CN116150982B

CN116150982B - 一种电磁态势多维可视化方法及系统

Info

Publication number: CN116150982B
Application number: CN202310046521.XA
Authority: CN
Inventors: 胡豪杰; 方胜良; 马淑丽; 范有臣; 温晓敏; 马昭; 王孟涛
Original assignee: Peoples Liberation Army Strategic Support Force Aerospace Engineering University
Current assignee: Peoples Liberation Army Strategic Support Force Aerospace Engineering University
Priority date: 2023-01-31
Filing date: 2023-01-31
Publication date: 2024-04-16
Anticipated expiration: 2043-01-31
Also published as: CN116150982A

Abstract

本发明涉及电磁态势可视化技术领域，提供了一种电磁态势多维可视化方法及系统。该方法包括：导入战场频谱数据，获得样本空间所有样本数据；基于样本数据，进行空间距离和属性距离的双重聚类分析、相似性度量以及力引导布局，获得弹性张力与电荷引力的合力；对弹性张力与电荷引力的合力进行设定次数的迭代更新，获得迭代更新后的弹性张力与电荷引力的合力，生成地图嵌入式平行坐标可视化界面。本发明减少了在视觉上多条边带来的混乱效果，提高数据的可视化表达能力，改善了平行坐标在电磁频谱数据可视化中难以展示空域维度的缺点。

Description

一种电磁态势多维可视化方法及系统

技术领域

本发明涉及电磁态势可视化技术领域，尤其涉及一种电磁态势多维可视化方法及系统。

背景技术

对于战场区域内电磁态势的可视化表达，由于交战双方根据战场态势做出装备、兵力的调整部署，会在短时间内造成电磁空间的剧烈变动，主要体现在时域上的信号出现与消失、频域上的工作频率跳变、能域上的辐射功率的改变以及空域上的辐射源位置移动。

目前，在已有的空间聚类算法中，大多只考虑空间位置或者属性信息之间的距离作为相似性的指标，仅采用某一维度难以全面展示电磁态势的变化规律，无法充分上述的变化特征，无法改善平行坐标在电磁频谱数据可视化中难以展示空域维度的缺点，导致聚类结果具有一定的片面性，难以反映真实数据的空间分布以及属性分布情况。

发明内容

有鉴于此，本发明提供了一种电磁态势多维可视化方法及系统，以解决现有技术中无法减少在视觉上多条边带来的混乱效果、数据的可视化表达能力低下以及无法改善平行坐标在电磁频谱数据可视化中难以展示空域维度的缺点的问题。

第一方面，本发明提供了一种电磁态势多维可视化方法，包括：

S1.导入战场频谱数据，获得样本空间所有样本数据；

S2.基于所述样本数据，进行空间距离和属性距离的双重聚类分析、相似性度量以及力引导布局，获得弹性张力与电荷引力的合力；

S3.对所述弹性张力与电荷引力的合力进行设定次数的迭代更新，获得迭代更新后的弹性张力与电荷引力的合力，生成地图嵌入式平行坐标可视化界面。

进一步地，所述S2包括：

S21.对所述样本数据进行标记，通过空间距离和属性距离的双重聚类分析，获得聚类的目标样本数据；

S22.对所述聚类的目标样本数据进行相似性度量，获得边的关联度；

S23.基于所述边的关联度，通过力引导布局边捆绑算法对同一簇的边进行捆绑，获得所述弹性张力与电荷引力的合力。

进一步地，所述S21包括：

S211.选择未被标记的样本数据，计算该样本数据与其他样本数据之间的空间距离，并与预设空间阈值比较，将小于预设空间阈值的样本数据记为空间集合；

S212.计算所述空间集合中所有样本与其他样本数据之间的属性距离，并与预设属性阈值比较，将小于预设属性阈值的样本数据记为属性集合；

S213.循环递归搜索所述空间集合和属性集合中的所有样本数据，将满足欧式距离小于等于预设空间阈值并且闵式距离小于等于预定属性阈值的样本标记为目标样本数据，将其他样本标记为非目标样本数据；

