CN116910580B - 一种基于人工智能的雷达信号管理系统及方法 - Google Patents
一种基于人工智能的雷达信号管理系统及方法 Download PDFInfo
- Publication number
- CN116910580B CN116910580B CN202310844717.3A CN202310844717A CN116910580B CN 116910580 B CN116910580 B CN 116910580B CN 202310844717 A CN202310844717 A CN 202310844717A CN 116910580 B CN116910580 B CN 116910580B
- Authority
- CN
- China
- Prior art keywords
- radar
- radar signal
- transmission path
- signal transmission
- terminal
- 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 31
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 23
- 230000002159 abnormal effect Effects 0.000 claims abstract description 141
- 230000008054 signal transmission Effects 0.000 claims abstract description 141
- 238000012544 monitoring process Methods 0.000 claims abstract description 129
- 230000005540 biological transmission Effects 0.000 claims abstract description 38
- 238000005065 mining Methods 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000007726 management method Methods 0.000 claims description 21
- 238000010219 correlation analysis Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 9
- 230000005856 abnormality Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 239000012634 fragment Substances 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 3
- 230000006698 induction Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于人工智能的雷达信号管理系统及方法,属于雷达监测技术领域。识别报文数据中附加的目标节点地址,形成雷达信号传输路径,对雷达信号监测周期进行任务时间区间划分,并根据雷达信号传输路径,挖掘出时间标签范围片段和时间标签范围片段内的传输路径片段,结合时间标签范围片段和传输路径片段,识别出异常情况产生的次数和时间标签范围片段的重合时长,分析雷达终端之间的异常相关性,根据在不同任务时间区间的异常相关性,分析异常相关度的波动性,继而生成异常监测名单;从而能够在大量的雷达信号传输过程中,结合不同的雷达监测任务安排,人工智能地快速锁定异常的雷达监测范围,提高执行任务完成率,避免异常风险的发生。
Description
技术领域
本发明涉及雷达监测技术领域,具体为一种基于人工智能的雷达信号管理系统及方法。
背景技术
雷达是现代技术中一种重要的测量工具,例如,在现代气象预报中,气象雷达能够及时准确地获取气象数据,从而对天气预报、防灾减灾等研究起到关键的作用;同时,雷达在实际中,越来越向多雷达体系联动规模发展,进而雷达设备之间存在不断的交互与共享数据,进而当一个雷达出现工作异常时,往往也致使雷达体系中的其他雷达数据造成缺陷或干扰,现有技术中,往往只是针对单个雷达设备进行异常感知,对于多雷达组网下的监测任务安排,往往不能够统筹进行异常感知,进而也导致雷达监测任务安排的不合理性,也导致对监测范围把握不清。
发明内容
本发明的目的在于提供一种基于人工智能的雷达信号管理系统及方法,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:
一种基于人工智能的雷达信号管理系统,本系统包括:雷达信号传输路径感知模块、监测任务安排处理模块、异常相关性分析模块和异常监测名单生成模块;
所述雷达信号传输路径感知模块,用于调取雷达终端的运行数据文件,并根据运行数据文件,识别报文数据中附加的目标节点地址,对所述目标节点进行统筹,形成雷达信号传输路径;对运行数据文件添加时间标签,根据时间标签,对雷达终端形成的雷达信号传输路径进行标记;
所述监测任务安排处理模块,根据监测任务安排,对雷达信号监测周期进行任务时间区间划分,并提取每一个雷达信号传输路径的时间标签范围,根据时间标签范围识别雷达信号传输路径在不同任务时间区间内的重合的时间标签范围片段;根据重合的时间标签范围片段,在雷达信号传输路径中摘录传输路径片段;
