专利名称：雷达模拟设备可信度的评估方法及评估系统的制作方法
技术领域：
本发明涉及计算机仿真的评估技术领域，尤其涉及仿真模拟系统的一种雷达模拟设备可信度的评估方法及评估系统。
背景技术：
随着计算机技术的发展，系统建模与仿真模拟技术在社会、军事等各个领域的应用越来越广泛，计算机仿真模拟也被列为继科学理论和科学实验之后第三种认识客观世界和改造客观世界的手段，由此仿真/模拟的可信度评估也伴随着仿真技术的发展日益成为重要的研究课题。仿真可信度是指仿真模拟系统作为原型系统的相似替代系统，在特定的建模与仿真模拟的目的和意义下，在总体结构和行为水平上能够复现原型系统的可信性程度。目前模拟系统可信度评估工作，主要从系统行为水平角度评价系统的可信性程度，主要通过对模拟系统输出数据和实际原型系统输出数据一致性评估来实现的。可信度评估工作在面向复杂模拟系统时，为复杂多样的可信度评估需求寻找合适的评估方法需要丰富的经验与技巧，对评估工作人员要求比较高。在模拟系统可信度评估工作中，容易出现可信度评估方法的误用，同时不能对评估结果进行有效分析，使得部分可信度低的模拟系统用于人员培训、试验、训练等领域，给应用带来难以预计的损失。
发明内容
为解决雷达模拟设备在现有系统中存在仿真可信度的技术问题，本发明提供一种雷达模拟设备可信度的评估方法及评估系统，能够高效准确地评价雷达模拟系统的可信度。本发明是对现有系统可信度评估工具的改进和完善。能够有效避免可信度评估工具的误用，提高了模拟系统可信度评估工作效率和评估质量。本发明具有应用广泛、新颖、实用性强。为实现上述发明目的，本发明采用如下技术方案
一种雷达模拟设备可信度的评估系统，包括模拟设备信号采集器、实际原型设备信号采集器、智能分析评估系统、数据库处理系统、终端存储显示系统，所述模拟设备信号采集器和实际原型设备信号采集器分别通过GPIB接口卡或GPIB转USB接口卡与智能分析评估系统的输入端相连，所述智能分析评估系统通过数据总线与数据库处理系统相连，智能分析评估系统的输出端通过并口与终端存储显示系统相连，且数据库处理系统通过数据总线与终端存储显示系统相连。—种雷达模拟设备可信度的评估系统，所述智能分析评估系统由数据特征提取模块、数据预处理模块、可信度智能筛选模块和可信度计算模块通过控制总线电连接组成，其中，数据特征提取模块、数据预处理模块、可信度智能筛选模块通过数据总线与数据库处理系统相连；该系统分析所获取的评估数据，完成可信度评估工作，按照数据处理、数据特征提取、评估方法智能筛选、可信度评估计算的次序，计算可信度评估结果。
一种雷达模拟设备可信度的评估系统，所述数据库处理系统由数据预处理方法库、可信度评估特征库、可信度评估方法库和评估数据与评估结果库组成，其中，数据预处理方法库通过数据总线与数据特征提取模块和数据预处理模块相连，可信度评估特征库和可信度评估方法库分别通过数据总线与可信度智能筛选模块相连，评估数据与评估结果库通过数据总线与终端存储显示系统相连；该系统提供方法支持，提供数据、结果的存储与管理。一种可信度智能分析评估方法，将评估系统的采集器接入模拟设备与实际原型系统，并读取模拟设备与实际原型系统的数据，通过GPIB接口卡或GPIB转USB接口卡传输至智能分析评估系统，所述智能分析评估系统提取筛选评估数据特征与可信度评估方法本质特征，并建立可信度评估特征 与可信度评估方法间的映射关系，实现对模拟系统的可信度智能分析评估，具体实现过程为
步骤一提炼可信度评估特征，是对仿真模拟系统、原型系统的数据要求和评估方法，所反映的数据特征和评估方法本质特征的一致性提炼出来的；所述可信度评估特征包括数据特征和评估方法本质特征，所述数据特征由静态数据和动态数据组成，所述评估方法本质特征由评估方法数学/物理特征组成；