S214.循环上述步骤，直至所有样本被标记，通过双重聚类分析，获得聚类的目标样本数据。

进一步地，所述S22包括：

S221.对所述聚类的样本数据进行相似性度量，获得端点的关联度；

S222.基于所述端点的关联度，获得边的关联度。

进一步地，所述S23包括：

S231.基于所述边的关联度，定义全局弹性系数；

S232.基于每个节点所受到的相邻节点弹性张力和所述全局弹性系数，通过力引导布局边捆绑算法对同一簇的边进行捆绑，获得所述弹性张力与电荷引力的合力。

进一步地，所述弹性张力与电荷引力的合力是通过如下计算式获得：

F＝F_S1+F_S2+F_e

其中，F表示弹性张力与电荷引力的合力，F_S1、F_S2分别表示不同方向的两个相邻节点的弹性张力，F_e表示电荷引力。

进一步地，所述S3包括：

S31.设置控制点个数P、迭代次数M、位移量S和每次迭代计算轮数I，取边的中点作为初始化更新控制点；

S32.每次迭代所述更新控制点，按照边的长度进行划分，以此类推，获得迭代更新后的弹性张力与电荷引力的合力，控制边的变形，生成地图嵌入式平行坐标可视化界面。

进一步地，在所述S32之后还包括：

S33.通过设计平行坐标轴交换和坐标圈选的交互，在平行坐标系中分析电磁态势在不同维度之间的变化关系。

第二方面，本发明还提供了一种电磁态势多维可视化系统，包括：

数据采集模块，用于导入战场频谱数据，获得样本空间所有样本数据；

合力计算模块，用于基于所述样本数据，进行空间距离和属性距离的双重聚类分析、相似性度量以及力引导布局，获得弹性张力与电荷引力的合力；

可视化模块，用于对所述弹性张力与电荷引力的合力进行设定次数的迭代更新，获得迭代更新后的弹性张力与电荷引力的合力，生成地图嵌入式平行坐标可视化界面。

进一步地，所述合力计算模块用于执行以下操作：

对所述样本数据进行标记，通过空间距离和属性距离的双重聚类分析，获得聚类的样本数据；

对所述聚类的样本数据进行相似性度量，获得边的关联度；

基于所述边的关联度，通过力引导布局边捆绑算法对同一簇的边进行捆绑，获得所述弹性张力与电荷引力的合力。

本发明与现有技术相比存在的有益效果是：

1、本发明采用空间距离和属性距离的双重距离空间聚类方法并将其与频谱测绘数据结合对频谱测绘数据进行空间聚类，能够全面展示电磁态势的变化规律。

2、本发明通过相似性度量，确定边捆绑的簇，采用力引导布局边捆绑算法对同一簇的边进行捆绑，减少了在视觉上多条边带来的混乱效果，提高数据的可视化表达能力。

3、本发明将可视化渲染生成地图嵌入式平行坐标可视化界面，并结合用户交互指令，实现了用户与数据的联动分析，改善了平行坐标在电磁频谱数据可视化中难以展示空域维度的缺点。

附图说明

为了更清楚地说明本发明中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本发明提供的一种电磁态势多维可视化方法的流程图；

图2是本发明提供的边和边簇的示意图；

图3是本发明提供的力引导布局的示意图；

图4是本发明提供的一种电磁态势多维可视化系统的框图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

下面将结合附图详细说明本发明提供的图1是本发明提供的一种电磁态势多维可视化方法。

图1是本发明提供的一种电磁态势多维可视化方法的流程图。

如图1所示，该电磁态势多维可视化方法包括：

S1.导入战场频谱数据，获得样本空间所有样本数据；

为有效提取战场区域的辐射源位置以及频谱的分布特征，采取空间聚类的方法将不同空间坐标以及不同属性的辐射源进行聚类分析。在进行聚类时，为保证地理位置相邻以及属性信息相近，在算法选择上选择兼顾空间特性与属性信息的聚类算法，本发明采用空间距离和属性距离的双重距离空间聚类方法并将其与频谱测绘数据结合对频谱测绘数据进行空间聚类。

所述S2包括：

S21.对所述样本数据进行标记，通过空间距离和属性距离的双重聚类分析，获得聚类的样本数据；

采用所述空间距离和属性距离的双重距离空间聚类方法并将其与频谱测绘数据结合，对频谱测绘数据进行空间聚类，在此基础上进行平行坐标设计。

示例性地，对于频谱测绘数据而言，假设两组数据分别为E_i和E_j，其中空间位置坐标为L_i＝(x_i,y_i,h_i)和L_j＝(x_j,y_j,h_j),属性信息为Attr_i和Attr_j。

则两组数据的空间距离采用欧式距离表示：

属性距离采用闵式距离表示：

其中，Attr_ik是Attr_i的第k维属性数据，D_kmax＝Attr_kmax-Attr_kmin表示第k维属性数据的最大值与最小值的差值，m表示属性的维度；