所述异常相关性分析模块,根据传输路径片段,统计雷达终端在传输路径片段中出现的次数,并且当雷达终端出现在传输路径片段中时,识别出时间标签范围片段的重合时长;根据出现次数和重合时长,挖掘雷达终端之间的异常相关性,计算雷达终端之间的异常相关度;
所述异常监测名单生成模块,根据在不同任务时间区间的异常相关度,分析异常相关度的波动性;并根据波动性,输出异常监测名单。
进一步的,所述雷达信号传输路径感知模块还包括雷达信号传输路径识别单元和时间标签单元;
所述雷达信号传输路径识别单元,用于统筹组网雷达体系中的全部雷达终端并进行统一编号,调取雷达终端的运行数据文件,所述运行数据文件为雷达终端接收信号异常时记录的报文数据,识别所述报文数据中附加的目标节点地址,其中,一个目标节点对应一个雷达终端,对所述目标节点进行统筹,并根据目标节点地址在报文数据中体现的传输顺序,形成雷达信号传输路径;
所述时间标签单元,用于对运行数据文件添加时间标签,所述时间标签为雷达信号传输路径中到达每个目标节点的时间;将任意一个雷达终端标记为i,对雷达终端i形成的全部雷达信号传输路径进行统筹并统一编号,将雷达终端i形成的第j个雷达信号传输路径标记为Iij={RN1|t1,RN2|t2,...,RNn|tn},其中,i、n均表示雷达终端的编号,RNn表示雷达终端i形成的第j个雷达信号传输路径中到达的第n个目标节点,tn表示到达的第n个目标节点对应的时间标签。
进一步的,所述监测任务安排处理模块还包括任务时间区间划分单元和片段摘录单元;
所述任务时间区间划分单元,根据在第K个雷达信号监测周期内的监测任务安排,将第K个雷达信号监测周期划分为F个任务时间区间,所述任务时间区间为每一个监测任务的执行时间范围;对第f个任务时间区间内产生的全部雷达信号传输路径进行统筹,提取雷达信号传输路径Iij中的时间标签范围[t1,tn]与第f个任务时间区间存在重合的时间标签范围片段,将所述重合的时间标签范围片段记为fij[t1,tn];
所述片段摘录单元,根据不同的重合的时间标签范围片段,摘录出每一个重合的时间标签范围片段内对应的雷达信号传输路径片段,将重合的时间标签范围片段fij[t1,tn]对应摘录的雷达信号传输路径片段记为M[fij],其中,fij为fij[t1,tn]的简化缩写。
进一步的,所述异常相关性分析模块还包括异常数据归纳单元和异常相关性分析单元;
所述异常数据归纳单元,用于统计任意一个雷达终端x在第K个雷达信号监测周期内出现在雷达信号传输路径片段中的次数,记为C(M[fij]),如果雷达终端x出现在雷达信号传输路径片段M[fij]中,则令C(x∈M[fij])=1,否则令C(M[fij])=0,x表示雷达终端编号;并且如果雷达终端x出现在雷达信号传输路径片段M[fij]中,则识别雷达信号传输路径片段M[fij]对应的重合的时间标签范围片段fij[t1,tn]的重合时长,记为T(fij);
所述异常相关性分析单元,根据出现次数和重合时长,挖掘雷达终端之间的异常相关性,计算雷达终端之间的异常相关度,具体计算公式如下;
ACf(x→i)={∑j=1 JC(x∈M[fij])}/{∑f=1 F∑j=1 JC(x∈M[fij])}×∑j=1 J[T(fij)/T(f)]
其中,ACf(x→i)表示在第f个任务时间区间雷达终端x与雷达终端i之间的异常相关度,J表示雷达终端i形成的全部雷达信号传输路径中在第f个任务时间区间的雷达信号传输路径总个数,T(f)表示第f个任务时间区间的总时长。
进一步的,所述异常监测名单生成模块还包括相关波动性分析单元和监测名单生成单元;
所述相关波动性分析单元,用于统计在每个任务时间区间内,雷达终端x与雷达终端i之间的异常相关度,并根据异常相关度,计算异常相关度的波动值,具体计算公式为:
FV(x→i)=(F-1)-1×∑f=1 F-1|ACf(x→i)-ACf+1(x→i)|
其中,FV(x→i)表示在第K个雷达信号监测周期内雷达终端x与雷达终端i之间的异常相关度的波动值,ACf+1(x→i)表示在第f+1个任务时间区间雷达终端x与雷达终端i之间的异常相关度;
所述监测名单生成单元,用于预设波动值阈值,如果在第K个雷达信号监测周期内雷达终端x与雷达终端i之间的异常相关度的波动值大于等于波动值阈值,则对雷达终端x进行标记;根据对全部雷达终端的标记结果,形成雷达终端i的异常监测名单,记为list(i),在第K+1个监测周期,当雷达终端i有监测任务安排时,将异常监测名单list(i)与雷达终端i进行联动监测。
一种基于人工智能的雷达信号管理方法,本方法包括以下步骤:
步骤S100:调取雷达终端的运行数据文件,并根据运行数据文件,识别报文数据中附加的目标节点地址,对所述目标节点进行统筹,形成雷达信号传输路径;对运行数据文件添加时间标签,根据时间标签,对雷达终端形成的雷达信号传输路径进行标记;
步骤S200:根据监测任务安排,对雷达信号监测周期进行任务时间区间划分,并提取每一个雷达信号传输路径的时间标签范围,根据时间标签范围识别雷达信号传输路径在不同任务时间区间内的重合的时间标签范围片段;根据重合的时间标签范围片段,在雷达信号传输路径中摘录传输路径片段;
步骤S300:根据传输路径片段,统计雷达终端在传输路径片段中出现的次数,并且当雷达终端出现在传输路径片段中时,识别出时间标签范围片段的重合时长;根据出现次数和重合时长,挖掘雷达终端之间的异常相关性,计算雷达终端之间的异常相关度;
步骤S400:根据在不同任务时间区间的异常相关度,分析异常相关度的波动性;并根据波动性,输出异常监测名单。
进一步的,所述步骤S100的具体实施过程包括:
步骤S101:统筹组网雷达体系中的全部雷达终端并进行统一编号,调取雷达终端的运行数据文件,所述运行数据文件为雷达终端接收信号异常时记录的报文数据,识别所述报文数据中附加的目标节点地址,其中,一个目标节点对应一个雷达终端,对所述目标节点进行统筹,并根据目标节点地址在报文数据中体现的传输顺序,形成雷达信号传输路径;
