CN117729122A - 一种多源射频信号重构方案的确定方法 - Google Patents
一种多源射频信号重构方案的确定方法 Download PDFInfo
- Publication number
- CN117729122A CN117729122A CN202311733354.2A CN202311733354A CN117729122A CN 117729122 A CN117729122 A CN 117729122A CN 202311733354 A CN202311733354 A CN 202311733354A CN 117729122 A CN117729122 A CN 117729122A
- Authority
- CN
- China
- Prior art keywords
- fidelity
- availability
- signal reconstruction
- representing
- radio 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000005457 optimization Methods 0.000 claims abstract description 32
- 230000008569 process Effects 0.000 claims description 12
- 238000013461 design Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 description 25
- 230000006870 function Effects 0.000 description 12
- 230000006872 improvement Effects 0.000 description 9
- 238000012795 verification Methods 0.000 description 9
- 230000010287 polarization Effects 0.000 description 7
- 238000005206 flow analysis Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000010606 normalization Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 241000282461 Canis lupus Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本发明涉及一种多源射频信号重构方案的确定方法,属于多源射频信号重构技术领域,解决了现有技术中缺乏平衡逼真度和可用度的多源射频信号重构方案的确定方法的问题。方法包括构建多源射频信号重构方案的可用度和逼真度间的均衡关系模型;基于可用度和逼真度间的均衡关系模型构建多源射频信号重构方案的优化目标;基于所述多源射频信号重构方案的优化目标,采用智能优化算法确定多源射频信号重构的最优方案。实现了快速得到可用度与逼真度的综合效用最大的最优的重构方案。
Description
技术领域
本发明涉及多源射频信号重构技术领域,尤其涉及一种多源射频信号重构方案的确定方法。
背景技术
多源射频信号重构系统构建探测设备所需要的射频信号仿真环境,主要包括射频目标模拟分系统(主要包括场景模型和目标模拟器)、转台、微波暗室等,场景模型包括目标模型和干扰模型,用于产生要模拟目标或干扰的数字信号或信号特征,目标模拟器根据产生的数字信号或特征生成目标或和干扰模拟所需的回波信号,微波暗室主要在实验室创造一个近似的自由空间传播电磁波的环境;转台上安装了探测设备,转台用于模拟飞行器在空中实际飞行时的各种姿态;转台和射频目标模拟分系统相互配合模拟飞行器和目标之间的相对位置关系。
多源射频信号重构的逼真度就是所构建环境对战场电磁环境某个侧面或整体的属性、对象或交互复现的正确程度,它反映了构建环境与真实环境之间的关系。如果所构建环境在关键要素或重要特征方面符合真实的电磁环境,就达到了一定的逼真度。在极端情况下,逼真度为1表示构建完全的复现了真实环境,二者之间没有任何差别;逼真度为0表示构建与真实环境之间没有任何相似的地方。对于所需要逼真度为1的情况,由于模拟资源有限,通常很难实现,所以只能尽量无限接近。
多源射频信号重构的可用度则是从用户的视角,评价一个多源射频信号重构系统是否可以用来验证特定的装备在特定的使用场景下的功能性能,以及这个验证在多大程度上是可信的、验证过程的用户体验如何(易用性、可靠性、效率等)、构建这样一个仿真验证系统的代价如何(经济性)。因此,可用度是比逼真度更加全面、多维度的指标,两者之间存在一定的关联关系,但又不可相互替代。
逼真度与可用度不是完全的正相关关系,逼真度最高的方案不一定是可用度最优的方案,反之亦然。如何在满足一定可用度要求的情况下使可用度与逼真度的综合效用最大,确定最优的多源射频信号重构方案,目前还缺乏相关技术。
