CN116718842A - 电磁环境监测空域自适应采样方法、装置及计算机设备 - Google Patents
电磁环境监测空域自适应采样方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN116718842A CN116718842A CN202310634692.4A CN202310634692A CN116718842A CN 116718842 A CN116718842 A CN 116718842A CN 202310634692 A CN202310634692 A CN 202310634692A CN 116718842 A CN116718842 A CN 116718842A
- Authority
- CN
- China
- Prior art keywords
- point
- sampled
- points
- sampling
- evaluation index
- 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.)
- Granted
Links
- 238000005070 sampling Methods 0.000 title claims abstract description 216
- 238000012544 monitoring process Methods 0.000 title claims abstract description 112
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000011156 evaluation Methods 0.000 claims abstract description 89
- 230000005855 radiation Effects 0.000 claims abstract description 36
- 230000008859 change Effects 0.000 claims abstract description 24
- 230000006870 function Effects 0.000 claims description 35
- 238000012360 testing method Methods 0.000 claims description 28
- 230000003044 adaptive effect Effects 0.000 claims description 25
- 238000004891 communication Methods 0.000 claims description 25
- 230000004044 response Effects 0.000 claims description 21
- 239000000853 adhesive Substances 0.000 claims description 13
- 230000001070 adhesive effect Effects 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 230000002776 aggregation Effects 0.000 claims description 6
- 238000004220 aggregation Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 230000005684 electric field Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000012806 monitoring device Methods 0.000 claims description 4
- 230000007480 spreading Effects 0.000 claims 1
- 238000003892 spreading Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 10
- 238000013461 design Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 108010003272 Hyaluronate lyase Proteins 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/08—Measuring electromagnetic field characteristics
- G01R29/0807—Measuring electromagnetic field characteristics characterised by the application
- G01R29/0814—Field measurements related to measuring influence on or from apparatus, components or humans, e.g. in ESD, EMI, EMC, EMP testing, measuring radiation leakage; detecting presence of micro- or radiowave emitters; dosimetry; testing shielding; measurements related to lightning
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/08—Measuring electromagnetic field characteristics
- G01R29/0864—Measuring electromagnetic field characteristics characterised by constructional or functional features
- G01R29/0892—Details related to signal analysis or treatment; presenting results, e.g. displays; measuring specific signal features other than field strength, e.g. polarisation, field modes, phase, envelope, maximum value
-
- 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
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种电磁环境监测空域自适应采样方法、装置及计算机设备,涉及电磁环境监测技术领域。所述方法是先收集位于目标监测区域中的所有已采样点的坐标位置,然后针对各个已采样点,分别得到对应的全局评价指标值及在空间域和在时间域的局部特性评价指标值,并计算得到对应的综合评价指标值,再然后按照综合评价指标值从高至低顺序,从所述所有已采样点中选出至少一个已采样点,最后针对选出的各个已采样点,在对应点附近增加一个新采样点,以便控制基于飞行器的电磁环境监测设备移动到新采样点采集新的电磁环境监测数据,如此可在采样点位置的选择上实现对辐射场数据时空域上稀疏性变化的自适应,即实现在全局特性与局部特性之间的平衡。
