CN116506947B - 一种基于有源无源协同的时空频资源智能调度方法与系统 - Google Patents
一种基于有源无源协同的时空频资源智能调度方法与系统 Download PDFInfo
- Publication number
- CN116506947B CN116506947B CN202310427632.5A CN202310427632A CN116506947B CN 116506947 B CN116506947 B CN 116506947B CN 202310427632 A CN202310427632 A CN 202310427632A CN 116506947 B CN116506947 B CN 116506947B
- Authority
- CN
- China
- Prior art keywords
- passive
- convolution
- target
- queue
- frequency
- 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 56
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000001514 detection method Methods 0.000 claims abstract description 33
- 230000004927 fusion Effects 0.000 claims abstract description 30
- 239000011159 matrix material Substances 0.000 claims description 76
- 239000013598 vector Substances 0.000 claims description 69
- 238000012790 confirmation Methods 0.000 claims description 45
- 230000006870 function Effects 0.000 claims description 45
- 230000004913 activation Effects 0.000 claims description 28
- 238000013468 resource allocation Methods 0.000 claims description 20
- 230000008447 perception Effects 0.000 claims description 15
- 238000011176 pooling Methods 0.000 claims description 14
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 230000007547 defect Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0446—Resources in time domain, e.g. slots or frames
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/046—Wireless resource allocation based on the type of the allocated resource the resource being in the space domain, e.g. beams
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/56—Allocation or scheduling criteria for wireless resources based on priority criteria
- H04W72/563—Allocation or scheduling criteria for wireless resources based on priority criteria of the wireless resources
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提出一种基于有源无源协同的时空频资源智能调度方法与系统,属于数据处理术领域。本发明通过有源无源传感器探测信息的关联和融合,形成关于目标的频段、距离、高度、方位、属性等信息,克服无线电感知设备缺乏目标距离、真伪辨别能力的弱点,通过丰富无线电感知设备的探测识别信息,用于指导优化无线电感知设备的时空频资源调度,提升无线电感知设备对多目标尤其是高威胁目标的截获概率、跟踪精度和识别时效性。
Description
技术领域
本发明属于数据处理技术领域,尤其涉及一种基于有源无源协同的时空频资源智能调度方法与系统。
背景技术
通常,无线电感知设备的调度策略是针对感知目标在时域、空域、频域等维度的不确定性,构建了以任务风险最小化和资源效能最佳为优化目标的感知资源调度方法,结合感知资源实时状态,通过对各类可用侦收、跟踪及确认的效费分析比较,确定最佳感知资源调度策略,使无源协同探测系统能够快速适应战情变化,高效管控资源应对各类感知任务,提升资源调配策略生成的实时性、合理性,提升无源感知系统对复杂环境不确定性的适应性,保证任务完成能力的强鲁棒性。
目前无线电感知设备的常用的调度策略有固定模板、多模板、部分模板和自适应调度策,调度的性能随着调度策略复杂度的提升而增加。
固定模板法在一个调度间隔内固定分配一系列固定的无线电感知任务组合,分别执行搜索、确认、跟踪等任务。系统按此流程固定的调度硬件进行序列任务。该调度策略设计简单,资源占用较少。但是,由于固定性的限制,导致这种策略仅适用于一些特殊的任务目标,缺乏普遍性和灵活性,无法自动根据感知任务的重要程度进行自我调节。
多模板法提前根据面对的环境设计了多个固定模板,在调度时根据一定要求寻找其中最适合的模板,摆脱了固定性的局限,增强了策略的多功能适应性。这种调度策略适用在对目标具有一定先验知识的情况下,但模板数过多则会耗费大量的资源进行模板匹配,难以满足多功能强实时调度的要求。
部分模板法在调度间隔中事先设计了部分无线电感知系统必须完成的任务以保证核心功能的最小程度执行,而对调度间隔中的其余资源则根据任务的优先级和约束条件进行调度优化。相比固定模板法、多模板法,该调度策略在系统资源利用率上有较大提升,且对不同电磁环境有较强的自适应能力,但在设计和分析策略时较为困难。
自适应调度法根据不同工作方式优先级条件,在无线电感知系统硬件约束范围内实时响应各种任务功能的驻留请求时间、能力和计算机资源,为每一个调度间隔选择最佳的实时任务调度序列。这种调度策略需要与动态的无线电感知环境相匹配,要符合系统设计条件,在多功能、多任务、强实时需求下的无线电感知系统中具有灵活调度、可自适应、资源利用率高等优点。
以上四种调度方法都是基于无线电感知设备获取了相关信息的条件下进行的调度,但是在实际中无线电感知设备获取目标相关信息的能力较弱,在单站条件下不能很好的确定目标的真伪、重要性等信息,同时不一定能够获取目标的距离信息,因此很多情况下进行的资源调度决策是有限认知下的优化调度,是一种局部优化调度而非全局最优调度。
发明内容
本发明上述方法的不足,结合现有源雷达和无线电感知设备一体化调度运用的趋势,提出一种有源无源协同的时空频资源自适应调度方案。
本发明第一方面提出一种基于有源无源协同的时空频资源智能调度方法,所述方法包括:
步骤S1、无线电感知设备和有源雷达设备分别对感知目标进行感知探测,并分别输出感知探测信息;
其中,所述无线电感知设备输出的感知探测信息为第一目标位置和第一属性信息,所述有源雷达设备输出的感知探测信息为第二目标位置和第二属性信息;
步骤S2、基于所述第一目标位置和第二目标位置之间的关联关系以及所述第一属性信息和所述第二属性信息之间的关联关系,对所述感知目标进行关联;
其中,对于未关联的目标,判断所述未关联的目标是否存在有源信息;若否,则将所述未关联的目标加入无源跟踪队列,若是,则将所述未关联的目标加入无源搜索队列;
其中,对于已关联的目标,对所述已关联的目标的目标属性进行标识,并判断所述已关联的目标是否为合作源目标,若是,则输出所述合作源目标,若否,则将所述已关联的目标加入无源确认队列;
步骤S3、汇总所述无源跟踪队列、所述无源搜索队列和所述无源确认队列,判断当前空域是否覆盖目标空域,若否,将未覆盖的空域加入所述无源搜索队列,直到所述当前空域完全覆盖所述目标空域;
步骤S4、根据所述无源跟踪队列、所述无源搜索队列和所述无源确认队列中各个目标的任务优先级和资源使用情况,统一调度时域资源、空域资源和频域资源,来优化所述无源跟踪队列、所述无源搜索队列和所述无源确认队列;
其中,所述空域资源具有最高优先级,优先调度所述空域资源;所述时域资源调度的优先级次之,所述时域资源优先满足截止时间优先的任务。
根据本发明第一方面的方法,对于所述空域资源的调度,其仅限于无线电感知设备瞬时无法覆盖全部责任空域,并通过转动天线来覆盖不同空域的情况;所述空域资源的调度的优先级为:
基于经划定的责任空域,按照每个空域中所述无源跟踪队列、所述无源搜索队列和所述无源确认队列的数量来进行编排,所述无源跟踪队列、所述无源搜索队列和所述无源确认队列中目标的数量越多,则当前空域资源的调度优先级越高;
或者根据所述无源跟踪队列、所述无源搜索队列和所述无源确认队列中目标的任务紧急程度来确定所述空域资源的调度优先级。
根据本发明第一方面的方法,对于所述时域资源的调度,其仅限于所述无源跟踪队列、所述无源搜索队列和所述无源确认队列中目标的任务所需时间不一致,且所述无源搜索队列中目标的载频、重频和脉宽未知,以及所述无源跟踪队列和所述无源确认队列中目标的载频、重频和脉宽已知的情况;具体包括:
在搜索任务的间隙按照目标所处的频段执行跟踪任务和确认任务的编排;其中,在宽频段搜索过程中,以特定周期在特定频段处理所述跟踪任务和所述确认任务,保持所述跟踪任务和所述确认任务的时效性。
根据本发明第一方面的方法,对于所述频域调度,其基于固定时间间隔统计得到的所有目标的分布频段,在分布频繁度超过阈值的频段优先分配频域搜索资源;同时针对所述合作源目标,在原有无线电感知设备频域资源分配的基础上进一步减少所述频域搜索资源,针对所述非合作源目标,在原有无线电感知设备频域资源分配的基础上进一步增加所述频域搜索资源。
根据本发明第一方面的方法,所述分布频繁度由分布权重向量来表征,具体包括:
将每个目标的n维频段分布向量和所述感知探测信息拼接成n+1维向量,将m个目标的频段分布向量组成一个特征矩阵,并将所述特征矩阵输入神经网络;
在所述神经网络中,所述特征矩阵首先经过卷积块处理,该卷积块由卷积核大小为3的卷积层和卷积核大小为1的卷积层组成,通过所述卷积块增加所述特征矩阵的通道数,步距为1,采用零填充方式;
随后为三个连续的卷积操作,每个操作阶段由若干通道权重多尺度卷积模块和树状特征融合模块组成;每个阶段的通道权重多尺度卷积模块包括一个卷积核大小为1的卷积层和三个并联的卷积层,三个并联的卷积层的卷积核大小分别为3、5和7,将所述三个并联的卷积层的输出相加后经过卷积核大小为1的卷积层和Relu激活函数;
其中,在所述三个并联的卷积层的第一个卷积层的输入处设置一条支路,该支路对相同的输入进行连续的两层卷积核大小为3的卷积层处理,并且每个卷积层后都接有Relu激活函数;然后对生成的特征矩阵进行全局平均池化操作处理,得到一个维度等于通道数量的向量;再经过softmax函数处理后得到一个权重向量;将所得的权重向量和所述三个并联的卷积层中最后一个卷积层得到的特征矩阵相乘,将相乘结果经BN层和Relu激活函数处理后输出至所述树状特征融合模块;
其中,每个阶段的树状特征融合模块对输入特征矩阵做四个并行的卷积层处理,前两个卷积层的卷积核大小为1和3,后两个卷积层的卷积核大小为1和5,采用填充方式,得到的特征矩阵有相同的尺寸大小;分别将前两层和后两层的卷积输出结果相加,得到两个特征矩阵,再分别经过卷积核大小为3和5的卷积层处理,最后将得到的两个特征矩阵相加,经过BN层和Relu激活函数;设置每个阶段的第一个树状特征融合模块的四个卷积层步距为2,以缩减特征矩阵的长和宽,其他卷积层步距均为1;
将经过所述三个连续的卷积操作后得到的特征矩阵做全局平均池化操作处理,得到维度等于通道数的一维向量,再经过输入维度等于通道数、输出维度等于频段维度n的全连接层处理后,得到最终的一维向量,经softmax函数处理,从而获取每个频段的分布权重向量。
本发明第二方面提出一种基于有源无源协同的时空频资源智能调度系统。所述系统包括:
第一处理单元,被配置为:调用无线电感知设备和有源雷达设备分别对感知目标进行感知探测,并分别输出感知探测信息;
其中,所述无线电感知设备输出的感知探测信息为第一目标位置和第一属性信息,所述有源雷达设备输出的感知探测信息为第二目标位置和第二属性信息;
第二处理单元,被配置为:基于所述第一目标位置和第二目标位置之间的关联关系以及所第一属性信息和所述第二属性信息之间的关联关系,对所述感知目标进行关联;
其中,对于未关联的目标,判断所述未关联的目标是否存在有源信息;若否,则将所述未关联的目标加入无源跟踪队列,若是,则将所述未关联的目标加入无源搜索队列;
其中,对于已关联的目标,对所述已关联的目标的目标属性进行标识,并判断所述已关联的目标是否为合作源目标,若是,则输出所述合作源目标,若否,则将所述已关联的目标加入无源确认队列;
第三处理单元,被配置为:汇总所述无源跟踪队列、所述无源搜索队列和所述无源确认队列,判断当前空域是否覆盖目标空域,若否,将未覆盖的空域加入所述无源搜索队列,直到所述当前空域完全覆盖所述目标空域;
第四处理单元,被配置为:根据所述无源跟踪队列、所述无源搜索队列和所述无源确认队列中各个目标的任务优先级和资源使用情况,统一调度时域资源、空域资源和频域资源,来优化所述无源跟踪队列、所述无源搜索队列和所述无源确认队列;
其中,所述空域资源具有最高优先级,优先调度所述空域资源;所述时域资源调度的优先级次之,所述时域资源优先满足截止时间优先的任务。
根据本发明第二方面的系统,对于所述空域资源的调度,其仅限于无线电感知设备瞬时无法覆盖全部责任空域,并通过转动天线来覆盖不同空域的情况;所述空域资源的调度的优先级为:
基于经划定的责任空域,按照每个空域中所述无源跟踪队列、所述无源搜索队列和所述无源确认队列的数量来进行编排,所述无源跟踪队列、所述无源搜索队列和所述无源确认队列中目标的数量越多,则当前空域资源的调度优先级越高;
或者根据所述无源跟踪队列、所述无源搜索队列和所述无源确认队列中目标的任务紧急程度来确定所述空域资源的调度优先级;
根据本发明第二方面的系统,对于所述时域资源的调度,其仅限于所述无源跟踪队列、所述无源搜索队列和所述无源确认队列中目标的任务所需时间不一致,且所述无源搜索队列中目标的载频、重频和脉宽未知,以及所述无源跟踪队列和所述无源确认队列中目标的载频、重频和脉宽已知的情况;具体包括:
在搜索任务的间隙按照目标所处的频段执行跟踪任务和确认任务的编排;其中,在宽频段搜索过程中,以特定周期在特定频段处理所述跟踪任务和所述确认任务,保持所述跟踪任务和所述确认任务的时效性。