发明内容
鉴于上述的分析,本发明实施例旨在提供一种多源射频信号重构方案的确定方法,用以解决现有缺乏平衡逼真度和可用度的多源射频信号重构方案的确定方法的问题。
一方面,本发明实施例提供了一种多源射频信号重构方案的确定方法,包括以下步骤:
构建多源射频信号重构方案的可用度和逼真度间的均衡关系模型;
基于可用度和逼真度间的均衡关系模型构建多源射频信号重构方案的优化目标;
基于所述多源射频信号重构方案的优化目标,采用智能优化算法确定多源射频信号重构的最优方案。
基于上述方法的进一步改进,构建多源射频信号重构方案的可用度和逼真度间的均衡关系模型,包括:
分别构建多源射频信号重构方案的基础可用性、性能可用性、任务达成可用性、可靠性、经济性、效率与逼真度间的关系模型;
基于构建的各关系模型构建多源射频信号重构的可用度和逼真度间的均衡关系模型。
基于上述方法的进一步改进,多源射频信号重构方案的基础可用性与逼真度间的关系模型表示为:
其中,xfi表示多源射频信号重构方案的基础可用性的第i个指标值,ρi表示基础可用性的第i个指标权重,gi和hi表示基础可用性的第i个指标与逼真度间关系模型的参数,xf表示多源射频信号重构方案的基础可用性,y表示多源射频信号重构方案的逼真度。
基于上述方法的进一步改进,多源射频信号重构方案的性能可用性与逼真度间的关系模型表示为:
其中,xp表示多源射频信号重构方案的性能可用性,xpi表示性能可用性的第i个指标值,ai和bi表示性能可用性的第i个指标与逼真度间关系模型的参数,表示性能可用性的第i个指标值权重,y表示多源射频信号重构方案的逼真度。
基于上述方法的进一步改进,多源射频信号重构方案的任务达成可用性与逼真度间的关系模型表示为:
其中,xt表示多源射频信号重构方案的任务达成可用性,xti表示任务达成可用性的第i个指标值,ci和di表示任务达成可用性的第i个指标与逼真度间关系模型的参数,θi表示任务达成可用性的第i个指标值权重,y表示多源射频信号重构方案的逼真度。
基于上述方法的进一步改进,多源射频信号重构方案的可靠性与逼真度间的关系模型表示为:
xR=λ/(1+ηln(1-y)+γ)·R1·R2·R3
其中,xR表示多源射频信号重构方案的可靠性,R1、R2和R3分别表示设计可靠性、工艺可靠性和装配可靠性,γ表示位置参数,η表示刻度参数,λ表示可靠性的与逼真度间关系模型的关系参数,y表示多源射频信号重构方案的逼真度。
基于上述方法的进一步改进,多源射频信号重构方案的经济性与逼真度间的关系模型表示为:
其中,xc表示多源射频信号重构方案的经济性,c0表示成本的最高可接受值,y表示多源射频信号重构方案的逼真度,Bi,Ai,δi,mi,κi(i=1,2,3)表示经济性与逼真度间的关系模型的参数,ζ1和ζ2表示逼真度的分段阈值。
基于上述方法的进一步改进,多源射频信号重构方案的效率与逼真度间的关系模型表示为:
xu=μ1+μ2y2
其中,xu表示多源射频信号重构方案的效率,μ1和μ2表示多源射频信号重构方案的效率与逼真度间的关系模型的参数,y表示多源射频信号重构方案的逼真度。
基于上述方法的进一步改进,基于可用度和逼真度间的均衡关系模型构建多源射频信号重构方案的优化目标函数为:
其中,
其中,表示多源射频信号重构方案的可用度,y表示多源射频信号重构方案的逼真度,xfi表示多源射频信号重构方案的基础可用性的第i个指标值,ρi表示基础可用性的第i个指标权重,gi和hi表示基础可用性的第i个指标与逼真度间关系模型的参数,xf表示多源射频信号重构方案的基础可用性,xp表示多源射频信号重构方案的性能可用性,xpi表示性能可用性的第i个指标值,ai和bi表示性能可用性的第i个指标与逼真度间关系模型的参数,表示性能可用性的第i个指标值权重,xt表示多源射频信号重构方案的任务达成可用性,xti表示任务达成可用性的第i个指标值,ci和di表示任务达成可用性的第i个指标与逼真度间关系模型的参数,θi表示任务达成可用性的第i个指标值权重,xR表示多源射频信号重构方案的可靠性,R1、R2和R3分别表示设计可靠性、工艺可靠性和装配可靠性,γ表示位置参数,η表示刻度参数,λ表示可靠性的与逼真度间关系模型的关系参数,xc表示多源射频信号重构方案的经济性,c0表示成本的最高可接受值,Bi,Ai,δi,mi,κi(i=1,2,3)表示经济性与逼真度间的关系模型的参数,ζ1和ζ2表示逼真度的分段阈值,xu表示多源射频信号重构方案的效率,μ1和μ2表示多源射频信号重构方案的效率与逼真度间的关系模型的参数,α和β分别表示可用度的权重和逼真度的权重,yi表示逼真度的第i个指标,y7表示逼真度的第i个指标,πi表示逼真度的第i个指标的权重,wi(i=1,...,6)表示可用度的第i个指标的权重。
基于上述方法的进一步改进,所述可用度和逼真度间的均衡关系模型构建多源射频信号重构方案的优化目标函数,包括以下约束条件:
多源射频信号重构方案的可用度 表示可用度的最低可接受值;