步骤S102:对运行数据文件添加时间标签,所述时间标签为雷达信号传输路径中到达每个目标节点的时间;将任意一个雷达终端标记为i,对雷达终端i形成的全部雷达信号传输路径进行统筹并统一编号,将雷达终端i形成的第j个雷达信号传输路径标记为Iij={RN1|t1,RN2|t2,...,RNn|tn},其中,i、n均表示雷达终端的编号,RNn表示雷达终端i形成的第j个雷达信号传输路径中到达的第n个目标节点,tn表示到达的第n个目标节点对应的时间标签。
进一步的,所述步骤S200的具体实施过程包括:
步骤S201:根据在第K个雷达信号监测周期内的监测任务安排,将第K个雷达信号监测周期划分为F个任务时间区间,所述任务时间区间为每一个监测任务的执行时间范围;对第f个任务时间区间内产生的全部雷达信号传输路径进行统筹,提取雷达信号传输路径Iij中的时间标签范围[t1,tn]与第f个任务时间区间存在重合的时间标签范围片段,将所述重合的时间标签范围片段记为fij[t1,tn];
步骤S202:根据不同的重合的时间标签范围片段,摘录出每一个重合的时间标签范围片段内对应的雷达信号传输路径片段,将重合的时间标签范围片段fij[t1,tn]对应摘录的雷达信号传输路径片段记为M[fij],其中,fij为fij[t1,tn]的简化缩写。
进一步的,所述步骤S300的具体实施过程包括:
步骤S301:统计任意一个雷达终端x在第K个雷达信号监测周期内出现在雷达信号传输路径片段中的次数,记为C(M[fij]),如果雷达终端x出现在雷达信号传输路径片段M[fij]中,则令C(x∈M[fij])=1,否则令C(M[fij])=0,x表示雷达终端编号;并且如果雷达终端x出现在雷达信号传输路径片段M[fij]中,则识别雷达信号传输路径片段M[fij]对应的重合的时间标签范围片段fij[t1,tn]的重合时长,记为T(fij);
步骤S302:根据出现次数和重合时长,挖掘雷达终端之间的异常相关性,计算雷达终端之间的异常相关度,具体计算公式如下;
ACf(x→i)={∑j=1 JC(x∈M[fij])}/{∑f=1 F∑j=1 JC(x∈M[fij])}×∑j=1 J[T(fij)/T(f)]
其中,ACf(x→i)表示在第f个任务时间区间雷达终端x与雷达终端i之间的异常相关度,J表示雷达终端i形成的全部雷达信号传输路径中在第f个任务时间区间的雷达信号传输路径总个数,T(f)表示第f个任务时间区间的总时长。
进一步的,所述步骤S400的具体实施过程包括:
步骤S401:统计在每个任务时间区间内,雷达终端x与雷达终端i之间的异常相关度,并根据异常相关度,计算异常相关度的波动值,具体计算公式为:
FV(x→i)=(F-1)-1×∑f=1 F-1|ACf(x→i)-ACf+1(x→i)|
其中,FV(x→i)表示在第K个雷达信号监测周期内雷达终端x与雷达终端i之间的异常相关度的波动值,ACf+1(x→i)表示在第f+1个任务时间区间雷达终端x与雷达终端i之间的异常相关度;
步骤S402:预设波动值阈值,如果在第K个雷达信号监测周期内雷达终端x与雷达终端i之间的异常相关度的波动值大于等于波动值阈值,则对雷达终端x进行标记;根据对全部雷达终端的标记结果,形成雷达终端i的异常监测名单,记为list(i),在第K+1个监测周期,当雷达终端i有监测任务安排时,将异常监测名单list(i)与雷达终端i进行联动监测;
根据上述方法,雷达设备之间进行数据传输时会产生大量的报文数据,而报文数据中记录有雷达设备之间的传输关系,当一个站点要发送报文时,会将一个目的地址附加到报文上,网络节点根据报文上的目的地址信息,把报文发送到下一个节点,一直逐个节点地转送到目的节点,进而本申请发明立足于报文数据对雷达信号传输路径进行统筹,并附加时间标签,从而分析雷达设备之间的异常关联性;由于监测任务不同,涉及的雷达完成的功能也存在差异,进而雷达信号传输路径也会不同,进而通过重合的时间标签范围片段和传输路径片段,来进一步分析雷达设备之间的相关性,进而计算出异常相关度,异常相关度越大表示当发生异常状况时,雷达设备之间的联动性越相关;通过不同任务时间区间的异常相关性的变化特点,来进一步分析异常相关度的波动值,波动值越大,表示雷达设备之间的信号传输越不稳定,继而在异常相关度的基础上,进一步量化异常波动性。
与现有技术相比,本发明所达到的有益效果是:本发明提供的一种基于人工智能的雷达信号管理系统及方法中,识别报文数据中附加的目标节点地址,形成雷达信号传输路径,对雷达信号监测周期进行任务时间区间划分,并根据雷达信号传输路径,挖掘出时间标签范围片段和时间标签范围片段内的传输路径片段,结合时间标签范围片段和传输路径片段,识别出异常情况产生的次数和时间标签范围片段的重合时长,分析雷达终端之间的异常相关性,根据在不同任务时间区间的异常相关性,分析异常相关度的波动性,继而生成异常监测名单;从而能够在大量的雷达信号传输过程中,结合不同的雷达监测任务安排,人工智能地快速锁定异常的雷达监测范围,提高执行任务完成率,避免异常风险的发生。
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,并且不构成对本发明的限制。在附图中:
图1是本发明一种基于人工智能的雷达信号管理系统的结构示意图;
图2是本发明一种基于人工智能的雷达信号管理方法的步骤示意图。
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:
请参阅图1,在本实施例一中:提供一种基于人工智能的雷达信号管理系统,该系统包括:雷达信号传输路径感知模块、监测任务安排处理模块、异常相关性分析模块和异常监测名单生成模块;
雷达信号传输路径感知模块,用于调取雷达终端的运行数据文件,并根据运行数据文件,识别报文数据中附加的目标节点地址,对目标节点进行统筹,形成雷达信号传输路径;对运行数据文件添加时间标签,根据时间标签,对雷达终端形成的雷达信号传输路径进行标记;
其中,雷达信号传输路径感知模块还包括雷达信号传输路径识别单元和时间标签单元;
雷达信号传输路径识别单元,用于统筹组网雷达体系中的全部雷达终端并进行统一编号,调取雷达终端的运行数据文件,运行数据文件为雷达终端接收信号异常时记录的报文数据,识别报文数据中附加的目标节点地址,其中,一个目标节点对应一个雷达终端,对目标节点进行统筹,并根据目标节点地址在报文数据中体现的传输顺序,形成雷达信号传输路径;
时间标签单元,用于对运行数据文件添加时间标签,时间标签为雷达信号传输路径中到达每个目标节点的时间;将任意一个雷达终端标记为i,对雷达终端i形成的全部雷达信号传输路径进行统筹并统一编号,将雷达终端i形成的第j个雷达信号传输路径标记为Iij={RN1|t1,RN2|t2,...,RNn|tn},其中,i、n均表示雷达终端的编号,RNn表示雷达终端i形成的第j个雷达信号传输路径中到达的第n个目标节点,tn表示到达的第n个目标节点对应的时间标签;
监测任务安排处理模块,根据监测任务安排,对雷达信号监测周期进行任务时间区间划分,并提取每一个雷达信号传输路径的时间标签范围,根据时间标签范围识别雷达信号传输路径在不同任务时间区间内的重合的时间标签范围片段;根据重合的时间标签范围片段,在雷达信号传输路径中摘录传输路径片段;
其中,监测任务安排处理模块还包括任务时间区间划分单元和片段摘录单元;
任务时间区间划分单元,根据在第K个雷达信号监测周期内的监测任务安排,将第K个雷达信号监测周期划分为F个任务时间区间,任务时间区间为每一个监测任务的执行时间范围;对第f个任务时间区间内产生的全部雷达信号传输路径进行统筹,提取雷达信号传输路径Iij中的时间标签范围[t1,tn]与第f个任务时间区间存在重合的时间标签范围片段,将重合的时间标签范围片段记为fij[t1,tn];
片段摘录单元,根据不同的重合的时间标签范围片段,摘录出每一个重合的时间标签范围片段内对应的雷达信号传输路径片段,将重合的时间标签范围片段fij[t1,tn]对应摘录的雷达信号传输路径片段记为M[fij],其中,fij为fij[t1,tn]的简化缩写;
异常相关性分析模块,根据传输路径片段,统计雷达终端在传输路径片段中出现的次数,并且当雷达终端出现在传输路径片段中时,识别出时间标签范围片段的重合时长;根据出现次数和重合时长,挖掘雷达终端之间的异常相关性,计算雷达终端之间的异常相关度;
其中,异常相关性分析模块还包括异常数据归纳单元和异常相关性分析单元;
异常数据归纳单元,用于统计任意一个雷达终端x在第K个雷达信号监测周期内出现在雷达信号传输路径片段中的次数,记为C(M[fij]),如果雷达终端x出现在雷达信号传输路径片段M[fij]中,则令C(x∈M[fij])=1,否则令C(M[fij])=0,x表示雷达终端编号;并且如果雷达终端x出现在雷达信号传输路径片段M[fij]中,则识别雷达信号传输路径片段M[fij]对应的重合的时间标签范围片段fij[t1,tn]的重合时长,记为T(fij);
异常相关性分析单元,根据出现次数和重合时长,挖掘雷达终端之间的异常相关性,计算雷达终端之间的异常相关度,具体计算公式如下;
ACf(x→i)={∑j=1 JC(x∈M[fij])}/{∑f=1 F∑j=1 JC(x∈M[fij])}×∑j=1 J[T(fij)/T(f)]
其中,ACf(x→i)表示在第f个任务时间区间雷达终端x与雷达终端i之间的异常相关度,J表示雷达终端i形成的全部雷达信号传输路径中在第f个任务时间区间的雷达信号传输路径总个数,T(f)表示第f个任务时间区间的总时长;
异常监测名单生成模块,根据在不同任务时间区间的异常相关度,分析异常相关度的波动性;并根据波动性,输出异常监测名单;
其中,异常监测名单生成模块还包括相关波动性分析单元和监测名单生成单元;
相关波动性分析单元,用于统计在每个任务时间区间内,雷达终端x与雷达终端i之间的异常相关度,并根据异常相关度,计算异常相关度的波动值,具体计算公式为:
FV(x→i)=(F-1)-1×∑f=1 F-1|ACf(x→i)-ACf+1(x→i)|
其中,FV(x→i)表示在第K个雷达信号监测周期内雷达终端x与雷达终端i之间的异常相关度的波动值,ACf+1(x→i)表示在第f+1个任务时间区间雷达终端x与雷达终端i之间的异常相关度;
监测名单生成单元,用于预设波动值阈值,如果在第K个雷达信号监测周期内雷达终端x与雷达终端i之间的异常相关度的波动值大于等于波动值阈值,则对雷达终端x进行标记;根据对全部雷达终端的标记结果,形成雷达终端i的异常监测名单,记为list(i),在第K+1个监测周期,当雷达终端i有监测任务安排时,将异常监测名单list(i)与雷达终端i进行联动监测。
请参阅图2,在本实施例二中:提供一种基于人工智能的雷达信号管理方法,该方法包括以下步骤:
调取雷达终端的运行数据文件,并根据运行数据文件,识别报文数据中附加的目标节点地址,对目标节点进行统筹,形成雷达信号传输路径;对运行数据文件添加时间标签,根据时间标签,对雷达终端形成的雷达信号传输路径进行标记;
统筹组网雷达体系中的全部雷达终端并进行统一编号,调取雷达终端的运行数据文件,运行数据文件为雷达终端接收信号异常时记录的报文数据,识别报文数据中附加的目标节点地址,其中,一个目标节点对应一个雷达终端,对目标节点进行统筹,并根据目标节点地址在报文数据中体现的传输顺序,形成雷达信号传输路径;