Description
技术领域
本发明属于电磁环境监测技术领域,具体涉及一种电磁环境监测空域自适应采样方法、装置及计算机设备。
背景技术
随着无线电技术的快速发展与应用,城市内人口变得越来越密集,各种频率的电气设备被广泛应用于生产及生活的各个领域。电磁信号作为无线电通信的传输媒介,是信息技术发展的根本,同时也是诱发电磁安全问题的根源所在。如果得不到有效的监管与规划,就会危害电磁安全,降低人民生活质量,影响社会稳定,威胁国家安全。因此对重点区域内电磁环境进行实时监测,掌握电磁环境的动态变化情况,以实现对指定区域内的恶意或非法的电磁信号进行预警是十分必要的。
传统地面监测平台受地面路障及无线电波多径效应的影响,存在监测效率低、监测区域范围有限和监测信号干扰大等缺陷。而采用高稳态空中平台如无人机等进行电磁环境监测,则具有监测节点移动速度更快、监测范围更广以及更适合大尺度空间电磁环境监测等优点。由于电磁环境监测的精度与无人机在时间域和空间域上的采样点数量有关,通常采样点越多,电磁环境监测精度就越高,因此无人机的空间位置分布与采样策略就极为重要。传统的且基于无人机的电磁环境数据采样方式大多是在均匀或随机的网格中直接确定位置,即主要考虑的是监测区域的全局覆盖能力,缺乏对电磁环境局部捷变性的关注。
通常,电磁辐射场在全局上会满足一定稀疏性,但是在局部上也有捷变性,而传统的固定式、均匀式或随机式的电磁环境监测空域采样方案难以同时兼顾全局特性和局部特性,导致存在有限采样资源与海量电磁数据实时获取需求的矛盾问题。因此针对在无人机采样过程中辐射场数据在时间域和空间域上的稀疏性变化特征,如何提供一种能够兼顾全局特性和局部特性的电磁环境监测空域自适应采样方案,是本领域技术人员亟需研究的课题。
发明内容
本发明的目的是提供一种电磁环境监测空域自适应采样方法、装置、计算机设备及计算机可读存储介质,用以解决现有电磁环境监测空域采样方案难以同时兼顾全局特性和局部特性,导致存在有限采样资源与海量电磁数据实时获取需求的矛盾问题。
为了实现上述目的,本发明采用以下技术方案:
第一方面,提供了一种电磁环境监测空域自适应采样方法,包括:
收集位于目标监测区域中的所有已采样点的坐标位置;
根据所述所有已采样点的坐标位置,采用Voronoi图法估计所述所有已采样点在所述目标监测区域的空间分布情况,得到在所述所有已采样点中的各个已采样点的Voronoi空间单元;
在所述目标监测区域中生成均匀随机分布的海量测试样本点;
针对所述各个已采样点,根据对应的Voronoi空间单元与所述海量测试样本点的位置关系,统计得到位于对应的Voronoi空间单元内的测试样本点的总数量,并将该总数量作为对应的全局评价指标值;
针对所述各个已采样点,从所述所有已采样点中选取对应的多个邻域采样点,然后拟合一个覆盖对应点以及所述多个邻域采样点的超平面来估计得到对应的梯度,最后根据对应点与在所述多个邻域采样点中的各个邻域采样点之间的梯度响应与对应点局部的线性响应之间的差值来估计得到对应点附近的非线性程度,并将该非线性程度作为对应的且在空间域的局部特性评价指标值;
针对所述各个已采样点,根据最近采集的电磁环境监测数据获取在对应点处的辐射场在最近一段时间内的辐射变化特性E(t),然后利用稀疏基函数对所述辐射变化特性E(t)进行稀疏表示,得到对应的稀疏表达式,最后计算得到在对应的稀疏表达式中展开系数的L0范数,并将该L0范数作为对应的且在时间域的局部特性评价指标值,其中,t表示时间;
针对所述各个已采样点,根据对应的全局评价指标值G、在空间域的局部特性评价指标值L1和在时间域的局部特性评价指标值L2,按照如下公式计算得到对应的综合评价指标值H:
H=h1×G+h2×(L1+L2)
式中,h1和h2分别表示预设的权重系数,并有h1+h2=1;
按照综合评价指标值从高至低顺序,从所述所有已采样点中选出至少一个已采样点;
针对在所述至少一个已采样点中的各个已采样点,在对应点附近增加一个新采样点,以便控制基于飞行器的电磁环境监测设备移动到所述新采样点采集新的电磁环境监测数据。
基于上述发明内容,提供了一种能够兼顾全局特性和局部特性的电磁环境监测空域采样新方案,即在电磁环境监测空域采样过程中,先收集位于目标监测区域中的所有已采样点的坐标位置,然后针对各个已采样点,分别得到对应的全局评价指标值、在空间域的局部特性评价指标值和在时间域的局部特性评价指标值,并计算得到对应的综合评价指标值,再然后按照综合评价指标值从高至低顺序,从所述所有已采样点中选出至少一个已采样点,最后针对在所述至少一个已采样点中的各个已采样点,在对应点附近增加一个新采样点,以便控制基于飞行器的电磁环境监测设备移动到所述新采样点采集新的电磁环境监测数据,如此可在采样点位置的选择上实现对辐射场数据时空域上稀疏性变化的自适应,即实现在全局特性与局部特性之间的平衡,使得在有限的采样点下既不会遗漏需要重点关注区域的信息,又可确保在全局范围上不存在监测盲区,进而在实际测试中可以通过诸如无人机等飞行器的快速移动而不断获取在新位置上的采样数据,便于实际应用和推广。
在一个可能的设计中,针对所述各个已采样点,从所述所有已采样点中选取对应的多个邻域采样点,包括:
针对在所述所有已采样点中的某个已采样点,从所述所有已采样点中选取对应的所有邻域采样点组合,其中,在所述所有邻域采样点组合中的各个邻域采样点组合包括有与所述某个已采样点相邻的多个邻域采样点;
针对所述各个邻域采样点组合,按照如下公式计算得到对应的聚合函数值S:
式中,R表示正轴比,C表示粘聚力函数值,A表示附着力函数值,Q表示在邻域采样点组合中的邻域采样点的总数,Pm表示所述某个已采样点的坐标位置,q表示正整数,Pq表示在邻域采样点组合中的第q个邻域采样点的坐标位置,||||表示求各分量的平方和的开根号的函数,i和j分别表示正整数且取值范围为[1,Q-1],Pqi表示在邻域采样点组合中的且相对于所述第q个邻域采样点而言的第i个其它采样点的坐标位置,Pqj表示在邻域采样点组合中的且相对于所述第q个邻域采样点而言的第j个其它采样点的坐标位置,min()表示求最小值函数;
将具有最高聚合函数值的邻域采样点组合作为所述某个已采样点的且最终选取的多个邻域采样点。
在一个可能的设计中,针对所述各个已采样点,根据对应点与在所述多个邻域采样点中的各个邻域采样点之间的梯度响应与对应点局部的线性响应之间的差值来估计得到对应点附近的非线性程度,并将该非线性程度作为对应的且在空间域的局部特性评价指标值,包括:
针对在所述所有已采样点中的某个已采样点,按照如下公式计算得到对应的且在空间域的局部特性评价指标值L1:
式中,Q表示在所述某个已采样点的多个邻域采样点中的邻域采样点的总数,q表示正整数,Pmq表示在所述某个已采样点的多个邻域采样点中的第q个邻域采样点的坐标位置,u(Pmq)表示与Pmq对应的函数响应值,Pm表示所述某个已采样点的坐标位置,u(Pm)表示在所述某个已采样点处的电场强度幅值,gm表示所述某个已采样点的梯度。
在一个可能的设计中,针对所述各个已采样点,利用稀疏基函数对所述辐射变化特性E(t)进行稀疏表示,得到对应的稀疏表达式,包括:
针对在所述所有已采样点中的某个已采样点,利用一组稀疏基离散傅里叶变换矩阵FN对所述辐射变化特性E(t)进行稀疏表示,得到对应的如下稀疏表达式:
式中,E∈RN,N表示大于等于3的正整数,RN表示N维实数域,FN={f1,f2,…,fn,…,fN}∈CN×N,CN×N表示N×N维复数域,n表示正整数,fn表示在所述稀疏基离散傅里叶变换矩阵FN中的第n个元素,xn表示与所述第n个元素对应的展开系数,x表示展开系数集合。
在一个可能的设计中,针对所述各个已采样点,计算得到在对应的稀疏表达式中展开系数的L0范数,并将该L0范数作为对应的且在时间域的局部特性评价指标值,包括:
针对在所述所有已采样点中的某个已采样点,采用基于L0范数的能量滤波得到软阈值的方式计算得到在对应的稀疏表达式中展开系数的L0范数,并将该L0范数作为对应的且在时间域的局部特性评价指标值。
在一个可能的设计中,按照综合评价指标值从高至低顺序,从所述所有已采样点中选出至少一个已采样点,包括:
根据采样精度需求或者根据采样点数量预设上限值和所述所有已采样点的总数,确定当前采样点需求量W,其中,W表示正整数;
按照综合评价指标值从高至低顺序,从所述所有已采样点中选出W个已采样点。
在一个可能的设计中,在针对在所述至少一个已采样点中的各个已采样点,在对应点附近增加一个新采样点之后,所述方法还包括:
判断所述所有已采样点的总数与所述新采样点的总数之和是否已满足采样精度需求或者达到采样点数量预设上限值;
若是,则停止采样点迭代更新,否则在所述电磁环境监测设备移动到各个所述新采样点并完成数据采集后,返回执行用于收集所有已采样点的坐标位置的步骤,以便再进行一次采样点迭代更新。
第二方面,提供了一种电磁环境监测空域自适应采样装置,包括有坐标位置收集模块、空间单元估计模块、样本点生成模块、全局指标获取模块、第一局部指标获取模块、第二局部指标获取模块、综合指标计算模块、采样点选取模块和新采样点增加模块;
所述坐标位置收集模块,用于收集位于目标监测区域中的所有已采样点的坐标位置;
所述空间单元估计模块,通信连接所述坐标位置收集模块,用于根据所述所有已采样点的坐标位置,采用Voronoi图法估计所述所有已采样点在所述目标监测区域的空间分布情况,得到在所述所有已采样点中的各个已采样点的Voronoi空间单元;
所述样本点生成模块,用于在所述目标监测区域中生成均匀随机分布的海量测试样本点;
所述全局指标获取模块,分别通信连接所述空间单元估计模块和所述样本点生成模块,用于针对所述各个已采样点,根据对应的Voronoi空间单元与所述海量测试样本点的位置关系,统计得到位于对应的Voronoi空间单元内的测试样本点的总数量,并将该总数量作为对应的全局评价指标值;
所述第一局部指标获取模块,通信连接所述坐标位置收集模块,用于针对所述各个已采样点,从所述所有已采样点中选取对应的多个邻域采样点,然后拟合一个覆盖对应点以及所述多个邻域采样点的超平面来估计得到对应的梯度,最后根据对应点与在所述多个邻域采样点中的各个邻域采样点之间的梯度响应与对应点局部的线性响应之间的差值来估计得到对应点附近的非线性程度,并将该非线性程度作为对应的且在空间域的局部特性评价指标值;
所述第二局部指标获取模块,通信连接所述坐标位置收集模块,用于针对所述各个已采样点,根据最近采集的电磁环境监测数据获取在对应点处的辐射场在最近一段时间内的辐射变化特性E(t),然后利用稀疏基函数对所述辐射变化特性E(t)进行稀疏表示,得到对应的稀疏表达式,最后计算得到在对应的稀疏表达式中展开系数的L0范数,并将该L0范数作为对应的且在时间域的局部特性评价指标值,其中,t表示时间;
所述综合指标计算模块,分别通信连接所述全局指标获取模块、所述第一局部指标获取模块和所述第二局部指标获取模块,用于针对所述各个已采样点,根据对应的全局评价指标值G、在空间域的局部特性评价指标值L1和在时间域的局部特性评价指标值L2,按照如下公式计算得到对应的综合评价指标值H:
H=h1×G+h2×(L1+L2)
式中,h1和h2分别表示预设的权重系数,并有h1+h2=1;
所述采样点选取模块,通信连接所述综合指标计算模块,用于按照综合评价指标值从高至低顺序,从所述所有已采样点中选出至少一个已采样点;
所述新采样点增加模块,通信连接所述采样点选取模块,用于针对在所述至少一个已采样点中的各个已采样点,在对应点附近增加一个新采样点,以便控制基于飞行器的电磁环境监测设备移动到所述新采样点采集新的电磁环境监测数据。
第三方面,本发明提供了一种计算机设备,包括有依次通信连接的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如第一方面或第一方面中任意可能设计所述的电磁环境监测空域自适应采样方法。
第四方面,本发明提供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指令,当所述指令在计算机上运行时,执行如第一方面或第一方面中任意可能设计所述的电磁环境监测空域自适应采样方法。
第五方面,本发明提供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如第一方面或第一方面中任意可能设计所述的电磁环境监测空域自适应采样方法。
上述方案的有益效果:
(1)本发明创造性提供了一种能够兼顾全局特性和局部特性的电磁环境监测空域采样新方案,即在电磁环境监测空域采样过程中,先收集位于目标监测区域中的所有已采样点的坐标位置,然后针对各个已采样点,分别得到对应的全局评价指标值、在空间域的局部特性评价指标值和在时间域的局部特性评价指标值,并计算得到对应的综合评价指标值,再然后按照综合评价指标值从高至低顺序,从所述所有已采样点中选出至少一个已采样点,最后针对在所述至少一个已采样点中的各个已采样点,在对应点附近增加一个新采样点,以便控制基于飞行器的电磁环境监测设备移动到所述新采样点采集新的电磁环境监测数据,如此可在采样点位置的选择上实现对辐射场数据时空域上稀疏性变化的自适应,即实现在全局特性与局部特性之间的平衡,使得在有限的采样点下既不会遗漏需要重点关注区域的信息,又可确保在全局范围上不存在监测盲区,进而在实际测试中可以通过诸如无人机等飞行器的快速移动而不断获取在新位置上的采样数据;
(2)由于空域采样点的位置不是预先固定的,而是通过构建兼顾时空域上稀疏性和捷变性的综合评价指数,边采样边评估,形成动态自适应采样的过程,因此可在信号变化平缓的地方减少采样点,而在信号发生捷变的地方增加采样点,提高采样效率和精度,便于实际应用和推广。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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他的附图。
图1为本申请实施例提供的电磁环境监测空域自适应采样方法的流程示意图。
图2为本申请实施例提供的Voronoi图形结构的示例图。
图3为本申请实施例提供的电磁环境监测空域自适应采样装置的结构示意图。
图4为本申请实施例提供的计算机设备的结构示意图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将结合附图和实施例或现有技术的描述对本发明作简单地介绍,显而易见地,下面关于附图结构的描述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他的附图。在此需要说明的是,对于这些实施例方式的说明用于帮助理解本发明,但并不构成对本发明的限定。
应当理解,尽管本文可能使用术语第一和第二等等来描述各种对象,但是这些对象不应当受到这些术语的限制。这些术语仅用于区分一个对象和另一个对象。例如可以将第一对象称作第二对象,并且类似地可以将第二对象称作第一对象,同时不脱离本发明的示例实施例的范围。