引入设定空间阈值ε_geo和设定属性阈值ε_Attr作为空间距离和属性距离聚类的标准。

所述S21包括：

其中，空间集合E_geo＝{D_k|D_geo(f_i,f_j)},(k≤n)。

其中，n表示数据总数，D_k表示第k组数据的空间距离，f_i、f_j表示对第i组数据和第j组数据计算其空间距离。

其中，所述属性集合E_Attr＝{D_l|D_Attr(f_i,f_j)},(l≤n)。

其中，D_l表示第l组数据的属性距离，f_i、f_j表示对第i组数据和第j组数据计算其属性距离。

S213.循环递归搜索所述空间集合和属性集合中的所有样本数据，将满足欧式距离小于等于设定空间阈值，并且闵式距离小于等于设定属性阈值的样本标记为目标样本数据，将其他样本标记为非目标样本数据；

S214.循环上述步骤，直至所有样本数据被标记，通过双重聚类分析，获得聚类的目标样本数据。

采用相似性度量的方法，通过计算两条边端点距离、走向趋势等来描述不同边之间的相似度，并将相似度相近的边分为一簇。

图2是本发明提供的边和边簇的示意图；

所述S22包括：

具体地，做如下定义：

L_i＝(X_i,Y_i)表示以X_i和Y_i为端点的一条边L_i，C＝{L_i},(1≤i≤M)表示由M条边组成的簇C，给定正整数p，则边L_f的关联边计算方法如下：

找出维度div_f上距离端点X_f距离最近的p个端点，记为关联点集合R_X＝{X_f|1≤f≤p}，并计算X_f与集合R_X中所有点的距离，并取其最大值记作δ_RX，同理可得维度div_f+1上距离端点Y_f距离最近的p个端点集合R_Y＝{Y_f|1≤f≤p}以及距离最大值

则边L_f的关联边所在集合C就是两个端点均为端点X_f和端点Y_f的边的集合。

C＝{L_i|L_i＝(X_i,Y_i),X_i∈R_X,Y_i∈R_Y} (3)

当p＝5时，边L_i的关联边共有3条，端点X_i共有5个关联点，端点Y_i有5个关联点，L₁的一个端点不在端点L_i的关联点集合内，因此，L₁不是边L_i的关联边，同理，L₂也是不边L_i的关联边。

通过上述步骤，找到了边L_f的关联边集合C，在进行力引导布局的边捆绑算法中，同属于边L_f的关联边距离边L_f越近则对其影响越大，距离越远对其影响越小，将这种影响定义为相似度，用以衡量同一边簇内不同边对于边L_f的影响力大小从而确定边捆绑的弯曲度。

一条边的相似度由两个端点相似度共同组成，采用高斯核函数计算两个端点的相似度，假设某一边L_f的两个关联端点集合分别为R_X和R_Y，两点之间欧式距离用d(X_i,X_j)表示，则端点的关联度表示为：

S222.基于所述端点的关联度，获得边的关联度。

G(L_i,L_f)＝G(X_i,X_f)G(Y_i,Y_f) (5)

图3是本发明提供的力引导布局的示意图。

所述S23包括：

S231.基于所述边的关联度，定义全局弹性系数；

两条相互作用的边L_p和L_q的力引导模型，对于各线段的形变由相邻节点的弹性张力以及临边节点的电荷引力共同控制。定义全局弹性系数K来控制边的形变程度，其中，K越大边的形变越大，反之则越小。由于每条边的长度不同并且细分为不同的段，控制点的多少影响段的多少以及长度，同样也影响边的形变程度，因此，分别计算每段的局部弹性系数K_l并以此为依据计算节点的形变大小。

图3是本发明提供的力引导布局的示意图。

所述弹性张力与电荷引力的合力的获得包括如下计算步骤：

其中，N表示节点的数目，以点p₂为例，其受来自p₁和p₃的弹性张力分别如下：

F_S1＝K_l*d(p₁,p₂)

F_S2＝K_l*d(p₂,p₃) (7)

由于边L_p等分，即d(p₁,p₂)＝d(p₂,p₃)，因此，每条边的节点，其受到来自相邻节点的弹性引力相同。同时节点p₂还受到来自相邻边上节点q₂的电荷引力，电荷引力与两条边的相似度成正比，与节点间距离的平方成反比，电荷引力F_e计算公式如下：

由此，所述弹性张力与电荷引力的合力为：

F＝F_S1+F_S2+F_e (9)