对运行数据文件添加时间标签,时间标签为雷达信号传输路径中到达每个目标节点的时间;将任意一个雷达终端标记为i,对雷达终端i形成的全部雷达信号传输路径进行统筹并统一编号,将雷达终端i形成的第j个雷达信号传输路径标记为Iij={RN1|t1,RN2|t2,...,RNn|tn},其中,i、n均表示雷达终端的编号,RNn表示雷达终端i形成的第j个雷达信号传输路径中到达的第n个目标节点,tn表示到达的第n个目标节点对应的时间标签;
根据监测任务安排,对雷达信号监测周期进行任务时间区间划分,并提取每一个雷达信号传输路径的时间标签范围,根据时间标签范围识别雷达信号传输路径在不同任务时间区间内的重合的时间标签范围片段;根据重合的时间标签范围片段,在雷达信号传输路径中摘录传输路径片段;
根据在第K个雷达信号监测周期内的监测任务安排,将第K个雷达信号监测周期划分为F个任务时间区间,任务时间区间为每一个监测任务的执行时间范围;对第f个任务时间区间内产生的全部雷达信号传输路径进行统筹,提取雷达信号传输路径Iij中的时间标签范围[t1,tn]与第f个任务时间区间存在重合的时间标签范围片段,将重合的时间标签范围片段记为fij[t1,tn];
根据不同的重合的时间标签范围片段,摘录出每一个重合的时间标签范围片段内对应的雷达信号传输路径片段,将重合的时间标签范围片段fij[t1,tn]对应摘录的雷达信号传输路径片段记为M[fij],其中,fij为fij[t1,tn]的简化缩写;
根据传输路径片段,统计雷达终端在传输路径片段中出现的次数,并且当雷达终端出现在传输路径片段中时,识别出时间标签范围片段的重合时长;根据出现次数和重合时长,挖掘雷达终端之间的异常相关性,计算雷达终端之间的异常相关度;
统计任意一个雷达终端x在第K个雷达信号监测周期内出现在雷达信号传输路径片段中的次数,记为C(M[fij]),如果雷达终端x出现在雷达信号传输路径片段M[fij]中,则令C(x∈M[fij])=1,否则令C(M[fij])=0,x表示雷达终端编号;并且如果雷达终端x出现在雷达信号传输路径片段M[fij]中,则识别雷达信号传输路径片段M[fij]对应的重合的时间标签范围片段fij[t1,tn]的重合时长,记为T(fij);
根据出现次数和重合时长,挖掘雷达终端之间的异常相关性,计算雷达终端之间的异常相关度,具体计算公式如下;
ACf(x→i)={∑j=1 JC(x∈M[fij])}/{∑f=1 F∑j=1 JC(x∈M[fij])}×∑j=1 J[T(fij)/T(f)]
其中,ACf(x→i)表示在第f个任务时间区间雷达终端x与雷达终端i之间的异常相关度,J表示雷达终端i形成的全部雷达信号传输路径中在第f个任务时间区间的雷达信号传输路径总个数,T(f)表示第f个任务时间区间的总时长;
根据在不同任务时间区间的异常相关度,分析异常相关度的波动性;并根据波动性,输出异常监测名单;
统计在每个任务时间区间内,雷达终端x与雷达终端i之间的异常相关度,并根据异常相关度,计算异常相关度的波动值,具体计算公式为:
FV(x→i)=(F-1)-1×∑f=1 F-1|ACf(x→i)-ACf+1(x→i)|
其中,FV(x→i)表示在第K个雷达信号监测周期内雷达终端x与雷达终端i之间的异常相关度的波动值,ACf+1(x→i)表示在第f+1个任务时间区间雷达终端x与雷达终端i之间的异常相关度;
预设波动值阈值,如果在第K个雷达信号监测周期内雷达终端x与雷达终端i之间的异常相关度的波动值大于等于波动值阈值,则对雷达终端x进行标记;根据对全部雷达终端的标记结果,形成雷达终端i的异常监测名单,记为list(i),在第K+1个监测周期,当雷达终端i有监测任务安排时,将异常监测名单list(i)与雷达终端i进行联动监测。
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,并且不用于限制本发明,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 (10)
1.一种基于人工智能的雷达信号管理方法,其特征在于,该方法包括以下步骤:
步骤S100:调取雷达终端的运行数据文件,并根据运行数据文件,识别报文数据中附加的目标节点地址,对所述目标节点进行统筹,形成雷达信号传输路径;对运行数据文件添加时间标签,根据时间标签,对雷达终端形成的雷达信号传输路径进行标记;
步骤S200:根据监测任务安排,对雷达信号监测周期进行任务时间区间划分,并提取每一个雷达信号传输路径的时间标签范围,根据时间标签范围识别雷达信号传输路径在不同任务时间区间内的重合的时间标签范围片段;根据重合的时间标签范围片段,在雷达信号传输路径中摘录传输路径片段;
步骤S300:根据传输路径片段,统计雷达终端在传输路径片段中出现的次数,并且当雷达终端出现在传输路径片段中时,识别出时间标签范围片段的重合时长;根据出现次数和重合时长,挖掘雷达终端之间的异常相关性,计算雷达终端之间的异常相关度;
步骤S400:根据在不同任务时间区间的异常相关度,分析异常相关度的波动性;并根据波动性,输出异常监测名单。
2.根据权利要求1所述的一种基于人工智能的雷达信号管理方法,其特征在于,所述步骤S100的具体实施过程包括:
步骤S101:统筹组网雷达体系中的全部雷达终端并进行统一编号,调取雷达终端的运行数据文件,所述运行数据文件为雷达终端接收信号异常时记录的报文数据,识别所述报文数据中附加的目标节点地址,其中,一个目标节点对应一个雷达终端,对所述目标节点进行统筹,并根据目标节点地址在报文数据中体现的传输顺序,形成雷达信号传输路径;