1.静态数据可信度评估特征，是经抽样而产生的样本数据，该组数据满足iid(independence identical distribute,独立同分布的条件，与时间没有关系，可以交换其先后次序，需要时还可对其按大小重新进行排列；
2.动态数据可信度评估特征，是经采样而产生动态的时间序列数据，是按时间顺序排列的观测值集合。包括连续时间序列和离散时间序列。对于动态数据的处理，需要应用到随机过程分析中的一些假设前提(如平稳性、各态历经性等)和研究成果；
3.评估方法的可信度评估特征——提炼的评估方法数学/物理特征，是基于系统行为的评估方法是通过检验原型系统/模拟系统的输出之间的一致性，来得出可信度结论的；对于输出数据的一致性检验上，不同的评估方法有着不同的判断原则，也就是说不同的评估方法有着不同的数学或物理本质；
步骤二 建立可信度评估特征到可信度评估方法的映射关系；
1.规范并明确可信度评估特征取值，采用两类共6个标准取值，包括
①评估方法对于数据特征的取值为“1_必须满足”、“2-满足更好”、“3-不能使用”和“4-不要求”;其中，每种评估方法对于数据特征的取值为“ V -适用”、“ X -不适用”；
评估方法对于评估方法本质特征的取值
2、建立可信度评估特征到可信度评估方法的映射关系，针对静态、动态数据给出了每种评估方法对于可信度评估数据特征的映射表；针对评估方法本质给出了每种评估方法对于可信度评估特征的映射表；以此为基础建立了可信度评估特征到可信度评估方法的映射关系;
步骤三设计可信度评估特征库、数据预处理方法库、可信度评估方法库以及评估数据与评估结果库；
可信度评估特征库该库将步骤二中的可信度评估方法到可信度评估特征的映射关系以数据库的形式保存；数据预处理方法库该库保存了数字特征计算、样本分布判定方法和数据平稳性判定方法等数据特征提取方法；降噪、剔点、趋势项分离、函数变换、数据拟合、插值、频谱转换、趋势项提取、自助法数据扩容等数据预处理方法；
可信度评估方法库该库保存了概率估计法、均值估计法、方差估计法、Bayes均值估计法、Bayes方差估计法、均值检验法、方差检验法、Smirnor检验法、符号检验法、秩和检验法、游程检验法、不等式系数法、灰色关联法、灰色关联改进法、回归分析法、经典谱估计法、最大熵谱析法、随机时序列辨识；
评估数据与评估结果库该库保存了评估数据、评估结果以及与评估相关的参数、方法信息；
步骤四设计可信度评估方法智能筛选在步骤三所建立的各类数据库的基础上，以待评测的雷达模拟设备的评估数据特征与评估目的为前提，通过一定的逻辑判断，能够方便地实现可信度评估方法智能筛选功能，其可信度评估方法自动筛选的步骤如下
执行步骤301，用户选择可信度评估目的，获得对应到用户关心的可信度评估方法本质特征集D ；
执行步骤302，以用户关心的可信度评估特征集D为输入，查表I提取与集合D对应的适用的可信度评估方法，获得适用的评估方法集C ；
执行步骤303，以评估数据为输入，自动提取静态/动态数据特征，获得两类动态/静态数据特征集；
执行步骤304，以具备的动态/静态数据特征集为输入，查表2或表3提取值为3的评估方法，得到不能使用的评估方法集A ;
执行步骤305，以不具备的动态/静态数据特征集为输入，查表2或表3提取值为I的评估方法，得到不能使用的评估方法集B ;
执行步骤306，以步骤302、304、305的评估方法集A、B、C，通过CJ ,获得适用于
数据特征和评估目的的可信度评估方法集，为并依照评估数据满足可信度评估方法数据特征的程度I、2、4，进行可信度方法适用性的优先级排序。一种可信度智能分析评估方法，所述提炼的静态数据可信度评估特征主要有大样本、样本独立性、输入一致性、正态性、总体分布已知、验前分布已知6种特征组成；其中，大样本采用样本量不少于30个；小样本采用样本量为5 10个；