根据本发明第二方面的系统,对于所述频域调度,其基于固定时间间隔统计得到的所有目标的分布频段,在分布频繁度超过阈值的频段优先分配频域搜索资源;同时针对所述合作源目标,在原有无线电感知设备频域资源分配的基础上进一步减少所述频域搜索资源,针对所述非合作源目标,在原有无线电感知设备频域资源分配的基础上进一步增加所述频域搜索资源。
根据本发明第二方面的系统,所述分布频繁度由分布权重向量来表征,具体包括:
将每个目标的n维频段分布向量和所述感知探测信息拼接成n+1维向量,将m个目标的频段分布向量组成一个特征矩阵,并将所述特征矩阵输入神经网络;
在所述神经网络中,所述特征矩阵首先经过卷积块处理,该卷积块由卷积核大小为3的卷积层和卷积核大小为1的卷积层组成,通过所述卷积块增加所述特征矩阵的通道数,步距为1,采用零填充方式;
随后为三个连续的卷积操作,每个操作阶段由若干通道权重多尺度卷积模块和树状特征融合模块组成;每个阶段的通道权重多尺度卷积模块包括一个卷积核大小为1的卷积层和三个并联的卷积层,三个并联的卷积层的卷积核大小分别为3、5和7,将所述三个并联的卷积层的输出相加后经过卷积核大小为1的卷积层和Relu激活函数;
其中,在所述三个并联的卷积层的第一个卷积层的输入处设置一条支路,该支路对相同的输入进行连续的两层卷积核大小为3的卷积层处理,并且每个卷积层后都接有Relu激活函数;然后对生成的特征矩阵进行全局平均池化操作处理,得到一个维度等于通道数量的向量;再经过softmax函数处理后得到一个权重向量;将所得的权重向量和所述三个并联的卷积层中最后一个卷积层得到的特征矩阵相乘,将相乘结果经BN层和Relu激活函数处理后输出至所述树状特征融合模块;
其中,每个阶段的树状特征融合模块对输入特征矩阵做四个并行的卷积层处理,前两个卷积层的卷积核大小为1和3,后两个卷积层的卷积核大小为1和5,采用填充方式,得到的特征矩阵有相同的尺寸大小;分别将前两层和后两层的卷积输出结果相加,得到两个特征矩阵,再分别经过卷积核大小为3和5的卷积层处理,最后将得到的两个特征矩阵相加,经过BN层和Relu激活函数;设置每个阶段的第一个树状特征融合模块的四个卷积层步距为2,以缩减特征矩阵的长和宽,其他卷积层步距均为1;
将经过所述三个连续的卷积操作后得到的特征矩阵做全局平均池化操作处理,得到维度等于通道数的一维向量,再经过输入维度等于通道数、输出维度等于频段维度n的全连接层处理后,得到最终的一维向量,经softmax函数处理,从而获取每个频段的分布权重向量。
本发明第三方面公开了一种电子设备。所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时,实现本公开第一方面所述的一种基于有源无源协同的时空频资源智能调度方法中的步骤。
本发明第四方面公开了一种计算机可读存储介质。所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,实现本公开第一方面所述的一种基于有源无源协同的时空频资源智能调度方法中的步骤。
综上,本发明提出的技术方案通过有源无源传感器探测信息的关联和融合,形成关于目标的频段、距离、高度、方位、属性等信息,克服无线电感知设备缺乏目标距离、真伪辨别能力的弱点,通过丰富无线电感知设备的探测识别信息,用于指导优化无线电感知设备的时空频资源调度,提升高威胁目标的截获概率、跟踪精度和识别时效性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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他的附图。
图1为根据本发明实施例的有源无源协同资源调度的流程图。
图2为根据本发明实施例的无源空域优化调度原理示意图。
图3为根据本发明实施例的无源传感器时域优化调度原理示意图。
图4为根据本发明实施例的无源传感器频域优化调度原理示意图。
图5为根据本发明实施例的一种电子设备的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例只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。
本发明第一方面提出一种基于有源无源协同的时空频资源智能调度方法,所述方法包括:
步骤S1、无线电感知设备和有源雷达设备分别对感知目标进行感知探测,并分别输出感知探测信息;
其中,所述无线电感知设备输出的感知探测信息为第一目标位置和第一属性信息,所述有源雷达设备输出的感知探测信息为第二目标位置和第二属性信息;
步骤S2、基于所述第一目标位置和第二目标位置之间的关联关系以及所述第一属性信息和所述第二属性信息之间的关联关系,对所述感知目标进行关联;
其中,对于未关联的目标,判断所述未关联的目标是否存在有源信息;若否,则将所述未关联的目标加入无源跟踪队列,若是,则将所述未关联的目标加入无源搜索队列;
其中,对于已关联的目标,对所述已关联的目标的目标属性进行标识,并判断所述已关联的目标是否为合作源目标,若是,则输出所述合作源目标,若否,则将所述已关联的目标加入无源确认队列;
步骤S3、汇总所述无源跟踪队列、所述无源搜索队列和所述无源确认队列,判断当前空域是否覆盖目标空域,若否,将未覆盖的空域加入所述无源搜索队列,直到所述当前空域完全覆盖所述目标空域;
步骤S4、根据所述无源跟踪队列、所述无源搜索队列和所述无源确认队列中各个目标的任务优先级和资源使用情况,统一调度时域资源、空域资源和频域资源,来优化所述无源跟踪队列、所述无源搜索队列和所述无源确认队列;
其中,所述空域资源具有最高优先级,优先调度所述空域资源;所述时域资源调度的优先级次之,所述时域资源优先满足截止时间优先的任务。
根据本发明第一方面的方法,对于所述空域资源的调度,其仅限于无线电感知设备瞬时无法覆盖全部责任空域,并通过转动天线来覆盖不同空域的情况;所述空域资源的调度的优先级为:
基于经划定的责任空域,按照每个空域中所述无源跟踪队列、所述无源搜索队列和所述无源确认队列的数量来进行编排,所述无源跟踪队列、所述无源搜索队列和所述无源确认队列中目标的数量越多,则当前空域资源的调度优先级越高;
或者根据所述无源跟踪队列、所述无源搜索队列和所述无源确认队列中目标的任务紧急程度来确定所述空域资源的调度优先级。
根据本发明第一方面的方法,对于所述时域资源的调度,其仅限于所述无源跟踪队列、所述无源搜索队列和所述无源确认队列中目标的任务所需时间不一致,且所述无源搜索队列中目标的载频、重频和脉宽未知,以及所述无源跟踪队列和所述无源确认队列中目标的载频、重频和脉宽已知的情况;具体包括:
在搜索任务的间隙按照目标所处的频段执行跟踪任务和确认任务的编排;其中,在宽频段搜索过程中,以特定周期在特定频段处理所述跟踪任务和所述确认任务,保持所述跟踪任务和所述确认任务的时效性。
根据本发明第一方面的方法,对于所述频域调度,其基于固定时间间隔统计得到的所有目标的分布频段,在分布频繁度超过阈值的频段优先分配频域搜索资源;同时针对所述合作源目标,在原有无线电感知设备频域资源分配的基础上进一步减少所述频域搜索资源,针对所述非合作源目标,在原有无线电感知设备频域资源分配的基础上进一步增加所述频域搜索资源。
根据本发明第一方面的方法,所述分布频繁度由分布权重向量来表征,具体包括:
将每个目标的n维频段分布向量和所述感知探测信息拼接成n+1维向量,将m个目标的频段分布向量组成一个特征矩阵,并将所述特征矩阵输入神经网络;