步骤S102:对运行数据文件添加时间标签,所述时间标签为雷达信号传输路径中到达每个目标节点的时间;将任意一个雷达终端标记为i,对雷达终端i形成的全部雷达信号传输路径进行统筹并统一编号,将雷达终端i形成的第j个雷达信号传输路径标记为Iij={RN1|t1,RN2|t2,...,RNn|tn},其中,i、n均表示雷达终端的编号,RNn表示雷达终端i形成的第j个雷达信号传输路径中到达的第n个目标节点,tn表示到达的第n个目标节点对应的时间标签。
3.根据权利要求2所述的一种基于人工智能的雷达信号管理方法,其特征在于,所述步骤S200的具体实施过程包括:
步骤S201:根据在第K个雷达信号监测周期内的监测任务安排,将第K个雷达信号监测周期划分为F个任务时间区间,所述任务时间区间为每一个监测任务的执行时间范围;对第f个任务时间区间内产生的全部雷达信号传输路径进行统筹,提取雷达信号传输路径Iij中的时间标签范围[t1,tn]与第f个任务时间区间存在重合的时间标签范围片段,将所述重合的时间标签范围片段记为fij[t1,tn];
步骤S202:根据不同的重合的时间标签范围片段,摘录出每一个重合的时间标签范围片段内对应的雷达信号传输路径片段,将重合的时间标签范围片段fij[t1,tn]对应摘录的雷达信号传输路径片段记为M[fij],其中,fij为fij[t1,tn]的简化缩写。
4.根据权利要求3所述的一种基于人工智能的雷达信号管理方法,其特征在于,所述步骤S300的具体实施过程包括:
步骤S301:统计任意一个雷达终端x在第K个雷达信号监测周期内出现在雷达信号传输路径片段中的次数,记为C(M[fij]),如果雷达终端x出现在雷达信号传输路径片段M[fij]中,则令C(x∈M[fij])=1,否则令C(M[fij])=0,x表示雷达终端编号;并且如果雷达终端x出现在雷达信号传输路径片段M[fij]中,则识别雷达信号传输路径片段M[fij]对应的重合的时间标签范围片段fij[t1,tn]的重合时长,记为T(fij);
步骤S302:根据出现次数和重合时长,挖掘雷达终端之间的异常相关性,计算雷达终端之间的异常相关度,具体计算公式如下;
ACf(x→i)={∑j=1 JC(x∈M[fij])}/{∑f=1 F∑j=1 JC(x∈M[fij])}×∑j=1 J[T(fij)/T(f)]
其中,ACf(x→i)表示在第f个任务时间区间雷达终端x与雷达终端i之间的异常相关度,J表示雷达终端i形成的全部雷达信号传输路径中在第f个任务时间区间的雷达信号传输路径总个数,T(f)表示第f个任务时间区间的总时长。
5.根据权利要求4所述的一种基于人工智能的雷达信号管理方法,其特征在于,所述步骤S400的具体实施过程包括:
步骤S401:统计在每个任务时间区间内,雷达终端x与雷达终端i之间的异常相关度,并根据异常相关度,计算异常相关度的波动值,具体计算公式为:
FV(x→i)=(F-1)-1×∑f=1 F-1|ACf(x→i)-ACf+1(x→i)|
其中,FV(x→i)表示在第K个雷达信号监测周期内雷达终端x与雷达终端i之间的异常相关度的波动值,ACf+1(x→i)表示在第f+1个任务时间区间雷达终端x与雷达终端i之间的异常相关度;
步骤S402:预设波动值阈值,如果在第K个雷达信号监测周期内雷达终端x与雷达终端i之间的异常相关度的波动值大于等于波动值阈值,则对雷达终端x进行标记;根据对全部雷达终端的标记结果,形成雷达终端i的异常监测名单,记为list(i),在第K+1个监测周期,当雷达终端i有监测任务安排时,将异常监测名单list(i)与雷达终端i进行联动监测。
6.一种基于人工智能的雷达信号管理系统,其特征在于,所述系统包括:雷达信号传输路径感知模块、监测任务安排处理模块、异常相关性分析模块和异常监测名单生成模块;
所述雷达信号传输路径感知模块,用于调取雷达终端的运行数据文件,并根据运行数据文件,识别报文数据中附加的目标节点地址,对所述目标节点进行统筹,形成雷达信号传输路径;对运行数据文件添加时间标签,根据时间标签,对雷达终端形成的雷达信号传输路径进行标记;
所述监测任务安排处理模块,根据监测任务安排,对雷达信号监测周期进行任务时间区间划分,并提取每一个雷达信号传输路径的时间标签范围,根据时间标签范围识别雷达信号传输路径在不同任务时间区间内的重合的时间标签范围片段;根据重合的时间标签范围片段,在雷达信号传输路径中摘录传输路径片段;
所述异常相关性分析模块,根据传输路径片段,统计雷达终端在传输路径片段中出现的次数,并且当雷达终端出现在传输路径片段中时,识别出时间标签范围片段的重合时长;根据出现次数和重合时长,挖掘雷达终端之间的异常相关性,计算雷达终端之间的异常相关度;
所述异常监测名单生成模块,根据在不同任务时间区间的异常相关度,分析异常相关度的波动性;并根据波动性,输出异常监测名单。
7.根据权利要求6所述的一种基于人工智能的雷达信号管理系统,其特征在于:所述雷达信号传输路径感知模块还包括雷达信号传输路径识别单元和时间标签单元;
所述雷达信号传输路径识别单元,用于统筹组网雷达体系中的全部雷达终端并进行统一编号,调取雷达终端的运行数据文件,所述运行数据文件为雷达终端接收信号异常时记录的报文数据,识别所述报文数据中附加的目标节点地址,其中,一个目标节点对应一个雷达终端,对所述目标节点进行统筹,并根据目标节点地址在报文数据中体现的传输顺序,形成雷达信号传输路径;
所述时间标签单元,用于对运行数据文件添加时间标签,所述时间标签为雷达信号传输路径中到达每个目标节点的时间;将任意一个雷达终端标记为i,对雷达终端i形成的全部雷达信号传输路径进行统筹并统一编号,将雷达终端i形成的第j个雷达信号传输路径标记为Iij={RN1|t1,RN2|t2,...,RNn|tn},其中,i、n均表示雷达终端的编号,RNn表示雷达终端i形成的第j个雷达信号传输路径中到达的第n个目标节点,tn表示到达的第n个目标节点对应的时间标签。