多源射频信号重构方案的逼真度y≥y0,y0表示逼真度的最低可接受值;
多源射频信号重构方案的总成本c≤c0,c0表示可接受的最高成本;
yi>0(i=1,2,…,6);y7∈{0,1};
其中,Bi,Ai,δi,mi,κi(i=1,2,3)表示经济性与逼真度间的关系模型的参数,ζ1和ζ2表示逼真度的分段阈值,y表示多源射频信号重构方案的逼真度,yi表示逼真度的第i个指标,y7表示逼真度的第7个指标。
与现有技术相比,本实施例提供的多源射频信号重构方案的确定方法通过构建多源射频信号重构方案的可用度和逼真度间的均衡关系模型,从而基于构建的均衡关系模型构建优化目标,通过智能优化算法可以选择平衡可用度和真实度的最优方案,从而实现满足一定可用度要求的情况下使可用度与逼真度的综合效用最大,得到最优的重构方案。
本发明中,上述各技术方案之间还可以相互组合,以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述,并且,部分优点可从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件;
图1为本发明实施例多源射频信号重构方案的确定方法的流程图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
本发明的一个具体实施例,公开了一种多源射频信号重构方案的确定方法,如图1所示,包括以下步骤:
S1、构建多源射频信号重构方案的可用度和逼真度间的均衡关系模型;
S2、基于可用度和逼真度间的均衡关系模型构建多源射频信号重构方案的优化目标;
S3、基于所述多源射频信号重构方案的优化目标,采用智能优化算法确定多源射频信号重构的最优方案。
与现有技术相比,本实施例提供的多源射频信号重构方案的确定方法通过构建多源射频信号重构方案的可用度和逼真度间的均衡关系模型,从而基于构建的均衡关系模型构建优化目标,通过智能优化算法可以选择平衡可用度和真实度的最优方案,从而实现满足一定可用度要求的情况下使可用度与逼真度的综合效用最大,得到最优的重构方案。
需要说明的是,一个多源射频信号重构方案表示能实现多源射频信号重构的系统。
从多源射频信号重构可用度指标体系来看,并非所有指标均与逼真度有关,其中基础可用性、性能可用性、任务达成可用性、可靠性、经济性、效率等指标与逼真度强相关且是可控因子。因此,本发明从基础可用性、性能可用性、任务达成可用性、可靠性、经济性、效率6个方面出发,构建可用度与逼真度的均衡关系。
具体的,步骤S1中构建多源射频信号重构方案的可用度和逼真度间的均衡关系模型,包括:
S11、分别构建多源射频信号重构方案的基础可用性、性能可用性、任务达成可用性、可靠性、经济性、效率与逼真度间的关系模型;
S12、基于构建的各关系模型构建多源射频信号重构的可用度和逼真度间的均衡关系模型。从系统工程的原理来说,多源射频信号重构可用,则要求系统的各个功能部件(如干扰模型、目标模型、模拟器、转台、暗室等)及其关联关系(信号交互关系)可用。
因此多源射频信号重构系统的基础可用性xf包括目标模型可用度xf1、干扰模型可用度xf2、模拟器基础可用度xf3、微波暗室可用度xf4、射频转台可用度xf5。
实施时,目标模型可用度可从目标距离模拟范围、目标角度模拟精度角度采用层次分析法等现有方法得到。干扰模型可用度可从干扰带宽、瞄准时间角度采用层次分析法等现有方法得到。模拟器基础可用度可从目标模拟器的极化方式可用性、目标模拟器的基础性能可用性、干扰模拟器的干扰模式可用性、干扰模拟器的基础性能可用性角度采用层次分析法等现有方法得到。微波暗室可用度可以从微波暗室的长度、宽度、工作频率角度,采用层次分析等现有方法评估得到。射频转台可用度可从承载能力、位置精度角度采用层次分析等现有方法评估得到。
由于逼真度y与基础可用性的各个指标xfi之间呈递增关系。因此,假设二者之间的关系模型如下所示:
式中,gi和hi表示第i个基础可用性指标与逼真度间关系模型的参数。
通过上式可知,多源射频信号重构方案的基础可用性与逼真度间的关系模型表示为:
其中,xfi表示多源射频信号重构方案的基础可用性的第i个指标值,ρi表示基础可用性的第i个指标权重,gi和hi表示基础可用性的第i个指标与逼真度间关系模型的参数,xf表示多源射频信号重构方案的基础可用性,y表示多源射频信号重构方案的逼真度。
多源射频信号重构方案性能可用性与逼真度的指标类似,但内涵不同,逼真度反映的是信号的一致性,而性能可用性表达的是一致性达到某种程度系统是否可用、以及可用的程度。同时,性能可用性除了考虑信号一致性,还要考虑信号的起伏特性(起伏特征)。
多源射频信号重构方案的性能可用性xp包括时域特征可用性xp1、频域特征可用性xp2、能量域特征可用性xp3、空间域特征可用性xp4和极化域特征可用性xp5共5项指标。
实施时,时域特征可用性可从脉冲宽度、脉冲重复周期角度采用层次分析法等现有方法评估得到;频域特征可用性可从中心频率、相位差、多普勒频率角度采用层次分析法等现有方法评估得到;能量域特征可用性可从峰值功率、平均功率角度采用层次分析法等现有方法评估得到;空间域特征可用性可从生成信号的方位角和俯仰角角度采用层次分析法等现有方法评估得到;极化域特征可用性可从极化比角度评估得到。