在所述神经网络中,所述特征矩阵首先经过卷积块处理,该卷积块由卷积核大小为3的卷积层和卷积核大小为1的卷积层组成,通过所述卷积块增加所述特征矩阵的通道数,步距为1,采用零填充方式;
随后为三个连续的卷积操作,每个操作阶段由若干通道权重多尺度卷积模块和树状特征融合模块组成;每个阶段的通道权重多尺度卷积模块包括一个卷积核大小为1的卷积层和三个并联的卷积层,三个并联的卷积层的卷积核大小分别为3、5和7,将所述三个并联的卷积层的输出相加后经过卷积核大小为1的卷积层和Relu激活函数;
其中,在所述三个并联的卷积层的第一个卷积层的输入处设置一条支路,该支路对相同的输入进行连续的两层卷积核大小为3的卷积层处理,并且每个卷积层后都接有Relu激活函数;然后对生成的特征矩阵进行全局平均池化操作处理,得到一个维度等于通道数量的向量;再经过softmax函数处理后得到一个权重向量;将所得的权重向量和所述三个并联的卷积层中最后一个卷积层得到的特征矩阵相乘,将相乘结果经BN层和Relu激活函数处理后输出至所述树状特征融合模块;
其中,每个阶段的树状特征融合模块对输入特征矩阵做四个并行的卷积层处理,前两个卷积层的卷积核大小为1和3,后两个卷积层的卷积核大小为1和5,采用填充方式,得到的特征矩阵有相同的尺寸大小;分别将前两层和后两层的卷积输出结果相加,得到两个特征矩阵,再分别经过卷积核大小为3和5的卷积层处理,最后将得到的两个特征矩阵相加,经过BN层和Relu激活函数;设置每个阶段的第一个树状特征融合模块的四个卷积层步距为2,以缩减特征矩阵的长和宽,其他卷积层步距均为1;
将经过所述三个连续的卷积操作后得到的特征矩阵做全局平均池化操作处理,得到维度等于通道数的一维向量,再经过输入维度等于通道数、输出维度等于频段维度n的全连接层处理后,得到最终的一维向量,经softmax函数处理,从而获取每个频段的分布权重向量。
具体地,该方法通过将无线电感知设备接收的目标信号频率、方位、属性、平台信息与有源雷达设备获取的目标距离、方位、高度信息进行关联,生成基于目标静态属性和动态行为的综合重要性程度,从而排定无线电感知设备在时间、空间和频率上的感知资源分配,从而提高多目标条件下的截获概率、跟踪精度和识别时效性,保证高威胁目标能够及时准确的识别。
具体实施例1
统计某段时间内的目标分布特性,生成一个优化的无源全局资源调度方案,具体流程如下:
1)无线电感知设备和有源雷达设备输出目标位置和属性信息;
2)通过有源和无源输出目标的方位、属性等信息进行目标关联;
3)对于未关联的目标,判断有无有源信息,若没有有源信息,则目标加入无源跟踪队列,否则加入无源跟踪队列;
4)对于关联的目标,对目标属性进行标识;
5)判定目标是否为合作源目标,如果是合作源目标则输出,如果是非合作源目标则加入无源确认队列;
6)综合无源确认、跟踪和搜索队列,查看空域是否覆盖整个作战空域,如果没有覆盖,则将对应空域加入无源搜索队列;
7)根据无源确认、跟踪和搜索队列中任务的优先级和资源使用情况,统一调度无源时空频资源,优化搜索、跟踪和确认队列。
时空频三种资源调度过程中,空域资源的优先级最高,优先调度空域资源,时域资源调度的优先级次之,优先满足截止时间优先的任务,下面详细介绍空域、时域和频域内无源传感器的资源调度方法。
a)空域调度
空域调度仅限于无源传感器瞬时无法覆盖全部责任空域,需要转动天线来覆盖不同空域的情形,空域调度的优先级是基于划定好的责任空域,按照每个空域中搜索、跟踪和确认队列的数量来进行编排,搜索、跟踪和确认目标数越多的空域优先调度,也可以根据搜索、跟踪和确认目标的价值(按照任务紧急程度打分)综合来编排空域调度优先级。
b)时域调度
时域调度的前提是搜索、跟踪和确认任务所需的时间不一致,同时搜索任务条件下目标的载频和重频、脉宽等参数未知,跟踪和确认任务条件下目标的载频和重频、脉宽等参数已知,因此可以在搜索任务的间隙按照目标所处的频段进行跟踪和确认任务的编排,以节省传感器时间资源并提升资源利用效率。在宽频段搜索过程中,以特定的周期在特定频段处理跟踪和确认任务,保证目标跟踪和确认的时效性。
c)频域调度
频域调度是基于一定时间间隔(如一周或者一个月),统计得到所有目标的分布频段,然后为了获得较高的目标截获概率,在目标分布频繁的频段分配更多的频域搜索资源。同时通过有源无源的关联确认分辨合作源和非合作源目标,针对合作源目标在原有无源传感器频域资源分配的基础上进一步减少频域搜索资源,对于非合作源目标在原有无源传感器频域资源分配的基础上进一步增加频域搜索资源。具体实施如下:
将每个目标的n维频段分布向量和有源无源信息拼接成一个n+1维向量,将一组数据中m个目标的频段分布向量组成一个特征矩阵后输入给神经网络。
首先经过一个普通的卷积块处理,该卷积块由一个卷积核大小为3的卷积层和卷积核大小为1的卷积层组成,通过其提升特征矩阵的通道数,步距设置为1,采用零填充方式。接下来是三个连续的卷积操作阶段,每个阶段由数个通道权重多尺度卷积块和树状特征融合模块组成。
每个阶段的通道权重多尺度卷积模块的主路线首先是一个卷积核大小为1的卷积层,接着是三个并联的卷积层,卷积核大小分别为3、5和7,最后将三个卷积层的输出相加后再经过一个卷积核大小为1的卷积层和Relu激活函数处理。在第一个卷积层的输入处引出一条支路,该支路对相同的输入进行连续的两层卷积核大小为3的卷积层处理,并且每个卷积层后都接有Relu激活函数,然后对生成的特征矩阵进行全局平均池化操作处理后得到一个维度等于通道数量的向量,再经过softmax函数处理后得到一个权重向量。最后将所得向量和主路线经最后一个卷积层得到的特征矩阵相乘,使权重作用在特征矩阵上,最后将所得结果经一个BN层和Relu激活函数处理后输送给后续模块。
每个阶段的树状特征融合模块对输入特征矩阵做四个并行的卷积层处理,前两个卷积层的卷积核大小设置为1和3,后两个卷积层的卷积核大小设置为1和5,采用填充方式,使得到的特征矩阵有相同的尺寸大小。分别将前两层和后两层的输出结果相加后得到两个特征矩阵,再分别经过卷积核大小为3和5的卷积层处理,最后将得到的两个特征矩阵相加后经过一个BN层和Relu激活函数处理后输出。设置每个阶段中的第一个树状特征融合中根部的四个卷积层步距为2,用来缩减特征矩阵的长和宽,其他卷积层步距均为1。
将经过三个卷积阶段后得到的特征矩阵做全局平均池化操作处理,得到维度等于通道数量的一维向量,再经过一个输入维度等于通道数,输出维度等于频段维度n的全连接层处理后得到一个一维向量,最后经过softmax函数处理得到每个频段的分布权重向量。
具体实施例2
如图1所示,统计某段时间内的目标分布特性,生成一个优化的无源全局资源调度方案,具体流程:
1)无线电感知设备和有源雷达设备输出目标位置和属性信息;
2)通过有源和无源输出目标的方位、属性等信息进行目标关联;
3)对于未关联的目标,判断有无有源信息,若没有有源信息,则目标加入无源跟踪队列,否则加入无源跟踪队列;
4)对于关联的目标,对目标属性进行标识;
5)判定目标是否为合作源目标,如果是合作源目标则输出,如果是非合作源目标则加入无源确认队列;
6)综合无源确认、跟踪和搜索队列,查看空域是否覆盖整个作战空域,如果没有覆盖,则将对应空域加入无源搜索队列;
7)根据无源确认、跟踪和搜索队列中任务的优先级和资源使用情况,统一调度无源时空频资源,优化搜索、跟踪和确认队列。
时空频三种资源调度过程中,空域资源的优先级最高,优先调度空域资源,时域资源调度的优先级次之,优先满足截止时间优先的任务,下面详细介绍空域、时域和频域内无源传感器的资源调度方法。
a)空域调度
