本发明涉及一种建模仿真领域，特别是涉及一种基于大数据的复杂目标电磁特性建模仿真方法。
背景技术：
复杂目标电磁特性建模仿真技术是电磁环境仿真中的一项关键技术，它利用计算机生成目标的电磁信号，为相应的探测器提供模拟的电磁环境。
复杂目标的复杂性，表现为目标几何结构复杂，目标与环境之间的交互关系复杂，目标受大量非线性、不可控、不确定、难以预知，难以量化的因素的影响，不再是简单的线性关系，这使得复杂目标电磁特性的建模仿真很难借助传统的方法开展；传统建模仿真是建立在相似性理论基础之上，通过对实际系统进行模拟，使两者之间具有相似性，用相似性中的类比方法来获取结果，从而达成仿真的目的；其建模仿真本质上是建立在精确化和定化的基础之上；而由于复杂目标的复杂性，传统方法已无法对复杂目标电磁特性进行精确化和定化的描述，很难建立复杂目标电磁特性的模型。
基于大数据的复杂目标电磁特性建模仿真方法，是直接以实际应用、靶场试验、内场试验、理论计算产生的复杂目标电磁特性大数据为对象，采用主成份分析法等数据处理手段，建立电磁特性数据与复杂的变量之间的关联关系，实现直接数据驱动的复杂目标电磁特性建模仿真。
技术实现要素：
本发明所要解决的技术问题是提供一种基于大数据的复杂目标电磁特性建模仿真方法，针对基于相似性原理的传统建模仿真方法难以对复杂目标电磁特性进行高置信度建模仿真的问题，本发明提出了一种基于大数据的复杂目标电磁特性建模仿真方法，其目的在于利用数据直接驱动复杂目标电磁特性的建模仿真，避开复杂的相似性描述，另一方面，还可提高复杂目标电磁特性模型的置信度。
本发明是通过下述技术方案来解决上述技术问题的：一种基于大数据的复杂目标电磁特性建模仿真方法，包括如下步骤：
步骤一，先后利用机理分析和主成份分析的方法确定复杂目标电磁特性数据的维度；
步骤二，根据步骤一中主成份分析的结果进行复杂目标电磁特性大数据知识表示；
步骤三，根据用户的输入条件和规则知识，进行大数据实时检索；
步骤四，判断数据检索是否成功，如果成功则输出数据，完成建模仿真；如果未成功，则进一步完善复杂目标电磁特性数据或知识表示；
步骤五，根据步骤四，判断数据检索未成功，则进一步完善复杂目标电磁特性数据或知识表示，重复步骤二至步骤四。
优选地，所述基于大数据的复杂目标电磁特性建模仿真方法利用实际应用、靶场试验、内场试验、理论计算形成的大数据对复杂目标的电磁特性进行建模仿真。
优选地，所述步骤一中先后使用了两种方法确定复杂目标电磁特性数据的维度；先对复杂目标的电磁特性产生机理进行分析，初步得出影响复杂目标电磁特性的所有可能的因素；利用主成份分析法对大数据进行分析，得出影响复杂目标电磁特性的主要因素以及各主要因素的贡献率。
优选地，所述步骤三采用了实时数据检索方式，满足复杂目标电磁特性实时仿真需要。
本发明的积极进步效果在于：本发明提供了一种基于大数据进行复杂目标电磁射特性建模仿真的方法；所述方案解决了相似原理难以进行复杂目标电磁特性建模仿真的问题，为其它复杂问题的建模提供了新的思路和方法。
附图说明
图1为基于大数据的复杂目标电磁特性建模仿真方法的复杂目标电磁特性建模仿真流程图。
具体实施方式
本发明采用如下方案实现基于大数据的复杂目标电磁特性的建模仿真：
步骤101，先后利用机理分析和主成份分析的方法确定复杂目标电磁特性数据的维度；根据所述的主成份分析法所得到的主要因素构建主要因素集合：t＝{x1，x2，x3，……xn}，集合中的元素xi(i＝1，2，3，……n)代表第i个影响复杂目标电磁特性的主要因素；
步骤102，根据步骤101中主成份分析的结果进行复杂目标电磁特性大数据知识表示；所述的主成份分析法所得到的主要因素构建主要因素集合：t＝{x1，x2，x3，……xn}，集合中的元素xi(i＝1，2，3，……n)代表第i个影响复杂目标电磁特性的主要因素；由主要因素集合t中的元素xi组合形成复杂目标电磁特性数据的关键字key(或称为id)，与key对应的数据结构表示为：
表中，charac1，charac2等是用于描述组成复杂目标电磁特性的变量；上述关键字和对应的数据组成(key，data)就是对复杂目标电磁特性数据的知识表示；
步骤103，根据用户的输入条件和规则知识，进行大数据实时检索；对数据进行检索操作的规则知识表示为如下式(1)：
式中，xi是变量xi对应的值；
所述的输入条件是指公式(1)中的
步骤104，判断数据检索是否成功，如果成功则输出数据，完成建模仿真；如果未成功，则进一步完善复杂目标电磁特性数据或知识表示。
所述基于大数据的复杂目标电磁特性建模仿真方法利用实际应用、靶场试验、内场试验、理论计算等形成的大数据对复杂目标的电磁特性进行建模仿真。