其中，实际可信度评估的应用过程中，很可能会出现验前信息不足/不可靠，用于评估的样本量达不到大样本的评估方法要求，此时，对于静态数据可以通过Bootstrap方法、随机加权法，对于动态数据可以采用系统辨识方法来扩充数据，产生能够满足大样本评估方法的样本量来完成评估工作，或者，应用回归分析法对于样本量不是那么敏感的方法来完成评估工作。一种可信度智能分析评估方法，所述提炼的动态数据可信度评估特征主要有等长序列、等间隔序列、平稳性、正态性、各态历经性、采样时间对齐、验前分布已知、零均值、输入一致性9种特征组成；
其中，平稳性设有随机过程el},若对任意《和任意选定的& Ci2 < 3 <··· < η,h ,ι = \Χ·'·,η ,以及 Γ 力任意值,且-W......, ei ,有Ρξ(χ1 x2,= Fi (X1, X2r--^XxJ1+ τ, I2 +r,■*·,! +τ)
则称该过程为严平稳随机过程，又称狭义平稳随机过程；
设有一个二阶矩随机过程,它的均值为常数，相关函数仅是T = I1-I2的函
数，则称该过程为宽平稳随机过程，又称广义平稳随机过程；
上述狭义平稳随机过程与广义平稳随机过程的关系是宽平稳随机过程不一定是严平稳随机过程；而当随机过程的二阶矩存在时，严平稳随机过程就是宽平稳随机过程；其中
a)对于正态分布的平稳过程，宽平稳就是严平稳，严平稳就是宽平稳；
b)对于平稳随机过程，则认为该组数据满足平稳性；否则，不满足平稳性； 其中，实际的可信度评估过程中，对于单组数据平稳性的判断主要是依靠实际问题的应用背景，通过数据的获取过程及数据本身的物理意义来判定；如果其基本物理因素不随时间变化，一般认为数据是平稳的；
并且可以画出数据波形，通过直观观察来判断，波形平稳的标志是平均值波动小，波形的峰谷变化比较均匀，频率结构比较一致；
也可以利用数理统计的方法，对单个序列数据进行定量判断，利用数理统计方法检验单个序列平稳性，首先要满足两个假设
a)任意给定的单次样本可以反映数据非平稳的特性，由此才可能判断出数据中的确定性趋势项；
b)任意给定的单次样本比之于数据中的最低频率分量要长得多，而且不包含非平稳均值；换而言之，样本长度必须长到足以辨别非平稳趋势项和时间历程的随机起伏量；
根据平稳数据序列具有均值和方差恒定的特性，利用数理统计方法检验单个序列平稳性的基本思想是将数据分段，然后对各段数据均值和方差进行游程检验或逆序检验，判断其一致性；
基于数据利用数理统计方法进行定量判断的方法，前提要求比较苛刻，结论的风险也比较大，因此对于平稳性的判断建议优先利用第一种方法，从系统机理和实际应用上来定性判断；
频谱法和部分系统辨识方法，都要求数据具有平稳性的特性，如果数据不满足平稳性要求，可以采用以下措施/方法来完成可信度评估；
a)利用灰色关联法、TIC法以及回归分析法的时域可信度评估方法，在时域上评估原型/模拟设备的一致性；
b)利用平稳化方法，将非平稳数据平稳化；
如果必须在频域完成评估，推荐优先采用第b)种方法；否则，推荐优先采用第a)种方法。一种可信度智能分析评估方法，所述提炼的评估方法数学/物理特征主要有样本均值、样本方差、样本分布、空间距离、几何形状、距离加形状、总体趋势、频域组成与分布8种特征组成，
其中，样本均值，设样本时间序列:义=(具…，忌),样本均值定义为
( )对于正态分布况(从#),样本均值X是*的无偏估计量；在实际应用中，X或者W反
映的是一些用均值来表征的指标，如:最大/最小探测距离、发现概率，这些表征雷达探测功能的指标；
其中，样本方差，设样本时间序列,样本方差定义为
权利要求