如图2所示,空域调度仅限于无源传感器瞬时无法覆盖全部责任空域,需要转动天线来覆盖不同空域的情形,空域调度的优先级是基于划定好的责任空域,按照每个空域中搜索、跟踪和确认队列的数量来进行编排,搜索、跟踪和确认目标数越多的空域优先调度,也可以根据搜索、跟踪和确认目标的价值(按照任务紧急程度打分)综合来编排空域调度优先级。
b)时域调度
如图3所示,时域调度的前提是搜索、跟踪和确认任务所需的时间不一致,同时搜索任务条件下目标的载频和重频、脉宽等参数未知,跟踪和确认任务条件下目标的载频和重频、脉宽等参数已知,因此可以在搜索任务的间隙按照目标所处的频段进行跟踪和确认任务的编排,以节省传感器时间资源并提升资源利用效率。在宽频段搜索过程中,以特定的周期在特定频段处理跟踪和确认任务,保证目标跟踪和确认的时效性。
c)频域调度
如图4所示,频域调度是基于一定时间间隔(如一周或者一个月),统计得到所有目标的分布频段,然后为了获得较高的目标截获概率,在目标分布频繁的频段分配更多的频域搜索资源。同时通过有源无源的关联确认分辨合作源和非合作源目标,针对合作源目标在原有无源传感器频域资源分配的基础上进一步减少频域搜索资源,对于非合作源目标在原有无源传感器频域资源分配的基础上进一步增加频域搜索资源。
本发明第二方面提出一种基于有源无源协同的时空频资源智能调度系统。所述系统包括:
第一处理单元,被配置为:调用无线电感知设备和有源雷达设备分别对感知目标进行感知探测,并分别输出感知探测信息;
其中,所述无线电感知设备输出的感知探测信息为第一目标位置和第一属性信息,所述有源雷达设备输出的感知探测信息为第二目标位置和第二属性信息;
第二处理单元,被配置为:基于所述第一目标位置和第二目标位置之间的关联关系以及所述第一属性信息和所述第二属性信息之间的关联关系,对所述感知目标进行关联;
其中,对于未关联的目标,判断所述未关联的目标是否存在有源信息;若否,则将所述未关联的目标加入无源跟踪队列,若是,则将所述未关联的目标加入无源搜索队列;
其中,对于已关联的目标,对所述已关联的目标的目标属性进行标识,并判断所述已关联的目标是否为合作源目标,若是,则输出所述合作源目标,若否,则将所述已关联的目标加入无源确认队列;
第三处理单元,被配置为:汇总所述无源跟踪队列、所述无源搜索队列和所述无源确认队列,判断当前空域是否覆盖目标空域,若否,将未覆盖的空域加入所述无源搜索队列,直到所述当前空域完全覆盖所述目标空域;
第四处理单元,被配置为:根据所述无源跟踪队列、所述无源搜索队列和所述无源确认队列中各个目标的任务优先级和资源使用情况,统一调度时域资源、空域资源和频域资源,来优化所述无源跟踪队列、所述无源搜索队列和所述无源确认队列;
其中,所述空域资源具有最高优先级,优先调度所述空域资源;所述时域资源调度的优先级次之,所述时域资源优先满足截止时间优先的任务。
根据本发明第二方面的系统,对于所述空域资源的调度,其仅限于无线电感知设备瞬时无法覆盖全部责任空域,并通过转动天线来覆盖不同空域的情况;所述空域资源的调度的优先级为:
基于经划定的责任空域,按照每个空域中所述无源跟踪队列、所述无源搜索队列和所述无源确认队列的数量来进行编排,所述无源跟踪队列、所述无源搜索队列和所述无源确认队列中目标的数量越多,则当前空域资源的调度优先级越高;
或者根据所述无源跟踪队列、所述无源搜索队列和所述无源确认队列中目标的任务紧急程度来确定所述空域资源的调度优先级;
根据本发明第二方面的系统,对于所述时域资源的调度,其仅限于所述无源跟踪队列、所述无源搜索队列和所述无源确认队列中目标的任务所需时间不一致,且所述无源搜索队列中目标的载频、重频和脉宽未知,以及所述无源跟踪队列和所述无源确认队列中目标的载频、重频和脉宽已知的情况;具体包括:
在搜索任务的间隙按照目标所处的频段执行跟踪任务和确认任务的编排;其中,在宽频段搜索过程中,以特定周期在特定频段处理所述跟踪任务和所述确认任务,保持所述跟踪任务和所述确认任务的时效性。
根据本发明第二方面的系统,对于所述频域调度,其基于固定时间间隔统计得到的所有目标的分布频段,在分布频繁度超过阈值的频段优先分配频域搜索资源;同时针对所述合作源目标,在原有无线电感知设备频域资源分配的基础上进一步减少所述频域搜索资源,针对所述非合作源目标,在原有无线电感知设备频域资源分配的基础上进一步增加所述频域搜索资源。
根据本发明第二方面的系统,所述分布频繁度由分布权重向量来表征,具体包括:
将每个目标的n维频段分布向量和所述感知探测信息拼接成n+1维向量,将m个目标的频段分布向量组成一个特征矩阵,并将所述特征矩阵输入神经网络;
在所述神经网络中,所述特征矩阵首先经过卷积块处理,该卷积块由卷积核大小为3的卷积层和卷积核大小为1的卷积层组成,通过所述卷积块增加所述特征矩阵的通道数,步距为1,采用零填充方式;
随后为三个连续的卷积操作,每个操作阶段由若干通道权重多尺度卷积模块和树状特征融合模块组成;每个阶段的通道权重多尺度卷积模块包括一个卷积核大小为1的卷积层和三个并联的卷积层,三个并联的卷积层的卷积核大小分别为3、5和7,将所述三个并联的卷积层的输出相加后经过卷积核大小为1的卷积层和Relu激活函数;
其中,在所述三个并联的卷积层的第一个卷积层的输入处设置一条支路,该支路对相同的输入进行连续的两层卷积核大小为3的卷积层处理,并且每个卷积层后都接有Relu激活函数;然后对生成的特征矩阵进行全局平均池化操作处理,得到一个维度等于通道数量的向量;再经过softmax函数处理后得到一个权重向量;将所得的权重向量和所述三个并联的卷积层中最后一个卷积层得到的特征矩阵相乘,将相乘结果经BN层和Relu激活函数处理后输出至所述树状特征融合模块;
其中,每个阶段的树状特征融合模块对输入特征矩阵做四个并行的卷积层处理,前两个卷积层的卷积核大小为1和3,后两个卷积层的卷积核大小为1和5,采用填充方式,得到的特征矩阵有相同的尺寸大小;分别将前两层和后两层的卷积输出结果相加,得到两个特征矩阵,再分别经过卷积核大小为3和5的卷积层处理,最后将得到的两个特征矩阵相加,经过BN层和Relu激活函数;设置每个阶段的第一个树状特征融合模块的四个卷积层步距为2,以缩减特征矩阵的长和宽,其他卷积层步距均为1;
将经过所述三个连续的卷积操作后得到的特征矩阵做全局平均池化操作处理,得到维度等于通道数的一维向量,再经过输入维度等于通道数、输出维度等于频段维度n的全连接层处理后,得到最终的一维向量,经softmax函数处理,从而获取每个频段的分布权重向量。
本发明第三方面公开了一种电子设备。所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时,实现本公开第一方面所述的一种基于有源无源协同的时空频资源智能调度方法中的步骤。
图5为根据本发明实施例的一种电子设备的结构图,如图5所示,电子设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、近场通信(NFC)或其他技术实现。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该电子设备的输入装置可以是显示屏上覆盖的触摸层,也可以是电子设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本公开的技术方案相关的部分的结构图,并不构成对本申请方案所应用于其上的电子设备的限定,具体的电子设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本发明第四方面公开了一种计算机可读存储介质。所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,实现本公开第一方面所述的一种基于有源无源协同的时空频资源智能调度方法中的步骤。