步骤105，根据步骤104，判断数据检索未成功，则进一步完善复杂目标电磁特性数据或知识表示，重复步骤102至步骤104。
所述步骤101中先后使用了两种方法确定复杂目标电磁特性数据的维度，先对复杂目标的电磁特性产生机理进行分析，初步得出影响复杂目标电磁特性的所有可能的因素；然后，利用主成份分析法对大数据进行分析，得出影响复杂目标电磁特性的主要因素以及各主要因素的贡献率。
所述步骤103采用了实时数据检索方式，可满足复杂目标电磁特性实时仿真需要。
下面结合附图给出本发明较佳实施例，以详细说明本发明的技术方案。
如图1所示，本实施例以f16飞机的红外特性建模仿真为例。
步骤101中，根据飞行器红外特性产生机理分析和其主成分确定复杂目标电磁特性数据维度。
在步骤101a中，根据飞行器红外特性产生机理分析，f16飞机三大辐射源分别是被加热的尾喷管红外辐射、发动机排出的高温尾喷焰辐射和飞行器蒙皮辐射；尾喷管红外辐射和发动机排出的高温尾喷焰辐射与f16飞机发动机工作状态、高温尾喷气体成份有关；目标的蒙皮辐射不仅与其本身大小，构成机身的表面材料性质有关，也和目标的飞行速度，飞行高度以及周围大气环境有着密切关系；目标的蒙皮辐射在不同波段所占的比重都不一样，不同波段的红外辐射也具有不同的作用；根据机理分析，初步得出影响飞行器红外特性的因素有：飞行器类型、飞行器的发动机工作状态、飞行速度、飞行高度、大气环境。
在步骤101b中，主成份分析的主要目标是在保证信息丢失最少的前提下，选择若干个有代表性的主要因素来描述f16飞机红外特性的情况；通过对实际应用、靶场试验、内场试验、理论计算等形成的大数据进行主成份分析，得出影响f16飞机红外特性的主要因素为：飞行器类型、发动机工作状态、飞行速度、飞行高度、飞机与探测器的相对位置、探测器工作波段；其中，相对位置包括：相对距离、俯仰角、偏航角。
在步骤102中，根据主成份分析得到主要因素集合t＝{type，engine，speed，height，distance，theta，phi，waveband}集合中的元素分别表示，飞行器类型、发动机工作状态、飞行速度、飞行高度、相对距离、俯仰角、偏航角、波段；本例中根据集合t，构建f16红外特性数据的key为：type_engine_speed_height_distance_theta_phi_band，f16红外特数据结构为：
其中，radiance代表f16飞机的红外辐射亮度，depth代图像的每一个像素到探测器的距离。
在步骤103中，假设用户输入的条件是，目标类为f16飞机，发动机工作状态为加力，飞行速度为0.9ma，飞行高度为3000m，相对距离为135m，俯仰角三十度，偏航度二百一十度，探测器工作波段为3～5μm；根据输入条件，形成规则知识为：
if<type＝‘f16’andengine＝‘jl’andspeed＝‘0.9’andheight＝‘3000’anddistance＝‘135’andtheta＝‘30’andphi＝‘210’andband＝‘mir’>then<(key，data)>。其中，key＝f16_jl_0.9_3000_135_30_210_mir，data为与key对应的红外特性数据；
计算机根据key，实时检索与key对应的data；在本例中采用berkeyleydb构建的嵌入式实时数据库，实现大数据的实时检索。
在步骤104中，根据步骤103中的检索结果，判断是否成功检索出所需数据，如果是，则输出数据，完成建模仿真；如果否，则进行步骤105。
在步骤105中，充分完善数据库和知识表示，再重复步骤102至104。
该方法利用实际应用、靶场试验、内场试验、理论计算等形成的大数据对复杂目标的电磁特性进行建模仿真，实现直接数据驱动的复杂目标电磁特性建模仿真。
所述步骤101中先后使用了两种方法确定复杂目标电磁特性数据的维度；先对复杂目标的电磁特性产生机理进行分析，初步得出影响复杂目标电磁特性的所有可能的因素；然后，利用主成份分析法对大数据进行分析，得出影响复杂目标电磁特性的主要因素以及各主要因素的贡献率。
所述步骤103采用了实时数据检索方式，可满足复杂目标电磁特性实时仿真需要，能够进行精确化和定化的描述。
本发明了提供了一种基于大数据进行复杂目标电磁射特性建模仿真的方法；所述方案解决了相似原理难以进行复杂目标电磁特性建模仿真的问题，为其它复杂问题的建模提供了新的思路和方法。
以上所述的具体实施例，对本发明的解决的技术问题、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。