以上5项指标在期望范围之内的情况下,与逼真度有着密切的关系,一般情况下,逼真度y和xpi二者之间呈现正相关关系。假设二者服从线性正相关关系,则有:
xpi=aiy+bi (3)
式中,ai和bi表示第i个性能可用性指标与逼真度间关系模型的参数。
因此,多源射频信号重构方案的性能可用性与逼真度间的关系模型表示为:
其中,xp表示多源射频信号重构方案的性能可用性,xpi表示性能可用性的第i个指标值,ai和bi表示性能可用性的第i个指标与逼真度间关系模型的参数,表示性能可用性的第i个指标值权重,y表示多源射频信号重构方案的逼真度。
多源射频信号重构方案的任务达成可用性xt包括控制流程验证可用性xt1、抗干扰流程验证可用性xt2、性能验证可用性xt3和任务完成率可用性xt4共4项指标。
实施时,控制流程验证可用性可从时域干扰能力达成度、空域干扰能力达成度、频域干扰能力达成度角度采用层次分析法等现有方法评估得到;抗干扰流程验证可用性可从时域抗干扰能力达成度、空域抗干扰能力达成度、频域抗干扰能力达成度角度采用层次分析法等现有方法评估得到;性能验证可用性可从检测概率、定位精度角度采用层次分析法等现有方法评估得到。任务完成率可用性可根据完成任务站总任务的比例计算得到。
以上4项指标与逼真度有着密切的关系,通常来说,逼真度y越高,xti越大,两者呈正相关关系。假设两者服从线性正相关关系,则有:
xti=ciy+di (5)
式中,ci和di表示任务达成可用性的第i个指标与逼真度间关系模型的参数。
因此,多源射频信号重构方案的任务达成可用性与逼真度间的关系模型表示为:
其中,xt表示多源射频信号重构方案的任务达成可用性,xti表示任务达成可用性的第i个指标值,ci和di表示任务达成可用性的第i个指标与逼真度间关系模型的参数,θi表示任务达成可用性的第i个指标值权重,y表示多源射频信号重构方案的逼真度。
逼真度越高,则系统往往越复杂,而系统越复杂,则可靠性水平越低。因此,可靠度与逼真度呈负相关关系,主要的因素则为系统复杂度。因此,以下分别从硬件复杂度和软件复杂度两个维度提出系统复杂度量化评估方法,从而为构建可靠度与逼真度直接的关系奠定基础。
多源射频信号重构系统硬件部分主要由导引头、射频转台、天线阵列、微波馈电系统硬件等组成。硬件单元复杂程度评分准则可参照表1评分标准予以评分。在按照表1进行硬件复杂度评价打分时,可依据组成单元基本元器件、零部件数量规模进行评判。
表1硬件单元复杂程度评分规则
大量实践经验表明,软件运行的稳定性与其复杂度成反比,复杂度越高,软件中存在的不足就越多。在软件工程实践中,通常用软件模块基本信息、复杂度分析、循环分析以及数据流分析四类数据信息表述软件模块的复杂度。软件模块基本信息、复杂度分析、循环分析以及数据流分析数据信息等四类指标分别包含以下信息:
①模块基本信息:可执行行数、模块入口数以及模块出口数;
②复杂度分析:圈复杂度、基本圈复杂度以及结构化程度;
③循环分析:循环数、嵌套深度以及最大内部嵌套数;
④数据流分析:全局变量数、扇入数以及扇出数。
针对每个软件单元,软件模块基本信息、复杂度分析、循环分析以及数据流分析等四类数据信息收集可按照如下方法开展:
①针对升级软件单元,可利用测评软件工具获取原来软件单元的复杂性指标,再根据软件升级规模,按照一定比例获得四类指标的信息;
②对新开发的软件单元,根据软件设计方案由专家估算四类指标的信息。
所获得的每个软件单元的软件模块基本信息、复杂度分析、循环分析以及数据流分析的样表如下所示。
表2软件模块复杂度分析数据信息样表
将上述四类指标中的12个度量指标进行归一化处理,归一化处理方法如下。
假设系统有n个软件单元模块,某度量指标所对应值分别为υ1,υ2,…,υn,则该指标各软件单元归一化结果为
若某软件单元模块所得到12个度量指标进行归一化的值分别是则可按照如下公式计算该软件单元模块的复杂度评分值/>(按0~1.0分进行度量):
上述方法得到的硬件复杂度为两者加权平均得到系统的复杂度/>则复杂度/>是与可靠度xR负相关、逼真度y正相关的参数。
通常来说,系统复杂度越高,逼真度越高;当系统由较低复杂度向较高复杂度递增时,初期往往逼真度增加的较快,当系统复杂度增加到一定的程度,逼真度的增加将逐步放缓甚至不再增加,逼真度与系统复杂度的这种关系特性可以用双参数指数函数来表达:
其中,γ和η表示系统复杂度与逼真度间关系模型的参数。
可靠度xR除了与系统复杂度有关,还与设计可靠性R1、工艺可靠性R2、装配可靠性R3等相关。则可建立可靠度xR与系统复杂度/>的关系模型:
由式(9)可得:
根据式(10)和(11)可得多源射频信号重构方案的可靠性与逼真度间的关系模型表示为:
xR=λ/(1+ηln(1-y)+γ)·R1·R2·R3 (12)