综上,本发明提出的技术方案通过有源无源传感器探测信息的关联和融合,形成关于目标的频段、距离、高度、方位、属性等信息,克服无线电感知设备缺乏目标距离、真伪辨别能力的弱点,通过丰富无线电感知设备的探测识别信息,用于指导优化无线电感知设备的时空频资源调度,提升无线电感知设备对多目标尤其是高威胁目标的截获概率、跟踪精度和识别时效性。
各类资源调度算法在处理不同任务数情况下的资源利用率和调度成功率有明显差异。在任务数较少时,系统调度产生的资源冲突少,各种调度算法都能顺利完成调度。但是,当同时执行多种任务时,资源竞争加剧,拥有自适应能力的调度算法可以保持对高优先级目标的精密跟踪。有源无源协同的时空频资源自适应调度策略可以根据当前任务及资源分配合理提高资源和时间利用率,高效准确地完成各项任务,并能对系统资源做出合理配置。
由于无线电感知设备缺乏目标的距离和航向信息,因此无法有效准确估计目标的重要性。通过关联有源无源传感器探测信息,可以准确判定目标航路捷径是否小于阈值,航路捷径越小的目标重要性越高。因此,在判定目标重要性的时候,需要一方面根据目标的静态属性来估计,另一方面要根据目标的动态行为来估计,用于充分研判目标的整体重要性,从而更好的调度感知资源进行探测识别。
本发明具有如下有益效果:
1、通过将无线电感知设备侦收的目标信号频率、方位、属性、平台信息与有源雷达设备获取的目标距离、方位、高度信息进行关联,生成基于目标静态属性和动态行为的综合重要性,从而排定无线电感知设备在时间、空间和频率上的感知资源分配。
2、通过生成无源传感器目标的确认、跟踪和搜索队列,形成目标搜索、目标跟踪和目标确认三类任务,在时域、空域和频域上针对这三类任务进行资源调度的优化,有效提升了无源感知资源的利用效率。
3、针对无源搜索任务条件下目标的载频和重频、脉宽等参数未知,跟踪和确认任务条件下目标的载频和重频、脉宽等参数已知的情况,并行编排搜索、跟踪和确认任务,提升了无源时域资源的利用效率。
4、利用有源和无源传感器关联信息分辨目标为合作源和非合作源,并在此基础上优化频域搜索资源的分布,提升了非合作源目标的搜索、跟踪和确认效率。
请注意,以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于有源无源协同的时空频资源智能调度方法,其特征在于,所述方法包括:
步骤S1、无线电感知设备和有源雷达设备分别对感知目标进行感知探测,并分别输出感知探测信息;
其中,所述无线电感知设备输出的感知探测信息为第一目标位置和第一属性信息,所述有源雷达设备输出的感知探测信息为第二目标位置和第二属性信息;
步骤S2、基于所述第一目标位置和第二目标位置之间的关联关系以及所述第一属性信息和所述第二属性信息之间的关联关系,对所述感知目标进行关联;
其中,对于未关联的目标,判断所述未关联的目标是否存在有源信息;若否,则将所述未关联的目标加入无源跟踪队列,若是,则将所述未关联的目标加入无源搜索队列;
其中,对于已关联的目标,对所述已关联的目标的目标属性进行标识,并判断所述已关联的目标是否为合作源目标,若是,则输出所述合作源目标,若否,则将所述已关联的目标加入无源确认队列;
步骤S3、汇总所述无源跟踪队列、所述无源搜索队列和所述无源确认队列,判断当前空域是否覆盖目标空域,若否,将未覆盖的空域加入所述无源搜索队列,直到所述当前空域完全覆盖所述目标空域;
步骤S4、根据所述无源跟踪队列、所述无源搜索队列和所述无源确认队列中各个目标的任务优先级和资源使用情况,统一调度时域资源、空域资源和频域资源,来优化所述无源跟踪队列、所述无源搜索队列和所述无源确认队列;
其中,所述空域资源具有最高优先级,优先调度所述空域资源;所述时域资源调度的优先级次之,所述时域资源优先满足截止时间优先的任务。
2.根据权利要求1所述的一种基于有源无源协同的时空频资源智能调度方法,其特征在于,对于所述空域资源的调度,其仅限于无线电感知设备瞬时无法覆盖全部责任空域,并通过转动天线来覆盖不同空域的情况;所述空域资源的调度的优先级为:
基于经划定的责任空域,按照每个空域中所述无源跟踪队列、所述无源搜索队列和所述无源确认队列的数量来进行编排,所述无源跟踪队列、所述无源搜索队列和所述无源确认队列中目标的数量越多,则当前空域资源的调度优先级越高;
或者根据所述无源跟踪队列、所述无源搜索队列和所述无源确认队列中目标的任务紧急程度来确定空域资源调度优先级。
3.根据权利要求2所述的一种基于有源无源协同的时空频资源智能调度方法,其特征在于,对于所述时域资源的调度,其仅限于所述无源跟踪队列、所述无源搜索队列和所述无源确认队列中目标的任务所需时间不一致,且所述无源搜索队列中目标的载频、重频和脉宽未知,以及所述无源跟踪队列和所述无源确认队列中目标的载频、重频和脉宽已知的情况;具体包括:
在搜索任务的间隙按照目标所处的频段执行跟踪任务和确认任务的编排;其中,在宽频段搜索过程中,以特定周期在特定频段处理所述跟踪任务和所述确认任务,保持所述跟踪任务和所述确认任务的时效性。
4.根据权利要求3所述的一种基于有源无源协同的时空频资源智能调度方法,其特征在于,对于所述频域调度,其基于固定时间间隔统计得到的所有目标的分布频段,在分布频繁度超过阈值的频段优先分配频域搜索资源;同时针对所述合作源目标,在原有无线电感知设备频域资源分配的基础上进一步减少所述频域搜索资源,针对非合作源目标,在原有无线电感知设备频域资源分配的基础上进一步增加所述频域搜索资源。
5.根据权利要求4所述的一种基于有源无源协同的时空频资源智能调度方法,其特征在于,所述分布频繁度由分布权重向量来表征,具体包括:
将每个目标的n维频段分布向量和所述感知探测信息拼接成n+1维向量,将m个目标的频段分布向量组成一个特征矩阵,并将所述特征矩阵输入神经网络;
在所述神经网络中,所述特征矩阵首先经过卷积块处理,该卷积块由卷积核大小为3的卷积层和卷积核大小为1的卷积层组成,通过所述卷积块增加所述特征矩阵的通道数,步距为1,采用零填充方式;
随后为三个连续的卷积操作,每个操作阶段由若干通道权重多尺度卷积模块和树状特征融合模块组成;每个阶段的通道权重多尺度卷积模块包括一个卷积核大小为1的卷积层和三个并联的卷积层,三个并联的卷积层的卷积核大小分别为3、5和7,将所述三个并联的卷积层的输出相加后经过卷积核大小为1的卷积层和Relu激活函数;
其中,在所述三个并联的卷积层的第一个卷积层的输入处设置一条支路,该支路对相同的输入进行连续的两层卷积核大小为3的卷积层处理,并且每个卷积层后都接有Relu激活函数;然后对生成的特征矩阵进行全局平均池化操作处理,得到一个维度等于通道数量的向量;再经过softmax函数处理后得到一个权重向量;将所得的权重向量和所述三个并联的卷积层中最后一个卷积层得到的特征矩阵相乘,将相乘结果经BN层和Relu激活函数处理后输出至所述树状特征融合模块;
其中,每个阶段的树状特征融合模块对输入特征矩阵做四个并行的卷积层处理,前两个卷积层的卷积核大小为1和3,后两个卷积层的卷积核大小为1和5,采用填充方式,得到的特征矩阵有相同的尺寸大小;分别将前两层和后两层的卷积输出结果相加,得到两个特征矩阵,再分别经过卷积核大小为3和5的卷积层处理,最后将得到的两个特征矩阵相加,经过BN层和Relu激活函数;设置每个阶段的第一个树状特征融合模块的四个卷积层步距为2,以缩减特征矩阵的长和宽,其他卷积层步距均为1;
将经过所述三个连续的卷积操作后得到的特征矩阵做全局平均池化操作处理,得到维度等于通道数的一维向量,再经过输入维度等于通道数、输出维度等于频段维度n的全连接层处理后,得到最终的一维向量,经softmax函数处理,从而获取每个频段的分布权重向量。