应当理解,对于本文中可能出现的术语“和/或”,其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、单独存在B或者同时存在A和B等三种情况;又例如,A、B和/或C,可以表示存在A、B和C中的任意一种或他们的任意组合;对于本文中可能出现的术语“/和”,其是描述另一种关联对象关系,表示可以存在两种关系,例如,A/和B,可以表示:单独存在A或者同时存在A和B等两种情况;另外,对于本文中可能出现的字符“/”,一般表示前后关联对象是一种“或”关系。
实施例:
如图1所示,本实施例第一方面提供的所述电磁环境监测空域自适应采样方法,可以但不限于由具有一定计算资源的且通信连接基于诸如无人机等飞行器的电磁环境监测设备的计算机设备执行,例如由地面站控制设备或机载计算机设备等电子设备执行。如图1所示,所述电磁环境监测空域自适应采样方法,可以但不限于包括有如下步骤S1~S9。
S1.收集位于目标监测区域中的所有已采样点的坐标位置。
在所述步骤S1中,所述目标监测区域即为需要进行电磁环境监测的目标区域。所述已采样点是指已完成电磁环境监测数据采集任务的采样点,具体在初始化时,可选取所述目标监测区域的且位于平面二维空间的对角线上的两个点分别作为初始化已采样点。此外,在初始化时,还可通过常规的数值仿真方式得到所述初始化已采样点的电磁环境监测数据,例如包括但不限于得到所述初始化已采样点的电场强度幅度值u(P(k=0))=|E(P(k=0))|,其中,k表示采样点迭代更新次数,P(k=0)表示所述初始化已采样点的坐标位置,E(P(k=0))表示在所述初始化已采样点处的辐射场。
S2.根据所述所有已采样点的坐标位置,采用Voronoi图法估计所述所有已采样点在所述目标监测区域的空间分布情况,得到在所述所有已采样点中的各个已采样点的Voronoi空间单元。
在所述步骤S2中,Voronoi图又叫泰森多边形或Dirichlet图,它是由一组基于连接两邻点直线垂直平分线组成的连续多边形组成,如图2所示。所述Voronoi图法是对空间的一种现有离散剖分方式,其特点是多边形内的任何位置离该多边形的采样点距离最近,Voronoi空间单元的尺寸越大的区域代表当前区域采样点分布较为稀疏。设在d维空间上的已采样点集合为其中,/>表示在经历了k次采样点迭代更新后在空间域中存在的第m个已采样点的坐标位置,并且有R表示实数域,M表示正整数。以所述第m个已采样点的坐标位置/>为中心的Voronoi空间单元可用/>表示,其定义为空间中所有点到所述第m个已采样点的距离小于到其它采样点距离的点的集合。因此基于现有的所述Voronoi图法,可以估计得到所述各个已采样点的Voronoi空间单元。
S3.在所述目标监测区域中生成均匀随机分布的海量测试样本点。
在所述步骤S3中,具体可以但不限于采用蒙特卡洛统计法在所述目标监测区域中生成均匀随机分布的海量测试样本点。所述蒙特卡洛统计法(又称统计试验法)是描述装备运用过程中各种随机现象的基本方法,而且它特别适用于一些解析法难以求解甚至不可能求解的问题,因而可以利用它实现在所述目标监测区域中生成均匀随机分布的海量测试样本点(其中的海量是指远远大于所有已采样点的总数)的目的。
S4.针对所述各个已采样点,根据对应的Voronoi空间单元与所述海量测试样本点的位置关系,统计得到位于对应的Voronoi空间单元内的测试样本点的总数量,并将该总数量作为对应的全局评价指标值。
在所述步骤S4中,具体的,可先根据在所述海量测试样本点中的各个测试样本点的坐标位置和所述各个已采样点的坐标位置,计算得到所述各个测试样本点与所述各个已采样点的距离,然后根据距离计算结果将所述各个测试样本点分配给离它最近的已采样点,最后针对所述各个已采样点,累加对应的且分配而来的测试样本点的总数量,即可得到对应的全局评价指标值。
S5.针对所述各个已采样点,从所述所有已采样点中选取对应的多个邻域采样点,然后拟合一个覆盖对应点以及所述多个邻域采样点的超平面来估计得到对应的梯度,最后根据对应点与在所述多个邻域采样点中的各个邻域采样点之间的梯度响应与对应点局部的线性响应之间的差值来估计得到对应点附近的非线性程度,并将该非线性程度作为对应的且在空间域的局部特性评价指标值。
在所述步骤S5中,本步骤主要思路是通过已采样点的所获取数据梯度的估计,来衡量辐射场的局部非线性大小,即首先是针对所述各个已采样点选择合适的且对应的多个邻域采样点,其中,理想的邻域采样点不但要离对应的已采样点足够近,还需要平均地覆盖对应的已采样点的各个方向,从而提供尽可能多的关于函数对应的已采样点附近的信息。理想邻域需要满足两个要求:粘聚力和附着力,其中,所述粘聚力是指邻域采样点要离对应的已采样点足够近,可以通过计算所有邻域采样点到对应的已采样点的平均距离来衡量,而所述附着力是指在邻域采样点之间相互的间隔距离要离得足够远,可以通过计算邻域采样点之间最短距离的平均值来衡量。如此可以把选择邻域采样点的问题转化成为一个多目标优化问题,即把粘聚力函数最小化,同时把附着力函数最大化,故而优选的,针对所述各个已采样点,从所述所有已采样点中选取对应的多个邻域采样点,包括但不限于有如下步骤S51~S53。
S51.针对在所述所有已采样点中的某个已采样点,从所述所有已采样点中选取对应的所有邻域采样点组合,其中,在所述所有邻域采样点组合中的各个邻域采样点组合包括有与所述某个已采样点相邻的多个邻域采样点。
在所述步骤S51中,所述所有邻域采样点组合可以通过常规的排列组合知识具体得到。
S52.针对所述各个邻域采样点组合,按照如下公式计算得到对应的聚合函数值S:
式中,R表示正轴比,C表示粘聚力函数值,A表示附着力函数值,Q表示在邻域采样点组合中的邻域采样点的总数,Pm表示所述某个已采样点的坐标位置,q表示正整数,Pq表示在邻域采样点组合中的第q个邻域采样点的坐标位置,||||表示求各分量的平方和的开根号的函数,i和j分别表示正整数且取值范围为[1,Q-1],Pqi表示在邻域采样点组合中的且相对于所述第q个邻域采样点而言的第i个其它采样点的坐标位置,Pqj表示在邻域采样点组合中的且相对于所述第q个邻域采样点而言的第j个其它采样点的坐标位置,min()表示求最小值函数。
在所述步骤S52中,由于最理想的邻域采样点分布情况是当所有邻域采样点构成了一个正轴形,因此当正轴比R=1时,代表所有邻域采样点构成了一个正轴形;而当正轴比R=0时,代表所有邻域采样点在重合于同一个位置。
S53.将具有最高聚合函数值的邻域采样点组合作为所述某个已采样点的且最终选取的多个邻域采样点。
在所述步骤S5中,具体的,针对所述各个已采样点,根据对应点与在所述多个邻域采样点中的各个邻域采样点之间的梯度响应与对应点局部的线性响应之间的差值来估计得到对应点附近的非线性程度,并将该非线性程度作为对应的且在空间域的局部特性评价指标值,包括但不限于有:针对在所述所有已采样点中的某个已采样点,按照如下公式计算得到对应的且在空间域的局部特性评价指标值L1:
式中,Q表示在所述某个已采样点的多个邻域采样点中的邻域采样点的总数,q表示正整数,Pmq表示在所述某个已采样点的多个邻域采样点中的第q个邻域采样点的坐标位置,u(Pmq)表示与Pmq对应的函数响应值,Pm表示所述某个已采样点的坐标位置,u(Pm)表示在所述某个已采样点处的电场强度幅值,gm表示所述某个已采样点的梯度。