8.根据权利要求7所述的一种基于人工智能的雷达信号管理系统,其特征在于:所述监测任务安排处理模块还包括任务时间区间划分单元和片段摘录单元;
所述任务时间区间划分单元,根据在第K个雷达信号监测周期内的监测任务安排,将第K个雷达信号监测周期划分为F个任务时间区间,所述任务时间区间为每一个监测任务的执行时间范围;对第f个任务时间区间内产生的全部雷达信号传输路径进行统筹,提取雷达信号传输路径Iij中的时间标签范围[t1,tn]与第f个任务时间区间存在重合的时间标签范围片段,将所述重合的时间标签范围片段记为fij[t1,tn];
所述片段摘录单元,根据不同的重合的时间标签范围片段,摘录出每一个重合的时间标签范围片段内对应的雷达信号传输路径片段,将重合的时间标签范围片段fij[t1,tn]对应摘录的雷达信号传输路径片段记为M[fij],其中,fij为fij[t1,tn]的简化缩写。
9.根据权利要求8所述的一种基于人工智能的雷达信号管理系统,其特征在于:所述异常相关性分析模块还包括异常数据归纳单元和异常相关性分析单元;
所述异常数据归纳单元,用于统计任意一个雷达终端x在第K个雷达信号监测周期内出现在雷达信号传输路径片段中的次数,记为C(M[fij]),如果雷达终端x出现在雷达信号传输路径片段M[fij]中,则令C(x∈M[fij])=1,否则令C(M[fij])=0,x表示雷达终端编号;并且如果雷达终端x出现在雷达信号传输路径片段M[fij]中,则识别雷达信号传输路径片段M[fij]对应的重合的时间标签范围片段fij[t1,tn]的重合时长,记为T(fij);
所述异常相关性分析单元,根据出现次数和重合时长,挖掘雷达终端之间的异常相关性,计算雷达终端之间的异常相关度,具体计算公式如下;
ACf(x→i)={∑j=1 JC(x∈M[fij])}/{∑f=1 F∑j=1 JC(x∈M[fij])}×∑j=1 J[T(fij)/T(f)]
其中,ACf(x→i)表示在第f个任务时间区间雷达终端x与雷达终端i之间的异常相关度,J表示雷达终端i形成的全部雷达信号传输路径中在第f个任务时间区间的雷达信号传输路径总个数,T(f)表示第f个任务时间区间的总时长。
10.根据权利要求9所述的一种基于人工智能的雷达信号管理系统,其特征在于:所述异常监测名单生成模块还包括相关波动性分析单元和监测名单生成单元;
所述相关波动性分析单元,用于统计在每个任务时间区间内,雷达终端x与雷达终端i之间的异常相关度,并根据异常相关度,计算异常相关度的波动值,具体计算公式为:
FV(x→i)=(F-1)-1×∑f=1 F-1|ACf(x→i)-ACf+1(x→i)|
其中,FV(x→i)表示在第K个雷达信号监测周期内雷达终端x与雷达终端i之间的异常相关度的波动值,ACf+1(x→i)表示在第f+1个任务时间区间雷达终端x与雷达终端i之间的异常相关度;
所述监测名单生成单元,用于预设波动值阈值,如果在第K个雷达信号监测周期内雷达终端x与雷达终端i之间的异常相关度的波动值大于等于波动值阈值,则对雷达终端x进行标记;根据对全部雷达终端的标记结果,形成雷达终端i的异常监测名单,记为list(i),在第K+1个监测周期,当雷达终端i有监测任务安排时,将异常监测名单list(i)与雷达终端i进行联动监测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310844717.3A CN116910580B (zh) | 2023-07-11 | 2023-07-11 | 一种基于人工智能的雷达信号管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310844717.3A CN116910580B (zh) | 2023-07-11 | 2023-07-11 | 一种基于人工智能的雷达信号管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116910580A CN116910580A (zh) | 2023-10-20 |
CN116910580B true CN116910580B (zh) | 2024-01-02 |
Family
ID=88362179
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310844717.3A Active CN116910580B (zh) | 2023-07-11 | 2023-07-11 | 一种基于人工智能的雷达信号管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116910580B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110703214A (zh) * | 2019-10-15 | 2020-01-17 | 和尘自仪(嘉兴)科技有限公司 | 一种气象雷达状态评估和故障监测方法 |
CN115754941A (zh) * | 2022-11-14 | 2023-03-07 | 扬州宇安电子科技有限公司 | 基于人工智能的分布式雷达运行状态监测系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8730088B2 (en) * | 2010-08-09 | 2014-05-20 | Raytheon Bbn Technologies Corp. | Radar coherent processing interval scheduling via ad hoc network |