6.一种基于有源无源协同的时空频资源智能调度系统,其特征在于,所述系统包括:
第一处理单元,被配置为:调用无线电感知设备和有源雷达设备分别对感知目标进行感知探测,并分别输出感知探测信息;
其中,所述无线电感知设备输出的感知探测信息为第一目标位置和第一属性信息,所述有源雷达设备输出的感知探测信息为第二目标位置和第二属性信息;
第二处理单元,被配置为:基于所述第一目标位置和第二目标位置之间的关联关系以及所述第一属性信息和所述第二属性信息之间的关联关系,对所述感知目标进行关联;
其中,对于未关联的目标,判断所述未关联的目标是否存在有源信息;若否,则将所述未关联的目标加入无源跟踪队列,若是,则将所述未关联的目标加入无源搜索队列;
其中,对于已关联的目标,对所述已关联的目标的目标属性进行标识,并判断所述已关联的目标是否为合作源目标,若是,则输出所述合作源目标,若否,则将所述已关联的目标加入无源确认队列;
第三处理单元,被配置为:汇总所述无源跟踪队列、所述无源搜索队列和所述无源确认队列,判断当前空域是否覆盖目标空域,若否,将未覆盖的空域加入所述无源搜索队列,直到所述当前空域完全覆盖所述目标空域;
第四处理单元,被配置为:根据所述无源跟踪队列、所述无源搜索队列和所述无源确认队列中各个目标的任务优先级和资源使用情况,统一调度时域资源、空域资源和频域资源,来优化所述无源跟踪队列、所述无源搜索队列和所述无源确认队列;
其中,所述空域资源具有最高优先级,优先调度所述空域资源;所述时域资源调度的优先级次之,所述时域资源优先满足截止时间优先的任务。
7.根据权利要求6所述的一种基于有源无源协同的时空频资源智能调度系统,其特征在于:
对于所述空域资源的调度,其仅限于无线电感知设备瞬时无法覆盖全部责任空域,并通过转动天线来覆盖不同空域的情况;所述空域资源的调度的优先级为:
基于经划定的责任空域,按照每个空域中所述无源跟踪队列、所述无源搜索队列和所述无源确认队列的数量来进行编排,所述无源跟踪队列、所述无源搜索队列和所述无源确认队列中目标的数量越多,则当前空域资源的调度优先级越高;
或者根据所述无源跟踪队列、所述无源搜索队列和所述无源确认队列中目标的任务紧急程度来确定所述空域资源的调度优先级;
对于所述时域资源的调度,其仅限于所述无源跟踪队列、所述无源搜索队列和所述无源确认队列中目标的任务所需时间不一致,且所述无源搜索队列中目标的载频、重频和脉宽未知,以及所述无源跟踪队列和所述无源确认队列中目标的载频、重频和脉宽已知的情况;具体包括:
在搜索任务的间隙按照目标所处的频段执行跟踪任务和确认任务的编排;其中,在宽频段搜索过程中,以特定周期在特定频段处理所述跟踪任务和所述确认任务,保持所述跟踪任务和所述确认任务的时效性。
8.根据权利要求7所述的一种基于有源无源协同的时空频资源智能调度系统,其特征在于,对于所述频域调度,其基于固定时间间隔统计得到的所有目标的分布频段,在分布频繁度超过阈值的频段优先分配频域搜索资源;同时针对所述合作源目标,在原有无线电感知设备频域资源分配的基础上进一步减少所述频域搜索资源,针对非合作源目标,在原有无线电感知设备频域资源分配的基础上进一步增加所述频域搜索资源;其中:
所述分布频繁度由分布权重向量来表征,具体包括:
将每个目标的n维频段分布向量和所述感知探测信息拼接成n+1维向量,将m个目标的频段分布向量组成一个特征矩阵,并将所述特征矩阵输入神经网络;
在所述神经网络中,所述特征矩阵首先经过卷积块处理,该卷积块由卷积核大小为3的卷积层和卷积核大小为1的卷积层组成,通过所述卷积块增加所述特征矩阵的通道数,步距为1,采用零填充方式;
随后为三个连续的卷积操作,每个操作阶段由若干通道权重多尺度卷积模块和树状特征融合模块组成;每个阶段的通道权重多尺度卷积模块包括一个卷积核大小为1的卷积层和三个并联的卷积层,三个并联的卷积层的卷积核大小分别为3、5和7,将所述三个并联的卷积层的输出相加后经过卷积核大小为1的卷积层和Relu激活函数;
其中,在所述三个并联的卷积层的第一个卷积层的输入处设置一条支路,该支路对相同的输入进行连续的两层卷积核大小为3的卷积层处理,并且每个卷积层后都接有Relu激活函数;然后对生成的特征矩阵进行全局平均池化操作处理,得到一个维度等于通道数量的向量;再经过softmax函数处理后得到一个权重向量;将所得的权重向量和所述三个并联的卷积层中最后一个卷积层得到的特征矩阵相乘,将相乘结果经BN层和Relu激活函数处理后输出至所述树状特征融合模块;
其中,每个阶段的树状特征融合模块对输入特征矩阵做四个并行的卷积层处理,前两个卷积层的卷积核大小为1和3,后两个卷积层的卷积核大小为1和5,采用填充方式,得到的特征矩阵有相同的尺寸大小;分别将前两层和后两层的卷积输出结果相加,得到两个特征矩阵,再分别经过卷积核大小为3和5的卷积层处理,最后将得到的两个特征矩阵相加,经过BN层和Relu激活函数;设置每个阶段的第一个树状特征融合模块的四个卷积层步距为2,以缩减特征矩阵的长和宽,其他卷积层步距均为1;
将经过所述三个连续的卷积操作后得到的特征矩阵做全局平均池化操作处理,得到维度等于通道数的一维向量,再经过输入维度等于通道数、输出维度等于频段维度n的全连接层处理后,得到最终的一维向量,经softmax函数处理,从而获取每个频段的分布权重向量。
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时,实现权利要求1-5任一项所述的一种基于有源无源协同的时空频资源智能调度方法中的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,实现权利要求1-5任一项所述的一种基于有源无源协同的时空频资源智能调度方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310427632.5A CN116506947B (zh) | 2023-04-20 | 2023-04-20 | 一种基于有源无源协同的时空频资源智能调度方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310427632.5A CN116506947B (zh) | 2023-04-20 | 2023-04-20 | 一种基于有源无源协同的时空频资源智能调度方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116506947A CN116506947A (zh) | 2023-07-28 |
CN116506947B true CN116506947B (zh) | 2023-11-10 |
Family
ID=87315978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310427632.5A Active CN116506947B (zh) | 2023-04-20 | 2023-04-20 | 一种基于有源无源协同的时空频资源智能调度方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116506947B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046412A (zh) * | 2015-06-29 | 2015-11-11 | 中国船舶重工集团公司第七二四研究所 | 一种被动相控阵雷达多站联合资源调度与分配方法 |
CN114501346A (zh) * | 2020-11-11 | 2022-05-13 | 华为技术有限公司 | 感知信号传输方法和装置 |