S6.针对所述各个已采样点,根据最近采集的电磁环境监测数据获取在对应点处的辐射场在最近一段时间内的辐射变化特性E(t),然后利用稀疏基函数对所述辐射变化特性E(t)进行稀疏表示,得到对应的稀疏表达式,最后计算得到在对应的稀疏表达式中展开系数的L0范数,并将该L0范数作为对应的且在时间域的局部特性评价指标值,其中,t表示时间。
在所述步骤S6中,所述辐射变化特性E(t)的具体获取方式为现有技术,于此不再赘述。由于所述辐射变化特性E(t)在时间域上是不稀疏的,因此需要利用稀疏基函数对所述辐射变化特性E(t)进行稀疏表示,具体的,针对所述各个已采样点,利用稀疏基函数对所述辐射变化特性E(t)进行稀疏表示,得到对应的稀疏表达式,包括但不限于有:针对在所述所有已采样点中的某个已采样点,利用一组稀疏基离散傅里叶变换(Discrete FourierTransform,DFT)矩阵FN(其为现有矩阵)对所述辐射变化特性E(t)进行稀疏表示,得到对应的如下稀疏表达式:
式中,E∈RN,N表示大于等于3的正整数,RN表示N维实数域,FN={f1,f2,…,fn,…,fN}∈CN×N,CN×N表示N×N维复数域,n表示正整数,fn表示在所述稀疏基离散傅里叶变换矩阵FN中的第n个元素,xn表示与所述第n个元素对应的展开系数,x表示展开系数集合。
在所述步骤S6中,xn也称基函数,并且有在所述稀疏表达式中,x存在S(S<<N)个非零展开系数,E在FN域是S稀疏的。可以抛弃较小的展开系数,只需要保留部分大系数的幅度和位置,并将其它展开系数置为零,用S个非零展开系数将信号近似完整的还原:
即ES=Fn×XS,ES∈RN。
在所述步骤S6中,即是用展开系数的L0范数来表示所述辐射变化特性E(t)的稀疏度:S=||X||0。具体的,针对所述各个已采样点,计算得到在对应的稀疏表达式中展开系数的L0范数,并将该L0范数作为对应的且在时间域的局部特性评价指标值,包括但不限于有:针对在所述所有已采样点中的某个已采样点,采用基于L0范数的能量滤波得到软阈值的方式计算得到在对应的稀疏表达式中展开系数的L0范数,并将该L0范数作为对应的且在时间域的局部特性评价指标值。即是先设置一个对原始信号的表示不会有很大的影响的阈值χ来判断该系数是否可以舍去,然后根据预期的估计误差去逐次对展开系数x进行高通滤波保留较大的展开系数,最后得到在时间域的局部特性评价指标值。前述稀疏表示的相对估计误差定义如下:即由于FN是单位正交基,所以||E-ES||2=||X-XS||2,因此有/>
S7.针对所述各个已采样点,根据对应的全局评价指标值G、在空间域的局部特性评价指标值L1和在时间域的局部特性评价指标值L2,按照如下公式计算得到对应的综合评价指标值H:
H=h1×G+h2×(L1+L2)
式中,h1和h2分别表示预设的权重系数,并有h1+h2=1。
在所述步骤S7中,权重系数h1可以举例为0.618,而权重系数h2可以举例为0.382。
S8.按照综合评价指标值从高至低顺序,从所述所有已采样点中选出至少一个已采样点。
在所述步骤S8中,具体包括但不限于有:先根据采样精度需求或者根据采样点数量预设上限值和所述所有已采样点的总数,确定当前采样点需求量W,其中,W表示正整数;然后按照综合评价指标值从高至低顺序,从所述所有已采样点中选出W个已采样点。举例的,前述当前采样点需求量W等于所述采样点数量预设上限值减去所述所有已采样点的总数。
S9.针对在所述至少一个已采样点中的各个已采样点,在对应点附近增加一个新采样点,以便控制基于飞行器的电磁环境监测设备移动到所述新采样点采集新的电磁环境监测数据。
在所述步骤S9中,具体可在已采样点的Voronoi空间单元内随机增加一个新采样点。此外,优选的,在针对在所述至少一个已采样点中的各个已采样点,在对应点附近增加一个新采样点之后,所述方法还包括但不限于有:判断所述所有已采样点的总数与所述新采样点的总数之和是否已满足采样精度需求或者达到采样点数量预设上限值;若是,则停止采样点迭代更新,否则在所述电磁环境监测设备移动到各个所述新采样点并完成数据采集后,返回执行用于收集所有已采样点的坐标位置的步骤(即步骤S1),以便再进行一次采样点迭代更新(即重新执行步骤S1~S9)。
由此基于前述步骤S1~S9所描述的电磁环境监测空域自适应采样方法,提供了一种能够兼顾全局特性和局部特性的电磁环境监测空域采样新方案,即在电磁环境监测空域采样过程中,先收集位于目标监测区域中的所有已采样点的坐标位置,然后针对各个已采样点,分别得到对应的全局评价指标值、在空间域的局部特性评价指标值和在时间域的局部特性评价指标值,并计算得到对应的综合评价指标值,再然后按照综合评价指标值从高至低顺序,从所述所有已采样点中选出至少一个已采样点,最后针对在所述至少一个已采样点中的各个已采样点,在对应点附近增加一个新采样点,以便控制基于飞行器的电磁环境监测设备移动到所述新采样点采集新的电磁环境监测数据,如此可在采样点位置的选择上实现对辐射场数据时空域上稀疏性变化的自适应,即实现在全局特性与局部特性之间的平衡,使得在有限的采样点下既不会遗漏需要重点关注区域的信息,又可确保在全局范围上不存在监测盲区,进而在实际测试中可以通过诸如无人机等飞行器的快速移动而不断获取在新位置上的采样数据。此外,由于空域采样点的位置不是预先固定的,而是通过构建兼顾时空域上稀疏性和捷变性的综合评价指数,边采样边评估,形成动态自适应采样的过程,因此可在信号变化平缓的地方减少采样点,而在信号发生捷变的地方增加采样点,提高采样效率和精度,便于实际应用和推广。
如图3所示,本实施例第二方面提供了一种实现第一方面所述的电磁环境监测空域自适应采样方法的虚拟装置,包括有坐标位置收集模块、空间单元估计模块、样本点生成模块、全局指标获取模块、第一局部指标获取模块、第二局部指标获取模块、综合指标计算模块、采样点选取模块和新采样点增加模块;
所述坐标位置收集模块,用于收集位于目标监测区域中的所有已采样点的坐标位置;
所述空间单元估计模块,通信连接所述坐标位置收集模块,用于根据所述所有已采样点的坐标位置,采用Voronoi图法估计所述所有已采样点在所述目标监测区域的空间分布情况,得到在所述所有已采样点中的各个已采样点的Voronoi空间单元;
所述样本点生成模块,用于在所述目标监测区域中生成均匀随机分布的海量测试样本点;
所述全局指标获取模块,分别通信连接所述空间单元估计模块和所述样本点生成模块,用于针对所述各个已采样点,根据对应的Voronoi空间单元与所述海量测试样本点的位置关系,统计得到位于对应的Voronoi空间单元内的测试样本点的总数量,并将该总数量作为对应的全局评价指标值;
所述第一局部指标获取模块,通信连接所述坐标位置收集模块,用于针对所述各个已采样点,从所述所有已采样点中选取对应的多个邻域采样点,然后拟合一个覆盖对应点以及所述多个邻域采样点的超平面来估计得到对应的梯度,最后根据对应点与在所述多个邻域采样点中的各个邻域采样点之间的梯度响应与对应点局部的线性响应之间的差值来估计得到对应点附近的非线性程度,并将该非线性程度作为对应的且在空间域的局部特性评价指标值;
所述第二局部指标获取模块,通信连接所述坐标位置收集模块,用于针对所述各个已采样点,根据最近采集的电磁环境监测数据获取在对应点处的辐射场在最近一段时间内的辐射变化特性E(t),然后利用稀疏基函数对所述辐射变化特性E(t)进行稀疏表示,得到对应的稀疏表达式,最后计算得到在对应的稀疏表达式中展开系数的L0范数,并将该L0范数作为对应的且在时间域的局部特性评价指标值,其中,t表示时间;
所述综合指标计算模块,分别通信连接所述全局指标获取模块、所述第一局部指标获取模块和所述第二局部指标获取模块,用于针对所述各个已采样点,根据对应的全局评价指标值G、在空间域的局部特性评价指标值L1和在时间域的局部特性评价指标值L2,按照如下公式计算得到对应的综合评价指标值H:
H=h1×G+h2×(L1+L2)
式中,h1和h2分别表示预设的权重系数,并有h1+h2=1;
所述采样点选取模块,通信连接所述综合指标计算模块,用于按照综合评价指标值从高至低顺序,从所述所有已采样点中选出至少一个已采样点;
所述新采样点增加模块,通信连接所述采样点选取模块,用于针对在所述至少一个已采样点中的各个已采样点,在对应点附近增加一个新采样点,以便控制基于飞行器的电磁环境监测设备移动到所述新采样点采集新的电磁环境监测数据。
本实施例第二方面提供的前述装置的工作过程、工作细节和技术效果,可以参见第一方面所述的电磁环境监测空域自适应采样方法,于此不再赘述。
如图4所示,本实施例第三方面提供了一种执行如第一方面所述的电磁环境监测空域自适应采样方法的计算机设备,包括有依次通信连接的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如第一方面所述的电磁环境监测空域自适应采样方法。具体举例的,所述存储器可以但不限于包括随机存取存储器(Random-Access Memory,RAM)、只读存储器(Read-Only Memory,ROM)、闪存(Flash Memory)、先进先出存储器(First Input FirstOutput,FIFO)和/或先进后出存储器(First Input Last Output,FILO)等等;所述处理器可以但不限于采用型号为STM32F105系列的微处理器。此外,所述计算机设备还可以但不限于包括有电源模块、显示屏和其它必要的部件。
本实施例第三方面提供的前述计算机设备的工作过程、工作细节和技术效果,可以参见第一方面所述的电磁环境监测空域自适应采样方法,于此不再赘述。
本实施例第四方面提供了一种存储包含如第一方面所述的电磁环境监测空域自适应采样方法的指令的计算机可读存储介质,即所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如第一方面所述的电磁环境监测空域自适应采样方法。其中,所述计算机可读存储介质是指存储数据的载体,可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等计算机可读存储介质,所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程装置。
本实施例第四方面提供的前述计算机可读存储介质的工作过程、工作细节和技术效果,可以参见如第一方面所述的电磁环境监测空域自适应采样方法,于此不再赘述。
本实施例第五方面提供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如第一方面所述的电磁环境监测空域自适应采样方法。其中,所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程装置。
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的保护范围。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 (10)
1.一种电磁环境监测空域自适应采样方法,其特征在于,包括:
收集位于目标监测区域中的所有已采样点的坐标位置;
根据所述所有已采样点的坐标位置,采用Voronoi图法估计所述所有已采样点在所述目标监测区域的空间分布情况,得到在所述所有已采样点中的各个已采样点的Voronoi空间单元;
在所述目标监测区域中生成均匀随机分布的海量测试样本点;
针对所述各个已采样点,根据对应的Voronoi空间单元与所述海量测试样本点的位置关系,统计得到位于对应的Voronoi空间单元内的测试样本点的总数量,并将该总数量作为对应的全局评价指标值;
针对所述各个已采样点,从所述所有已采样点中选取对应的多个邻域采样点,然后拟合一个覆盖对应点以及所述多个邻域采样点的超平面来估计得到对应的梯度,最后根据对应点与在所述多个邻域采样点中的各个邻域采样点之间的梯度响应与对应点局部的线性响应之间的差值来估计得到对应点附近的非线性程度,并将该非线性程度作为对应的且在空间域的局部特性评价指标值;
针对所述各个已采样点,根据最近采集的电磁环境监测数据获取在对应点处的辐射场在最近一段时间内的辐射变化特性E(t),然后利用稀疏基函数对所述辐射变化特性E(t)进行稀疏表示,得到对应的稀疏表达式,最后计算得到在对应的稀疏表达式中展开系数的L0范数,并将该L0范数作为对应的且在时间域的局部特性评价指标值,其中,t表示时间;
针对所述各个已采样点,根据对应的全局评价指标值G、在空间域的局部特性评价指标值L1和在时间域的局部特性评价指标值L2,按照如下公式计算得到对应的综合评价指标值H:
H=h1×G+h2×(L1+L2)
式中,h1和h2分别表示预设的权重系数,并有h1+h2=1;
按照综合评价指标值从高至低顺序,从所述所有已采样点中选出至少一个已采样点;
针对在所述至少一个已采样点中的各个已采样点,在对应点附近增加一个新采样点,以便控制基于飞行器的电磁环境监测设备移动到所述新采样点采集新的电磁环境监测数据。
2.根据权利要求1所述的电磁环境监测空域自适应采样方法,其特征在于,针对所述各个已采样点,从所述所有已采样点中选取对应的多个邻域采样点,包括:
针对在所述所有已采样点中的某个已采样点,从所述所有已采样点中选取对应的所有邻域采样点组合,其中,在所述所有邻域采样点组合中的各个邻域采样点组合包括有与所述某个已采样点相邻的多个邻域采样点;
针对所述各个邻域采样点组合,按照如下公式计算得到对应的聚合函数值S:
式中,R表示正轴比,C表示粘聚力函数值,A表示附着力函数值,Q表示在邻域采样点组合中的邻域采样点的总数,Pm表示所述某个已采样点的坐标位置,q表示正整数,Pq表示在邻域采样点组合中的第q个邻域采样点的坐标位置,||||表示求各分量的平方和的开根号的函数,i和j分别表示正整数且取值范围为[1,Q-1],Pqi表示在邻域采样点组合中的且相对于所述第q个邻域采样点而言的第i个其它采样点的坐标位置,Pqj表示在邻域采样点组合中的且相对于所述第q个邻域采样点而言的第j个其它采样点的坐标位置,min()表示求最小值函数;
将具有最高聚合函数值的邻域采样点组合作为所述某个已采样点的且最终选取的多个邻域采样点。
3.根据权利要求1所述的电磁环境监测空域自适应采样方法,其特征在于,针对所述各个已采样点,根据对应点与在所述多个邻域采样点中的各个邻域采样点之间的梯度响应与对应点局部的线性响应之间的差值来估计得到对应点附近的非线性程度,并将该非线性程度作为对应的且在空间域的局部特性评价指标值,包括:
针对在所述所有已采样点中的某个已采样点,按照如下公式计算得到对应的且在空间域的局部特性评价指标值L1:
式中,Q表示在所述某个已采样点的多个邻域采样点中的邻域采样点的总数,q表示正整数,Pmq表示在所述某个已采样点的多个邻域采样点中的第q个邻域采样点的坐标位置,u(Pmq)表示与Pmq对应的函数响应值,Pm表示所述某个已采样点的坐标位置,u(Pm)表示在所述某个已采样点处的电场强度幅值,gm表示所述某个已采样点的梯度。
4.根据权利要求1所述的电磁环境监测空域自适应采样方法,其特征在于,针对所述各个已采样点,利用稀疏基函数对所述辐射变化特性E(t)进行稀疏表示,得到对应的稀疏表达式,包括:
针对在所述所有已采样点中的某个已采样点,利用一组稀疏基离散傅里叶变换矩阵FN对所述辐射变化特性E(t)进行稀疏表示,得到对应的如下稀疏表达式:
式中,E∈RN,N表示大于等于3的正整数,RN表示N维实数域,FN={f1,f2,…,fn,…,fN}∈CN×N,CN×N表示N×N维复数域,n表示正整数,fn表示在所述稀疏基离散傅里叶变换矩阵FN中的第n个元素,xn表示与所述第n个元素对应的展开系数,x表示展开系数集合。
5.根据权利要求1所述的电磁环境监测空域自适应采样方法,其特征在于,针对所述各个已采样点,计算得到在对应的稀疏表达式中展开系数的L0范数,并将该L0范数作为对应的且在时间域的局部特性评价指标值,包括:
针对在所述所有已采样点中的某个已采样点,采用基于L0范数的能量滤波得到软阈值的方式计算得到在对应的稀疏表达式中展开系数的L0范数,并将该L0范数作为对应的且在时间域的局部特性评价指标值。
6.根据权利要求1所述的电磁环境监测空域自适应采样方法,其特征在于,按照综合评价指标值从高至低顺序,从所述所有已采样点中选出至少一个已采样点,包括:
根据采样精度需求或者根据采样点数量预设上限值和所述所有已采样点的总数,确定当前采样点需求量W,其中,W表示正整数;
按照综合评价指标值从高至低顺序,从所述所有已采样点中选出W个已采样点。
7.根据权利要求1所述的电磁环境监测空域自适应采样方法,其特征在于,在针对在所述至少一个已采样点中的各个已采样点,在对应点附近增加一个新采样点之后,所述方法还包括:
判断所述所有已采样点的总数与所述新采样点的总数之和是否已满足采样精度需求或者达到采样点数量预设上限值;
若是,则停止采样点迭代更新,否则在所述电磁环境监测设备移动到各个所述新采样点并完成数据采集后,返回执行用于收集所有已采样点的坐标位置的步骤,以便再进行一次采样点迭代更新。
8.一种电磁环境监测空域自适应采样装置,其特征在于,包括有坐标位置收集模块、空间单元估计模块、样本点生成模块、全局指标获取模块、第一局部指标获取模块、第二局部指标获取模块、综合指标计算模块、采样点选取模块和新采样点增加模块;
所述坐标位置收集模块,用于收集位于目标监测区域中的所有已采样点的坐标位置;
所述空间单元估计模块,通信连接所述坐标位置收集模块,用于根据所述所有已采样点的坐标位置,采用Voronoi图法估计所述所有已采样点在所述目标监测区域的空间分布情况,得到在所述所有已采样点中的各个已采样点的Voronoi空间单元;
所述样本点生成模块,用于在所述目标监测区域中生成均匀随机分布的海量测试样本点;
所述全局指标获取模块,分别通信连接所述空间单元估计模块和所述样本点生成模块,用于针对所述各个已采样点,根据对应的Voronoi空间单元与所述海量测试样本点的位置关系,统计得到位于对应的Voronoi空间单元内的测试样本点的总数量,并将该总数量作为对应的全局评价指标值;
所述第一局部指标获取模块,通信连接所述坐标位置收集模块,用于针对所述各个已采样点,从所述所有已采样点中选取对应的多个邻域采样点,然后拟合一个覆盖对应点以及所述多个邻域采样点的超平面来估计得到对应的梯度,最后根据对应点与在所述多个邻域采样点中的各个邻域采样点之间的梯度响应与对应点局部的线性响应之间的差值来估计得到对应点附近的非线性程度,并将该非线性程度作为对应的且在空间域的局部特性评价指标值;
所述第二局部指标获取模块,通信连接所述坐标位置收集模块,用于针对所述各个已采样点,根据最近采集的电磁环境监测数据获取在对应点处的辐射场在最近一段时间内的辐射变化特性E(t),然后利用稀疏基函数对所述辐射变化特性E(t)进行稀疏表示,得到对应的稀疏表达式,最后计算得到在对应的稀疏表达式中展开系数的L0范数,并将该L0范数作为对应的且在时间域的局部特性评价指标值,其中,t表示时间;
所述综合指标计算模块,分别通信连接所述全局指标获取模块、所述第一局部指标获取模块和所述第二局部指标获取模块,用于针对所述各个已采样点,根据对应的全局评价指标值G、在空间域的局部特性评价指标值L1和在时间域的局部特性评价指标值L2,按照如下公式计算得到对应的综合评价指标值H:
H=h1×G+h2×(L1+L2)
式中,h1和h2分别表示预设的权重系数,并有h1+h2=1;
所述采样点选取模块,通信连接所述综合指标计算模块,用于按照综合评价指标值从高至低顺序,从所述所有已采样点中选出至少一个已采样点;
所述新采样点增加模块,通信连接所述采样点选取模块,用于针对在所述至少一个已采样点中的各个已采样点,在对应点附近增加一个新采样点,以便控制基于飞行器的电磁环境监测设备移动到所述新采样点采集新的电磁环境监测数据。
9.一种计算机设备,其特征在于,包括有依次通信连接的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如权利要求1~7中任意一项所述的电磁环境监测空域自适应采样方法。
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指令,当所述指令在计算机上运行时,执行如权利要求1~7中任意一项所述的电磁环境监测空域自适应采样方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310634692.4A CN116718842B (zh) | 2023-05-31 | 2023-05-31 | 电磁环境监测空域自适应采样方法、装置及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310634692.4A CN116718842B (zh) | 2023-05-31 | 2023-05-31 | 电磁环境监测空域自适应采样方法、装置及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116718842A true CN116718842A (zh) | 2023-09-08 |
CN116718842B CN116718842B (zh) | 2024-03-19 |
Family
ID=87872683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310634692.4A Active CN116718842B (zh) | 2023-05-31 | 2023-05-31 | 电磁环境监测空域自适应采样方法、装置及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116718842B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117368586A (zh) * | 2023-12-08 | 2024-01-09 | 成都德辰博睿科技有限公司 | 一种射电天文环境电磁监测方法、系统、装置和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140114609A1 (en) * | 2012-10-23 | 2014-04-24 | Hewlett-Packard Development Company, L.P. | Adaptive analysis of signals |
CN108038292A (zh) * | 2017-12-06 | 2018-05-15 | 中国科学院力学研究所 | 一种基于双代理技术的高效自适应采样方法 |