其中,xR表示多源射频信号重构方案的可靠性,R1、R2和R3分别表示设计可靠性、工艺可靠性和装配可靠性,γ表示位置参数,η表示刻度参数,λ表示可靠性的与逼真度间关系模型的关系参数,y表示多源射频信号重构方案的逼真度。
其中,设计可靠性、工艺可靠性和装配可靠性可按照现有的分析工程可靠性的方法评估得到。实施时,由于多源射频信号重构系统为装配系统,因此,认为工艺可靠性为1。
多源射频信号重构系统的经济性指标由系统总成本指标构成。
系统总成本c由模型、模拟器、天线阵列、微波暗室的成本构成。若要提升重构信号的逼真度,选择优化模型是成本最低的方式;其次是优化模拟器,最后才是选择指标更高的天线阵列、微波暗室等。因此,系统总成本与逼真度是一种正相关关系,且随着逼真度的要求越来越高,到达一定阈值后成本会直线上升。因此,用分段函数表达系统总成本与逼真度之间的关系较为合理:
其中,ζ1和ζ2表示逼真度的分段阈值,g1(y)、g2(y)、g3(y)表示系统总成本与逼真度之间分段函数。
由于一般来说逼真度随着系统总成本的增加会较为缓慢的增加,因此用形状参数大于1的威布尔分布可以较好的描述这种情况。可设
其中,Bi,Ai,δi,mi,κi,βi(i=1,2,3)均为分段函数的参数。
系统总成本越高,则可用度越低,设成本的最高可接受值为c0,则系统总成本所确定的可用度为:
xc=c/c0 (15)
根据式(14)和(15)得到多源射频信号重构方案的经济性与逼真度间的关系模型表示为:
其中,xc表示多源射频信号重构方案的经济性,c0表示成本的最高可接受值,y表示多源射频信号重构方案的逼真度,Bi,Ai,δi,mi,κi(i=1,2,3)表示关系模型的参数。
多源射频信号重构方案的效率指标分为系统配置效率、系统运行效率、结果分析效率3个子指标。逼真度越高,则模型越复杂、精度要求越高,那么系统的配置效率、运行效率、结果分析效率均会不同程度的降低。
由于效率与逼真度呈负相关性,多源射频信号重构方案的效率与逼真度间的关系模型表示为:
xu=μ1+μ2y2 (17)
其中,xu表示多源射频信号重构方案的效率,μ1和μ2表示多源射频信号重构方案的效率与逼真度间的关系模型的数,y表示多源射频信号重构方案的逼真度。
构建多源射频信号重构方案的基础可用性、性能可用性、任务达成可用性、可靠性、经济性、效率与逼真度间的各关系模型后,基于构建的各关系模型构建多源射频信号重构的可用度和逼真度间的均衡关系模型。
由于多源射频信号重构方案的逼真度由信号特征一致性、重构信号分比率、信号重构能力三个维度构成,而信号特征一致性又可以从时域、频域、空域、能量域、极化域5个维度来刻画,因此,系统逼真度y可以表达为这些指标的关系式:
式中,yi(i=1,2,…5)分别表示时域一致性、频域一致性、空域一致性、能量域一致性和极化域一致性指标;y6表示重构信号分辨率指标;y7表示信号重构能力指标;πi表示第i个逼真度指标的权重。其中yi(i=1,2,…6)为性能型指标,0≤yi≤1;y7为0-1型指标,y7∈{0,1}。
因此,可用度与逼真度间的均衡关系模型表示为:
/>
其中,表示多源射频信号重构方案的可用度,y表示多源射频信号重构方案的逼真度,xfi表示多源射频信号重构方案的基础可用性的第i个指标值,ρi表示基础可用性的第i个指标权重,gi和hi表示基础可用性的第i个指标与逼真度间关系模型的参数,xf表示多源射频信号重构方案的基础可用性,xp表示多源射频信号重构方案的性能可用性,xpi表示性能可用性的第i个指标值,ai和bi表示性能可用性的第i个指标与逼真度间关系模型的参数,表示性能可用性的第i个指标值权重,xt表示多源射频信号重构方案的任务达成可用性,xti表示任务达成可用性的第i个指标值,ci和di表示任务达成可用性的第i个指标与逼真度间关系模型的参数,θi表示任务达成可用性的第i个指标值权重,xR表示多源射频信号重构方案的可靠性,R1、R2和R3分别表示设计可靠性、工艺可靠性和装配可靠性,γ表示位置参数,η表示刻度参数,λ表示可靠性的与逼真度间关系模型的关系参数,xc表示多源射频信号重构方案的经济性,c0表示成本的最高可接受值,Bi,Ai,δi,mi,κi(i=1,2,3)表示经济性与逼真度间的关系模型的参数,ζ1和ζ2表示逼真度的分段阈值,xu表示多源射频信号重构方案的效率,μ1和μ2表示多源射频信号重构方案的效率与逼真度间的关系模型的参数,α和β分别表示可用度的权重和逼真度的权重,yi表示逼真度的第i个指标,y7表示逼真度的第i个指标,πi表示逼真度的第i个指标的权重,wi(i=1,...,6)表示可用度的第i个指标的权重。
实施时,需要先确定可用度与逼真度间的均衡关系模型中的参数。
式(4)和(5)为线性模型,式(17)中令y'=y2后即可转化为线性模型,对于线性模型,可采用线性回归得到模型参数。线性回归分析是通过拟合直线来表示模型的建立。实施时,对于每个关系模型,例如式(4)以逼真度为自变量,性能可用性为因变量,通过线性回归求解回归系数,得到关系模型中的参数ai,bi。
式(2)、(12)、(16)为非线性模型,实施时,可采用基于最小一乘准则的方法来求解得到模型参数。