-
2023
- 2023-07-11 CN CN202310844717.3A patent/CN116910580B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110703214A (zh) * | 2019-10-15 | 2020-01-17 | 和尘自仪(嘉兴)科技有限公司 | 一种气象雷达状态评估和故障监测方法 |
CN115754941A (zh) * | 2022-11-14 | 2023-03-07 | 扬州宇安电子科技有限公司 | 基于人工智能的分布式雷达运行状态监测系统及方法 |
Non-Patent Citations (3)
Title |
---|
CINRAD/CA/CD雷达综合监控及故障报警系统设计;李翠翠 等;《贵州气象》;第41卷(第1期);全文 * |
基于数据挖掘的雷达故障数据管理系统;王鹤磊 等;《空军雷达学院学报》;第23卷(第3期);全文 * |
多部雷达信号的复合分层异常挖掘研究;王文松 等;《无线电工程》;第38卷(第9期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116910580A (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111475804B (zh) | 一种告警预测方法及系统 | |
CN106888205B (zh) | 一种非侵入式基于功耗分析的plc异常检测方法 | |
CN111126824A (zh) | 多指标关联模型训练方法及多指标异常分析方法 | |
CN112987675A (zh) | 一种异常检测的方法、装置、计算机设备和介质 | |
CN109951306B (zh) | 告警的处理方法、装置、设备及介质 | |
EP3726437A1 (en) | Failure analysis device, failure analysis method, and failure analysis program | |
CN116823227A (zh) | 一种基于物联网的智能设备管理系统及方法 | |
CN113159615A (zh) | 一种工业控制系统信息安全风险智能测定系统及方法 | |
CN114826770A (zh) | 一种计算机网络智能分析的大数据管理平台 | |
CN102648467A (zh) | 数据库和用于评价来自数据库的数据的方法 | |
CN116708038A (zh) | 基于资产测绘的工业互联网企业网络安全威胁识别方法 | |
CN106575254A (zh) | 日志分析装置、日志分析系统、日志分析方法以及计算机程序 | |
CN116910580B (zh) | 一种基于人工智能的雷达信号管理系统及方法 | |
CN113612625A (zh) | 一种网络故障定位方法及装置 | |
Liu et al. | Influence Pathway Discovery on Social Media | |
CN114268567A (zh) | 异常终端的识别方法、分析装置及设备、存储介质 | |
CN116346405A (zh) | 基于数据统计的网络安全运维能力评估系统及方法 | |
CN113469697B (zh) | 基于知识图谱的无监督异常检测方法及装置 | |
KR20220117187A (ko) | 보안 규제 준수 자동화 장치 | |
CN114331688A (zh) | 一种银行柜面系统业务批量运行状态检测方法及装置 | |
CN116205614B (zh) | 一种用于分布式场景下的业务对账管理系统及方法 | |
Krismayer et al. | Mining constraints for monitoring systems of systems | |
CN116260640B (zh) | 基于人工智能进行大数据分析的信息拦截控制方法及系统 | |
CN116756505B (zh) | 一种基于大数据的光伏设备智能管理系统及方法 | |
CN116705340B (zh) | 一种基于区块链的公共卫生智慧监测系统及方法 |
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 | ||
CP03 | Change of name, title or address |
Address after: Building 4, Dongyuan, Jiangguang wisdom City, 15 Wenchang East Road, Yangzhou City, Jiangsu Province, 225000 Patentee after: Yangzhou Yuan Electronic Technology Co.,Ltd. Country or region after: China Address before: Building 4, Dongyuan, Jiangguang wisdom City, 15 Wenchang East Road, Yangzhou City, Jiangsu Province, 225000 Patentee before: YANGZHOU YU'AN ELECTRONIC TECHNOLOGY CO.,LTD. Country or region before: China |