1.一种雷达模拟设备可信度的评估系统，其特征在于包括模拟设备信号采集器、实际原型设备信号采集器、智能分析评估系统、数据库处理系统、终端存储显示系统，所述模拟设备信号采集器和实际原型设备信号采集器分别通过GPIB接口卡或GPIB转USB接口卡与智能分析评估系统的输入端相连，所述智能分析评估系统通过数据总线与数据库处理系统相连，智能分析评估系统的输出端通过并口与终端存储显示系统相连，且数据库处理系统通过数据总线与终端存储显示系统相连。
2.根据权利要求I所述的一种雷达模拟设备可信度的评估系统，其特征在于所述智能分析评估系统由数据特征提取模块、数据预处理模块、可信度智能筛选模块和可信度计算模块通过控制总线电连接组成，其中，数据特征提取模块、数据预处理模块、可信度智能筛选模块通过数据总线与数据库处理系统相连；该系统具有分析所获取的评估数据，完成可信度评估工作，按照数据处理、数据特征提取、评估方法智能筛选、可信度评估计算的次序，计算可信度评估结果。
3.根据权利要求I所述的一种雷达模拟设备可信度的评估系统，其特征在于所述数据库处理系统由数据预处理方法库、可信度评估特征库、可信度评估方法库和评估数据与评估结果库组成，其中，数据预处理方法库通过数据总线与数据特征提取模块和数据预处理模块相连，可信度评估特征库和可信度评估方法库分别通过数据总线与可信度智能筛选模块相连，评估数据与评估结果库通过数据总线与终端存储显示系统相连；该系统提供方法支持，提供数据、结果的存储与管理。
4.一种如权利要求I所述雷达模拟设备可信度智能分析评估的方法，其特征在于将评估系统的采集器接入模拟设备与实际原型系统，并读取模拟设备与实际原型系统的数据，通过GPIB接口卡或GPIB转USB接口卡传输至智能分析评估系统，所述智能分析评估系统提取筛选评估数据特征与可信度评估方法本质特征，并建立可信度评估特征与可信度评估方法间的映射关系，实现对模拟系统的可信度智能分析评估，具体实现过程为 步骤一提炼可信度评估特征，是对仿真模拟系统、原型系统的数据要求和评估方法，所反映的数据特征和评估方法本质特征的一致性提炼出来的；所述可信度评估特征包括数据特征和评估方法本质特征，所述数据特征由静态数据和动态数据组成，所述评估方法本质特征由评估方法数学/物理特征组成； 1)、静态数据可信度评估特征，是经抽样而产生的样本数据，该组数据满足iid(independence identical distribute,独立同分布的条件，与时间没有关系，可以交换其先后次序，需要时还可对其按大小重新进行排列； 2)、动态数据可信度评估特征，是经采样而产生动态的时间序列数据，是按时间顺序排列的观测值集合；包括连续时间序列和离散时间序列；对于动态数据的处理，需要应用到随机过程分析中的一些假设前提(如平稳性、各态历经性等)和研究成果； 3)、评估方法的可信度评估特征——提炼的评估方法数学/物理特征，是基于系统行为的评估方法是通过检验原型系统/模拟系统的输出之间的一致性，来得出可信度结论的，对于输出数据的一致性检验上，不同的评估方法有着不同的判断原则，也就是说不同的评估方法有着不同的数学或物理本质； 步骤二 建立可信度评估特征到可信度评估方法的映射关系； I)、规范并明确可信度评估特征取值，采用两类共6个标准取值，包括①评估方法对于数据特征的取值为“1-必须满足”、“2-满足更好”、“3-不能使用”和“4-不要求”;其中，每种评估方法对于数据特征的取值为“ V -适用”、“ X-不适用”； ②评估方法对于评估方法本质特征的取值 2)、建立可信度评估特征到可信度评估方法的映射关系，针对静态、动态数据给出了每种评估方法对于可信度评估数据特征的映射表；针对评估方法本质给出了每种评估方法对于可信度评估特征的映射表；以此为基础建立了可信度评估特征到可信度评估方法的映射关系; 步骤三设计可信度评估特征库、数据预处理方法库、可信度评估方法库以及评估数据与评估结果库； 