尽管在许多实际的非线性回归问题中用最小二乘准则可获得较满意的效果,但该方法也存在一些局限性,比如,当收集的数据较少,并且数据中夹杂有异常点时,用最小二乘准则所得的结果就令人难以接受,在此情况下应用所得到的回归方程或模型进行预测、拟合等,则预测或拟合的精度是相当低的,甚至根本不能使用。事实上,当数据中夹杂有异常点时,异常点有较大的偏差,其平方之值相对更大,为了压低平方和,就不能不“将就”这些点,因而就增加了残差大的数据对回归线施加的影响,从而异常点会把回归线拉得离它更近一些,导致回归线“失真”较大。通常,人们对异常点的处理方法是凭直觉和经验将其剔除,这样将导致两方面的不足:一方面,剔除异常点后获得的回归模型当然会因此受到影响(因为减少了样本量,尤其当数据较少时更为突出),另一方面,异常点恰好在某些方面确实反映了一些特殊的信息,不应该随意剔除。
因此,对含有异常的数据进行建模和参数估计时,应选择稳健的准则减少奇异数据的影响,才能得到符合实际的模型。同时,在理论已经证明:在误差不服从正态性(比如,计量经济中误差有时服从尾部占更大比重的分布)的问题中,最小一乘估计的统计性能优于最小二乘估计,其具有不可替代的优越性;另外,最小一乘准则的稳健性比最小二乘准则的稳健性好,而且其受异常点的影响较小,所以最小一乘准则也被广泛地应用到工程实践中。
鉴于上述最小一乘的优点,本项目将用最小一乘准则求解非线性回归问题。
得到可用度和逼真度间的均衡关系模型后,基于可用度和逼真度间的均衡关系模型构建多源射频信号重构方案的优化目标。
多源射频信号重构方案的优化目标是为了使系统的逼真度和可用度综合效用值最大,因此,构建的目标函数为:
由上式(19)可见,可用度与逼真度y之间为强非线性关系,因此难以找到可用度逼真度均最优的点,只能以某种准则来寻找最优。
综上,多源射频信号重构系统优化是一个多目标优化问题,希望能够找到y均尽可能同时达到最佳,不存在唯一的全局最优解。
多源射频信号重构系统进行优化的目的,是在现有方案的基础上,在达到一定可用度、逼真度指标要求的前提下,在一定总费用(系统总成本)的约束下,寻找使式(22)中变量z最大时的变量。显然,式(20)中的变量为逼真度yi(i=1,2,…7),通过最优化算法确定最佳的yi,从而可以确定基础可用性、性能可用性、任务达成可用性、可靠性、经济性、效率等可用度指标和时域一致性、频域一致性、空域一致性、能量域一致性、极化域一致性、重构信号分辨率、信号重构能力等逼真度指标的指导性方案。
在对多源射频信号重构系统进行优化时,往往存在一些约束条件。实施时,所述可用度和逼真度间的均衡关系模型构建多源射频信号重构方案的优化目标函数,包括以下约束条件:
多源射频信号重构方案的可用度 表示可用度的最低可接受值;
多源射频信号重构方案的逼真度y≥y0,y0表示逼真度的最低可接受值;
多源射频信号重构方案的系统总成本c≤c0,c0表示可接受的最高成
yi>0(i=1,2,…,6);y7∈{0,1}。
其中,Bi,Ai,δi,mi,κi(i=1,2,3)表示经济性与逼真度间的关系模型的参数,ζ1和ζ2表示逼真度的分段阈值,y表示多源射频信号重构方案的逼真度,yi表示逼真度的第i个指标,y7表示逼真度的第7个指标。
基于优化目标函数及约束条件,可采用智能优化算法确定最优的多源射频信号重构方案。
实施时,可采用遗传算法、粒子群优化算法、灰狼算法、哈里斯鹰算法、L-SHADE(SHADE with Linear Population Reduction)、阿基米德优化算法等智能优化算法寻优,优化算法中的一个个体代表一个方案,由逼真度的7个指标编码得到。通过智能优化算法寻优得到最优的个体为最优的方案,即逼真度的7个指标符合最优个体对应的逼真度7个指标的方案为平衡可用度和逼真度的最优方案。
本领域技术人员可以理解,实现上述实施例方法的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读存储介质中。其中,所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种多源射频信号重构方案的确定方法,其特征在于,包括以下步骤:
构建多源射频信号重构方案的可用度和逼真度间的均衡关系模型;
基于可用度和逼真度间的均衡关系模型构建多源射频信号重构方案的优化目标;
基于所述多源射频信号重构方案的优化目标,采用智能优化算法确定多源射频信号重构的最优方案。
2.根据权利要求1所述的多源射频信号重构方案的确定方法,其特征在于,构建多源射频信号重构方案的可用度和逼真度间的均衡关系模型,包括:
分别构建多源射频信号重构方案的基础可用性、性能可用性、任务达成可用性、可靠性、经济性、效率与逼真度间的关系模型;
基于构建的各关系模型构建多源射频信号重构的可用度和逼真度间的均衡关系模型。
3.根据权利要求2所述的多源射频信号重构方案的确定方法,其特征在于,多源射频信号重构方案的基础可用性与逼真度间的关系模型表示为:
其中,xfi表示多源射频信号重构方案的基础可用性的第i个指标值,ρi表示基础可用性的第i个指标权重,gi和hi表示基础可用性的第i个指标与逼真度间关系模型的参数,xf表示多源射频信号重构方案的基础可用性,y表示多源射频信号重构方案的逼真度。
4.根据权利要求2所述的多源射频信号重构方案的确定方法,其特征在于,多源射频信号重构方案的性能可用性与逼真度间的关系模型表示为:
其中,xp表示多源射频信号重构方案的性能可用性,xpi表示性能可用性的第i个指标值,ai和bi表示性能可用性的第i个指标与逼真度间关系模型的参数,表示性能可用性的第i个指标值权重,y表示多源射频信号重构方案的逼真度。
5.根据权利要求2所述的多源射频信号重构方案的确定方法,其特征在于,多源射频信号重构方案的任务达成可用性与逼真度间的关系模型表示为:
其中,xt表示多源射频信号重构方案的任务达成可用性,xti表示任务达成可用性的第i个指标值,ci和di表示任务达成可用性的第i个指标与逼真度间关系模型的参数,θi表示任务达成可用性的第i个指标值权重,y表示多源射频信号重构方案的逼真度。
6.根据权利要求2所述的多源射频信号重构方案的确定方法,其特征在于,多源射频信号重构方案的可靠性与逼真度间的关系模型表示为:
xR=λ/(1+ηln(1-y)+γ)·R1·R2·R3
其中,xR表示多源射频信号重构方案的可靠性,R1、R2和R3分别表示设计可靠性、工艺可靠性和装配可靠性,γ表示位置参数,η表示刻度参数,λ表示可靠性的与逼真度间关系模型的关系参数,y表示多源射频信号重构方案的逼真度。
7.根据权利要求2所述的多源射频信号重构方案的确定方法,其特征在于,多源射频信号重构方案的经济性与逼真度间的关系模型表示为:
其中,xc表示多源射频信号重构方案的经济性,c0表示成本的最高可接受值,y表示多源射频信号重构方案的逼真度,Bi,Ai,δi,mi,κi(i=1,2,3)表示经济性与逼真度间的关系模型的参数,ζ1和ζ2表示逼真度的分段阈值。
8.根据权利要求2所述的多源射频信号重构方案的确定方法,其特征在于,多源射频信号重构方案的效率与逼真度间的关系模型表示为:
xu=μ1+μ2y2
其中,xu表示多源射频信号重构方案的效率,μ1和μ2表示多源射频信号重构方案的效率与逼真度间的关系模型的参数,y表示多源射频信号重构方案的逼真度。
9.根据权利要求1所述的多源射频信号重构方案的确定方法,其特征在于,基于可用度和逼真度间的均衡关系模型构建多源射频信号重构方案的优化目标函数为:
其中,
其中,表示多源射频信号重构方案的可用度,y表示多源射频信号重构方案的逼真度,xfi表示多源射频信号重构方案的基础可用性的第i个指标值,ρi表示基础可用性的第i个指标权重,gi和hi表示基础可用性的第i个指标与逼真度间关系模型的参数,xf表示多源射频信号重构方案的基础可用性,xp表示多源射频信号重构方案的性能可用性,xpi表示性能可用性的第i个指标值,ai和bi表示性能可用性的第i个指标与逼真度间关系模型的参数,/>表示性能可用性的第i个指标值权重,xt表示多源射频信号重构方案的任务达成可用性,xti表示任务达成可用性的第i个指标值,ci和di表示任务达成可用性的第i个指标与逼真度间关系模型的参数,θi表示任务达成可用性的第i个指标值权重,xR表示多源射频信号重构方案的可靠性,R1、R2和R3分别表示设计可靠性、工艺可靠性和装配可靠性,γ表示位置参数,η表示刻度参数,λ表示可靠性的与逼真度间关系模型的关系参数,xc表示多源射频信号重构方案的经济性,c0表示成本的最高可接受值,Bi,Ai,δi,mi,κi(i=1,2,3)表示经济性与逼真度间的关系模型的参数,ζ1和ζ2表示逼真度的分段阈值,xu表示多源射频信号重构方案的效率,μ1和μ2表示多源射频信号重构方案的效率与逼真度间的关系模型的参数,α和β分别表示可用度的权重和逼真度的权重,yi表示逼真度的第i个指标,y7表示逼真度的第i个指标,πi表示逼真度的第i个指标的权重,wi(i=1,...,6)表示可用度的第i个指标的权重。
10.根据权利要求9所述的多源射频信号重构方案的确定方法,其特征在于,所述可用度和逼真度间的均衡关系模型构建多源射频信号重构方案的优化目标函数,包括以下约束条件:
多源射频信号重构方案的可用度 表示可用度的最低可接受值;
多源射频信号重构方案的逼真度y≥y0,y0表示逼真度的最低可接受值;
多源射频信号重构方案的总成本c≤c0,c0表示可接受的最高成本;
yi>0(i=1,2,…,6);y7∈{0,1};
其中,Bi,Ai,δi,mi,κi(i=1,2,3)表示经济性与逼真度间的关系模型的参数,ζ1和ζ2表示逼真度的分段阈值,y表示多源射频信号重构方案的逼真度,yi表示逼真度的第i个指标,y7表示逼真度的第7个指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311733354.2A CN117729122A (zh) | 2023-12-15 | 2023-12-15 | 一种多源射频信号重构方案的确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311733354.2A CN117729122A (zh) | 2023-12-15 | 2023-12-15 | 一种多源射频信号重构方案的确定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117729122A true CN117729122A (zh) | 2024-03-19 |
