN113284369B (zh) | 一种基于ads-b实测航路数据的预测方法 | |
| CN112394372A (zh) | 一种基于ads-b记录数据评估多点定位性能的方法及系统 | |
| CN104008403A (zh) | 一种svm（矢量机）模式的多目标识别判定方法 | |
| CN111199243B (zh) | 一种基于改进决策树的空中目标识别方法及系统 | |
| CN111046756A (zh) | 高分辨率遥感影像目标尺度特征的卷积神经网络检测方法 | |
| CN111062949B (zh) | 一种基于机载激光雷达的电力线点云提取方法 | |
| CN116258980A (zh) | 一种基于视觉的无人机分布式光伏电站巡检方法 | |
| CN115809833A (zh) | 基于画像技术的基建项目智能监督方法、装置 | |
| Albrecht et al. | Autogeolabel: Automated label generation for geospatial machine learning | |
| CN116089523B (zh) | 基于低空雷达信息的大数据分析的处理系统 | |
| CN117368118A (zh) | 一种基于多光谱和点云数据处理的矿区生物量监测方法 | |
| CN110807832A (zh) | 一种基于地面三维扫描仪的电力线自动提取方法 | |
| CN116091822A (zh) | 一种基于PointNet++的输电线路树障风险识别方法 | |
| Mustafić et al. | Deep Learning for Improved Individual Tree Detection from Lidar Data | |
| Li et al. | An object segmentation method for railway surrounding environment based on three-dimensional point cloud | |
| CN115578598B (zh) | 一种基于卷积神经网络的骨髓细胞识别方法及其系统 | |
| Li et al. | ISAR target recognition system design based on artificial intelligence | |
| Liu et al. | Research on Intelligent Identification of Transmission Line by UAV 3D Lidar | |
| Cao et al. | Preliminary Study on Bistatic RCS of Measured Targets for Automatic Target Recognition | |
| Liao | Application of High-precision 3D Technology in Transmission Line Measurement |
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 |