可信度评估特征库该库将步骤二中的可信度评估方法到可信度评估特征的映射关系以数据库的形式保存； 数据预处理方法库该库保存了数字特征计算、样本分布判定方法和数据平稳性判定方法等数据特征提取方法；降噪、剔点、趋势项分离、函数变换、数据拟合、插值、频谱转换、趋势项提取、自助法数据扩容等数据预处理方法； 可信度评估方法库该库保存了概率估计法、均值估计法、方差估计法、Bayes均值估计法、Bayes方差估计法、均值检验法、方差检验法、Smirnor检验法、符号检验法、秩和检验法、游程检验法、不等式系数法、灰色关联法、灰色关联改进法、回归分析法、经典谱估计法、最大熵谱析法、随机时序列辨识； 评估数据与评估结果库该库保存了评估数据、评估结果以及与评估相关的参数、方法信息； 步骤四设计可信度评估方法智能筛选在步骤三所建立的各类数据库的基础上，以待评测的雷达模拟设备的评估数据特征与评估目的为前提，通过一定的逻辑判断，能够方便地实现可信度评估方法智能筛选功能，其可信度评估方法自动筛选的步骤如下 执行步骤301，用户选择可信度评估目的，获得对应到用户关心的可信度评估方法本质特征集D ； 执行步骤302，以用户关心的可信度评估特征集D为输入，查表I提取与集合D对应的适用的可信度评估方法，获得适用的评估方法集C ； 执行步骤303，以评估数据为输入，自动提取静态/动态数据特征，获得两类动态/静态数据特征集； 执行步骤304，以具备的动态/静态数据特征集为输入，查表2或表3提取值为3的评估方法，得到不能使用的评估方法集A ; 执行步骤305，以不具备的动态/静态数据特征集为输入，查表2或表3提取值为I的评估方法，得到不能使用的评估方法集B ; 执行步骤306，以步骤302、304、305的评估方法集A、B、C，通过,获得适用于数据特征和评估目的的可信度评估方法集，为并依照评估数据满足可信度评估方法数据特征的程度I、2、4，进行可信度方法适用性的优先级排序。
5.根据权利要求4所述的雷达模拟设备可信度智能分析评估方法，其特征在于所述提炼的静态数据可信度评估特征主要有大样本、样本独立性、输入一致性、正态性、总体分布已知、验前分布已知6种特征组成；其中，大样本采用样本量不少于30个；小样本采用样本量为5 10个； 其中，实际可信度评估的应用过程中，很可能会出现验前信息不足/不可靠，用于评估的样本量达不到大样本的评估方法要求，此时，对于静态数据可以通过Bootstrap方法、随机加权法，对于动态数据可以采用系统辨识方法来扩充数据，产生能够满足大样本评估方法的样本量来完成评估工作，或者，应用回归分析法对于样本量不是那么敏感的方法来完成评估工作。
6.根据权利要求4所述的雷达模拟设备可信度智能分析评估方法，其特征在于所述提炼的动态数据可信度评估特征主要有等长序列、等间隔序列、平稳性、正态性、各态历经性、采样时间对齐、验前分布已知、零均值、输入一致性9种特征组成； 其中，平稳性设有随机过程1ef},若对任意w和任意选定的& <h < 3 <■■■ <is, , i = 1,2,···, ,以及τ为任意值,且 W......ei ,有 A44-^2 ■■·>&) = (^l-+ΤΛ+ ) 则称该过程为严平稳随机过程，又称狭义平稳随机过程； 设有一个二阶矩随机过程,它的均值为常数，相关函数仅是T=I1-I2的函数，则称该过程为宽平稳随机过程，又称广义平稳随机过程；上述狭义平稳随机过程与广义平稳随机过程的关系是宽平稳随机过程不一定是严平稳随机过程；而当随机过程的二阶矩存在时，严平稳随机过程就是宽平稳随机过程；其中 a)对于正态分布的平稳过程，宽平稳就是严平稳，严平稳就是宽平稳； b)对于平稳随机过程，则认为该组数据满足平稳性；否则，不满足平稳性； 