Family
ID=90199336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311733354.2A Pending CN117729122A (zh) | 2023-12-15 | 2023-12-15 | 一种多源射频信号重构方案的确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117729122A (zh) |
-
2023
- 2023-12-15 CN CN202311733354.2A patent/CN117729122A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109858647B (zh) | 一种耦合gis和gbdt算法的区域洪涝灾害风险评价与预估方法 | |
CN112101430B (zh) | 用于图像目标检测处理的锚框生成方法及轻量级目标检测方法 | |
CN113568055B (zh) | 一种基于lstm网络的航空瞬变电磁数据反演方法 | |
CN110909488A (zh) | 一种高效边坡可靠度分析方法 | |
CN109086900B (zh) | 基于多目标粒子群优化算法的电力物资保障及调配平台 | |
Gao et al. | Forecasting annual natural gas consumption via the application of a novel hybrid model | |
CN117354652B (zh) | 基于变分自编码器的高速多模光模块性能优化方法 | |
CN116404647B (zh) | 计及动态汇聚特性的分布式光伏短期功率预测方法及系统 | |
CN111488709A (zh) | 一种零件平面度误差分析方法、误差分析系统及计算机 | |
CN115099511A (zh) | 基于优化copula的光伏功率概率估计方法及系统 | |
CN116578660A (zh) | 一种基于稀疏数据的电磁目标态势地图构建方法 | |
Chen et al. | TDOA/AOA Hybrid Localization Based on Improved Dandelion Optimization Algorithm for Mobile Location Estimation Under NLOS Simulation Environment | |
CN117729122A (zh) | 一种多源射频信号重构方案的确定方法 | |
CN117252288A (zh) | 一种区域资源有功支撑能力预测方法及系统 | |
CN117811879A (zh) | 基于阿基米德优化的多源射频信号重构系统的筛选方法 | |
CN110991660A (zh) | 基于蝗虫优化的lssvm-arima模型的态势分析方法、系统和存储介质 | |
Feng et al. | Optimization algorithm improvement of association rule mining based on particle swarm optimization | |
CN115600492A (zh) | 一种激光切割工艺设计方法及系统 | |
CN115062551A (zh) | 一种基于时序神经网络的湿物理过程参数化方法 | |
CN114881506A (zh) | 一种基于室温和iba-lstm的供热需求负荷评估方法及系统 | |
Chen et al. | [Retracted] Tracking Control of the Dynamic Input‐Output Economic System Based on Data Fusion | |
CN116125401A (zh) | 基于电磁散射计算的动态海面回波仿真方法 | |
Cheng et al. | An improved recurrent neural network for radio propagation loss prediction | |
CN111507897A (zh) | 一种基于自适应混合插值的城市场强重构方法 | |
CN113011597A (zh) | 一种回归任务的深度学习方法和装置 |
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 |