DE102021129811A1 (de) * | 2021-04-30 | 2022-11-03 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein | Computerprogramm, Radarressourcenverwaltungssystem und Verfahren für ein Radarressourcenverwaltungssystem |
CN115618166A (zh) * | 2022-10-18 | 2023-01-17 | 中国电子科技集团公司信息科学研究院 | 一种基于多任务雷达的时间资源调度方法和装置 |
CN115761421A (zh) * | 2022-11-03 | 2023-03-07 | 南京莱斯电子设备有限公司 | 一种多源信息融合低慢小目标探测方法及无人空防系统 |
-
2023
- 2023-04-20 CN CN202310427632.5A patent/CN116506947B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046412A (zh) * | 2015-06-29 | 2015-11-11 | 中国船舶重工集团公司第七二四研究所 | 一种被动相控阵雷达多站联合资源调度与分配方法 |
CN114501346A (zh) * | 2020-11-11 | 2022-05-13 | 华为技术有限公司 | 感知信号传输方法和装置 |
DE102021129811A1 (de) * | 2021-04-30 | 2022-11-03 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein | Computerprogramm, Radarressourcenverwaltungssystem und Verfahren für ein Radarressourcenverwaltungssystem |
CN115618166A (zh) * | 2022-10-18 | 2023-01-17 | 中国电子科技集团公司信息科学研究院 | 一种基于多任务雷达的时间资源调度方法和装置 |
CN115761421A (zh) * | 2022-11-03 | 2023-03-07 | 南京莱斯电子设备有限公司 | 一种多源信息融合低慢小目标探测方法及无人空防系统 |
Non-Patent Citations (2)
Title |
---|
王发龙等.舰载多传感器资源调度系统设计.舰船科学技术.2015,(第04期),全文. * |
舰载多传感器资源调度系统设计;王发龙等;舰船科学技术(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116506947A (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11656910B2 (en) | Data sharing system and data sharing method therefor | |
US20200089535A1 (en) | Data sharing system and data sharing method therefor | |
US20230289562A1 (en) | System and method for adaptive optimization | |
CN113052567A (zh) | 基于智慧政企云服务的大数据分析方法及大数据云平台 | |
CN113918314A (zh) | 任务处理方法、边缘计算设备、计算机设备、介质 | |
CN116467061B (zh) | 一种任务执行的方法、装置、存储介质及电子设备 | |
CN115098257A (zh) | 一种资源调度方法、装置、设备以及存储介质 | |
CN115565047A (zh) | 多任务处理方法、介质及电子设备 | |
CN116506947B (zh) | 一种基于有源无源协同的时空频资源智能调度方法与系统 | |
EP4328802A1 (en) | Deep neural network (dnn) accelerators with heterogeneous tiling | |
US20230073661A1 (en) | Accelerating data load and computation in frontend convolutional layer | |
CN116912483A (zh) | 目标检测方法、电子设备以及存储介质 | |
Kononov et al. | Control of a Complex of Works in Multiprocessor Real-time ACS | |
CN112578354B (zh) | 确定目标物方位角的方法、计算机设备和存储介质 | |
US20230326199A1 (en) | Image recognition method and apparatus based on systolic array, and medium | |
US20230229507A1 (en) | Scheduling computations in deep neural network based on sparsity | |
US20230259467A1 (en) | Direct memory access (dma) engine processing data transfer tasks in parallel | |
Khachumov et al. | Models for periodic task scheduling based on combining data processing cycles to support the onboard navigation and control system of a UAV | |
EP4345690A1 (en) | Write combine buffer (wcb) for deep neural network (dnn) accelerator | |
US20230016455A1 (en) | Decomposing a deconvolution into multiple convolutions | |
CN116192222B (zh) | 面向天线组阵需求的资源调度方法、装置和计算机设备 | |
US20230252299A1 (en) | Detecting and mitigating fault in sparsity computation in deep neural network | |
US20230221994A1 (en) | Dynamic uncompression for channel-separable operation in neural network | |
CN108304343A (zh) | 一种复杂soc的片上通信方法 | |
US20230325665A1 (en) | Sparsity-based reduction of gate switching in deep neural network accelerators |
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 |