其中，实际的可信度评估过程中，对于单组数据平稳性的判断主要是依靠实际问题的应用背景，通过数据的获取过程及数据本身的物理意义来判定；如果其基本物理因素不随时间变化，一般认为数据是平稳的； 并且可以画出数据波形，通过直观观察来判断，波形平稳的标志是平均值波动小，波形的峰谷变化比较均匀，频率结构比较一致； 也可以用数理统计的方法，对单个序列数据进行定量判断，利用数理统计方法检验单个序列平稳性，首先要满足两个设定 a)任意给定的单次样本可以反映数据非平稳的特性，由此才可能判断出数据中的确定性趋势项； b)任意给定的单次样本比之于数据中的最低频率分量要长得多，而且不包含非平稳均值；换而言之，样本长度必须长到足以辨别非平稳趋势项和时间历程的随机起伏量； 根据平稳数据序列具有均值和方差恒定的特性，利用数理统计方法检验单个序列平稳性的基本思想是将数据分段，然后对各段数据均值和方差进行游程检验或逆序检验，判断其一致性； 基于数据利用数理统计方法进行定量判断的方法，前提要求比较苛刻，结论的风险也比较大，因此对于平稳性的判断建议优先利用第一种方法，从系统机理和实际应用上来定 性判断；频谱法和部分系统辨识方法，都要求数据具有平稳性的特性，如果数据不满足平稳性要求，可以采用以下措施/方法来完成可信度评估； a)利用灰色关联法、TIC法以及回归分析法的时域可信度评估方法，在时域上评估原型/模拟设备的一致性； b)利用平稳化方法，将非平稳数据平稳化； 如果必须在频域完成评估，推荐优先采用第b)步骤方法；否则，推荐优先采用第a)步骤方法。
7.根据权利要求4所述的雷达模拟设备可信度智能分析评估方法，其特征在于所述提炼的评估方法数学/物理特征主要有样本均值、样本方差、样本分布、空间距离、几何形状、距离加形状、总体趋势、频域组成与分布8种特征组成， 其中，样本均值，设样本时间序
8.根据权利要求4所述的雷达模拟设备可信度智能分析评估方法，其特征在于所述评估方法对于数据特征的取值，其中每种评估方法对于评估数据特征的取值有以下四种1)、必须满足评估工作必须满足该项评估特征，才能顺利/准确实施评估工作； 2)、满足更好评估工作不一定满足该项评估特征，但如果满足该项评估特征，将会更顺利/准确实施评估工作；即如果该评估特征不能满足时，也可以使用该方法进行评估工作；其它条件同等的情况下，优先选用此类评估特征得到满足的方法； 3)、不能使用评估工作必须不具备该项评估特征，才能顺利/准确实施评估工作；换而言之，如果该评估特征得到满足时，将不能使用该方法进行评估工作； 4)、不要求评估工作时，该项评估特征的满足与否不会对评估结果/评估过程产生明显影响，即该方法对于该项评估特征不敏感；换而言之，使用时可以不考虑该项评估特征；在评估方法对某项评估特征没有明确要求的情况下，这是评估方法对评估特征的默认值。
9.根据权利要求4所述的雷达模拟设备可信度智能分析评估方法，其特征在于所述评估方法对于评估方法本质特征的取值，其中每种评估方法对于评估方法本质特征的取值有两种 1)、适用，该评估方法反映了该评估方法本质特征，换而言之，如果进行评估时，如果关注该评估特征则可以选用该评估方法； 当均值检验法对“样本均值”这一特征的取值为“适用”，表明该评估方法的实质是通过比较“样本均值”来考察模型与原型的一致性； 当对于要评估的模型，要关注的是其输出数据的均值特性一威力指标，则从评估方法本质特征的角度考虑，选用均值检验法来进行评估；最终是否选用该方法，还要结合上面基于评估用数据的筛选结果综合决策； 2)、不适用，该评估方法不能反映，该评估方法本质特征，换而言之，如果进行评估时，如果关注该评估特征则不能选用该评估方法； 当均值检验法对“样本方差”这一特征的取值为“不适用”，表明该评估方法的实质不是通过比较“样本方差”来考察模型与原型的一致性； 当对于要评估的模型，要关注的是其输出数据的方差特性一脱靶量，则不能选用均值检验法来进行评估。