为实现力引导布局对数据聚类效果，需要采用多次迭代更新控制点的方式，逐渐改善力引导布局对数据的聚束效果，完成对大规模数据的聚束。

所述S3包括：

所述S32之后还包括：

其中，坐标轴交换操作通过鼠标拖拽实现不同维度坐标轴的交换，从而更加方便分析电磁态势在不同维度之间的变化关系；坐标圈选通过鼠标选择感兴趣范围内的数据进行高亮操作，便于在分析时突出对重点感兴趣数据的分析。

本发明采用空间距离和属性距离的双重距离空间聚类方法并将其与频谱测绘数据结合对频谱测绘数据进行空间聚类，能够全面展示电磁态势的变化规律；通过相似性度量，确定边捆绑的簇，采用力引导布局边捆绑算法对同一簇的边进行捆绑，减少了在视觉上多条边带来的混乱效果，提高数据的可视化表达能力；将可视化渲染生成地图嵌入式平行坐标可视化界面，并结合用户交互指令，实现了用户与数据的联动分析，改善了平行坐标在电磁频谱数据可视化中难以展示空域维度的缺点。

图4是本发明提供的一种电磁态势多维可视化系统的框图。基于同一构思，

本发明还提供了一种电磁态势多维可视化系统，包括：

所述合力计算模块用于执行以下操作：

对所述聚类的样本数据进行相似性度量，获得边的关联度；

上述所有可选技术方案，可以采用任意结合形成本申请的可选实施例，在此不再一一赘述。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims

1.一种电磁态势多维可视化方法，其特征在于，包括：

S1.导入战场频谱数据，获得样本空间所有样本数据；

S3.对所述弹性张力与电荷引力的合力进行设定次数的迭代更新，获得迭代更新后的弹性张力与电荷引力的合力，生成地图嵌入式平行坐标可视化界面；

所述S3包括：

S32.每次迭代所述更新控制点，按照边的长度进行划分，以此类推，获得迭代更新后的弹性张力与电荷引力的合力，控制边的变形，生成地图嵌入式平行坐标可视化界面；所述S2包括：

S23.基于所述边的关联度，通过力引导布局边捆绑算法对同一簇的边进行捆绑，获得所述弹性张力与电荷引力的合力；所述S21包括：

2.根据权利要求1所述的电磁态势多维可视化方法，其特征在于，所述S22包括：

S222.基于所述端点的关联度，获得边的关联度。

3.根据权利要求1所述的电磁态势多维可视化方法，其特征在于，所述S23包括：

S231.基于所述边的关联度，定义全局弹性系数；

4.根据权利要求3所述的电磁态势多维可视化方法，其特征在于，所述弹性张力与电荷引力的合力是通过如下计算式获得：

F＝F_S1+F_S2+Fe

5.根据权利要求1所述的电磁态势多维可视化方法，其特征在于，在所述S32之后还包括：

6.一种电磁态势多维可视化系统，其特征在于，包括：

可视化模块，用于对所述弹性张力与电荷引力的合力进行设定次数的迭代更新，获得迭代更新后的弹性张力与电荷引力的合力，生成地图嵌入式平行坐标可视化界面；

可视化模块，还用于设置控制点个数P、迭代次数M、位移量S和每次迭代计算轮数I，取边的中点作为初始化更新控制点；每次迭代所述更新控制点，按照边的长度进行划分，以此类推，获得迭代更新后的弹性张力与电荷引力的合力，控制边的变形，生成地图嵌入式平行坐标可视化界面；所述合力计算模块用于执行以下操作：

对所述聚类的样本数据进行相似性度量，获得边的关联度；

基于所述边的关联度，通过力引导布局边捆绑算法对同一簇的边进行捆绑，获得所述弹性张力与电荷引力的合力；

所述合力计算模块还用于：

选择未被标记的样本数据，计算该样本数据与其他样本数据之间的空间距离，并与预设空间阈值比较，将小于预设空间阈值的样本数据记为空间集合；

计算所述空间集合中所有样本与其他样本数据之间的属性距离，并与预设属性阈值比较，将小于预设属性阈值的样本数据记为属性集合；

循环递归搜索所述空间集合和属性集合中的所有样本数据，将满足欧式距离小于等于预设空间阈值并且闵式距离小于等于预定属性阈值的样本标记为目标样本数据，将其他样本标记为非目标样本数据；

循环上述步骤，直至所有样本被标记，通过双重聚类分析，获得聚类的目标样本数据。