CN114969648A (zh) * | 2022-06-15 | 2022-08-30 | 齐鲁工业大学 | 基于模态自适应调整降维的故障检测方法及系统 |
CN115859805A (zh) * | 2022-11-29 | 2023-03-28 | 中国人民解放军国防科技大学 | 基于混合加点准则的自适应序贯试验设计方法和装置 |
CN116050007A (zh) * | 2022-12-08 | 2023-05-02 | 浙江大学 | 基于混合自适应采样代理模型的复杂装备优化设计方法 |
-
2023
- 2023-05-31 CN CN202310634692.4A patent/CN116718842B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140114609A1 (en) * | 2012-10-23 | 2014-04-24 | Hewlett-Packard Development Company, L.P. | Adaptive analysis of signals |
CN108038292A (zh) * | 2017-12-06 | 2018-05-15 | 中国科学院力学研究所 | 一种基于双代理技术的高效自适应采样方法 |
CN114969648A (zh) * | 2022-06-15 | 2022-08-30 | 齐鲁工业大学 | 基于模态自适应调整降维的故障检测方法及系统 |
CN115859805A (zh) * | 2022-11-29 | 2023-03-28 | 中国人民解放军国防科技大学 | 基于混合加点准则的自适应序贯试验设计方法和装置 |
CN116050007A (zh) * | 2022-12-08 | 2023-05-02 | 浙江大学 | 基于混合自适应采样代理模型的复杂装备优化设计方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117368586A (zh) * | 2023-12-08 | 2024-01-09 | 成都德辰博睿科技有限公司 | 一种射电天文环境电磁监测方法、系统、装置和存储介质 |
CN117368586B (zh) * | 2023-12-08 | 2024-03-19 | 成都德辰博睿科技有限公司 | 一种射电天文环境电磁监测方法、系统、装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116718842B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pulkkinen et al. | Geomagnetically induced currents: Science, engineering, and applications readiness | |
Gil-Marín et al. | The clustering of galaxies in the SDSS-III Baryon Oscillation Spectroscopic Survey: BAO measurement from the LOS-dependent power spectrum of DR12 BOSS galaxies | |
Levy | Multiple criteria decision making and decision support systems for flood risk management | |
CN107529651A (zh) | 一种基于深度学习的城市交通客流预测方法和设备 | |
CN116718842B (zh) | 电磁环境监测空域自适应采样方法、装置及计算机设备 | |
CN108427041A (zh) | 雷电预警方法、系统、电子设备和存储介质 | |
Saxena et al. | A review study of weather forecasting using artificial neural network approach | |
GB2547816A (en) | Actually-measured marine environment data assimilation method based on sequence recursive spare filtering three-dimensional variation | |
CN113344291B (zh) | 城市内涝淹没范围的预报方法、装置、介质和设备 | |
CN109543907B (zh) | 一种复杂地形风资源评估方法及其装置 | |
CN107843774A (zh) | 电磁态势的计算成像方法及电磁态势成像系统 | |
CN109472075A (zh) | 一种基站性能分析方法及系统 | |
CN116029219A (zh) | 一种飞行器气动热预测方法、装置、设备及存储介质 | |
CN114611941A (zh) | 一种考虑空间危险性的滑坡灾害评价方法及系统 | |
JP2018032939A (ja) | 品質推定装置及び品質推定方法 | |
CN115239105A (zh) | 一种在役风电场的风资源的评估方法以及装置 | |
CN106772354A (zh) | 基于并行模糊高斯和粒子滤波的目标跟踪方法及装置 | |
CN104635206B (zh) | 一种无线定位的方法及装置 | |
Nathaniel et al. | ChaosBench: A Multi-Channel, Physics-Based Benchmark for Subseasonal-to-Seasonal Climate Prediction | |
Henderson et al. | Eurasian October snow water equivalent: using self‐organizing maps to characterize variability and identify relationships to the MJO | |
CN115840908B (zh) | 基于lstm模型的微波链路构建pm2.5三维动态监测场的方法 | |
Ramesh et al. | The predictability of tropical Pacific decadal variability: Insights from attractor reconstruction | |
Galvão et al. | Identification of fractional-order transfer functions using exponentially modulated signals with arbitrary excitation waveforms | |
CN113890833B (zh) | 网络覆盖预测方法、装置、设备及存储介质 | |
Chaudhuri et al. | Implementation of Sugeno: ANFIS for forecasting the seismic moment of large earthquakes over Indo-Himalayan region |
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 |