10.根据权利要求4所述的雷达模拟设备可信度智能分析评估方法，其特征在于所述模拟系统行为与实际原型系统可信度评估智能筛选方法步骤如下 执行步骤201，进行系统初始化设置，用户设置内容主要包括评估数据录取内容设置、动态或静态数据选择、评估目的、评估数据特征是否可修改，以及可修改内容以及是否录取数据选择； 执行步骤202，根据初始化指令，进行雷达原型系统数据的测量或提取； 执行步骤203，根据初始化指令，进行雷达模拟设备数据的测量或提取； 执行步骤204，根据初始化指令，系统读取雷达原型系统和雷达模拟设备数据； 执行步骤205，根据初始化中动/静态设置，调用相应的数据预处理方法库中的数据特征提取方法，自动分析评估数据具备/不具备的数据特征集； 执行步骤206，依据步骤205所得的评估数据具备/不具备的数据特征集，从可信度评估特征库中自动选取与数据特征集相匹配的评估方法集； 执行步骤207，提取初始化设置中的可信度评估目的，转化为相应的评估方法本质特征； 执行步骤208，依据步骤207所得的评估方法本质特征，从可信度评估特征库中自动选取与可信度评估方法本质特征相匹配的评估方法集； 执行步骤209，依据步骤206和步骤208评估集，匹配出符合数据特征和可信度评估方法本质特征的评估方法集，并依据数据特征的适用程度，进行方法的优选排序； 执行步骤210，判断步骤209的方法集是否为空，为空则表明当前条件下没适用的评估方法，执行步骤215 ;否则存在适用的评估方法，执行步骤211 ； 执行步骤211，步判断可信度评估方法是否需要进行数据预处理，需要处理则执行步骤213，否则执行步骤214 ； 执行步骤212，进行频域转换、拟合、趋势项提取等基于数据预处理，保证可信度评估方法的数据质量； 执行步骤213，进行可信度评估计算，从可信度评估方法库中调用使用的可信度评估方法，完成评估数据一致性检验； 执行步骤214，实时显示可信度评估结果； 执行步骤215，根据初始参数设置，进一步判断是否可以修改评估数据的数据特征，可以修改，执行步骤216，否则，执行步骤214; 执行步骤216，根据初始设置，明确可修改的数据特征； 执行步骤217，自动调用适用的数据预处理方法，评估数据满足数据特征修改需求，进一步调用206，重新匹配可信度评估方法； 执行步骤218，判断是否打印评估数据与评估结果，读取初始参数设置，若打印，执行步骤219，否则，执行步骤220 ； 执行步骤219，打印评估数据与评估结果； 执行步骤220，判断是否存储评估数据与评估结果；读取初始参数设置，若打印，执行步骤219，否则，结束工作流程； 执行步骤221，打印评估数据与评估结果。
全文摘要
本发明涉及计算机仿真的评估技术领域，一种雷达模拟设备可信度的评估方法及评估系统，所述方法通过雷达模拟设备可信度评估系统，使评估系统的采集器接入模拟设备与实际原型系统，并读取模拟设备与实际原型系统的数据，通过GPIB接口卡或GPIB转USB接口卡传输至智能分析评估系统，所述智能分析评估系统提取筛选评估数据特征与可信度评估方法本质特征，并建立可信度评估特征与可信度评估方法间的映射关系，实现对模拟系统的可信度智能分析评估；本发明能够对雷达原型系统与雷达模拟设备的可信度评估，提高可信度评估的工作效率，降低可信度评估工作的成本，实现可信度评估方法的智能筛选，有效避免了对模型的误用，提高了可信度评估质量。
文档编号G06F19/00GK102955902SQ20121037901
公开日2013年3月6日 申请日期2012年10月9日 优先权日2012年10月9日
发明者戚宗锋, 韩国强, 李林, 荣昕, 符淑芹, 刘文钊, 彭燕, 蒙洁, 胡明明 申请人:中国人民解放军63892部队