本发明涉及雷达目标rcs反演技术。更具体地,涉及一种中段突防场景目标rcs反演方法。
背景技术:
1、目前,实际应用中,由于环境和雷达系统等各种因素,往往无法得到场景下完整运动过程的目标雷达散射截面积(radar cross section,rcs)信息,而是部分运动轨迹的目标rcs信息,这在一定程度上降低了数字模拟的真实性。中段突防过程中,存在抛弃助推器,释放轻重诱饵过程,释放瞬间会对雷达系统探测各类目标rcs数据产生影响。同时可能释放的干扰机会影响雷达系统的探测,雷达需开启旁瓣对消等抗干扰处理,会对同一波束内雷达探测所得的目标rcs产生影响。
技术实现思路
1、本发明的目的在于提供一种中段突防场景目标rcs反演方法,以解决现有目标rcs信息不完整,且受到环境和系统等各种因素的影响,现有技术往往无法得到目标rcs完整轨迹数据的技术性难题。
2、为达到上述目的,本发明采用下述技术方案:
3、本发明第一方面提供一种中段突防场景目标rcs反演方法,包括:
4、获取各类目标部分轨迹的试验数据,
5、对试验数据进行初始阶段筛选,得到各类目标筛选后的rcs数据;
6、对筛选后的各类目标rcs数据进行平滑处理;
7、对平滑处理后的各类目标rcs数据进行异常检测和去除;
8、对去除异常值的各类目标rcs数据进行归一化处理;
9、对归一化处理后的各类目标rcs数据进行概率拟合,得到概率模型;
10、根据各类目标rcs的概率模型反演出完整轨迹的rcs数据,得到各类目标完整轨迹的rcs数据。
11、可选地,所述方法还包括
12、将所述获取的各类目标部分轨迹试验数据记为data,所述data为nhjcnt*nmaxrow*nitemnum的数据矩阵;
13、其中,nhjcnt为目标种类数,nmaxrow为每种目标的数据点数,nitemnum为每个数据点的数据项个数,第i个目标的第j个数据点的第k个数据项记为dataijk。
14、可选地,所述对试验数据进行初始阶段筛选包括
15、对所获取的各类目标部分轨迹试验数据data中各类目标datai的nmaxrow个数据点,根据时间信息筛选特定时间段内的数据点提取rcs信息,得到各类目标筛选并提取后的数据信息,记为datarcs;
16、其中,i=1,2,...,nhjcnt,datarcs为nhjcnt*nselectrow的数据矩阵,nhjcnt为目标种类数,nselectrow为每种目标筛选后的数据点数,且nselectrow≤nmaxrow。
17、可选地,所述对筛选后的各类目标rcs数据进行平滑处理包括
18、依次遍历数据信息datarcs中当前第i类目标相邻两个数据点datarcsij和datarcsij+1的rcs值,
19、若datarcsij与datarcsij+1相等,则去掉其中一个,
20、若datarcsij与datarcsij+1不相等,则两个都保留,最终得到nsmoothrow个数据点;
21、其中i=1,2,...,nhjcnt,j=1,2,...,nselectrow-1,平滑处理后的datarcs为nhjcnt*nsmoothrow的数据矩阵,nsmoothrow为平滑处理后的数据点个数,且nsmoothrow≤nselectrow。
22、可选地,所述对平滑处理后的各类目标rcs数据进行异常值检测和去除包括
23、根据给定的rcs阈值rcs_value,对每类目标遍历nsmoothrow个数据点;
24、对当前第i类目标的每个数据点datarcsij;
25、若datarcsij超过rcs_value,则去除掉datarcsij,
26、否则datarcsij小于等于rcs_value,保留datarcsij,最终得到nlastrow个数据点;
27、其中,i=1,2,...,nhjcnt,j=1,2,...,nsmoothrow,异常值去除后的datarcs为nhjcnt*nlastrow的数据矩阵,且nlastrow≤nsmoothrow。
28、可选地,所述对去除异常值的各类目标rcs数据进行归一化处理包括
29、对各类目标rcs中数据datarcsi进行归一化处理,得到经过归一化处理后的数据standdatarcs;
30、其中,i=1,2,…,nhjcnt,standdatarcs为nhjcnt*nlastrow的数据矩阵。
31、可选地,所述对归一化处理后的各类目标rcs数据进行概率拟合包括
32、s1:将经过归一化后的数据standdatarcs作为经验累积分布概率p1′;
33、s2:假设样本服从正态分布,估算出其正态分布的参数phat(1)和phat(2);
34、s3:根据样本数据standdatarcs,参数phat(1)和phat(2),求出其正态分布的理论累积分布函概率p1;
35、s4:将对应每个样本的经验累积分布概率p1′和理论累积分布概率p1求差并取出最大值,即k-s检验统计量dn;
36、重复上述步骤s1-s4,取得正态分布假设、伽马分布假设,指数分布假设、对数分布假设、瑞利分布假设和卡方分布假设的统计量dn;
37、s5:与临界值进行比较,判定假设dn大于临界值,拒绝样本服从假设的分布类型,反之,接受;
38、s6:取dn最小的假设分布。
39、可选地,根据各类目标rcs的概率模型反演出完整轨迹的rcs数据,得到各类目标完整轨迹的rcs数据包括
40、根据得到的概率模型和standdatarcsi,预测得到完整轨迹的rcs数据alldatarcs;
41、其中,alldatarcs是nhjcnt*nallrow的数据矩阵,nallrow是完整轨迹的数据点个数。
42、本发明第二方面提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现本发明第一方面提供的方法。
43、本发明第三方面提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现本发明第一方面提供的方法。
44、本发明的有益效果如下:
45、本发明所述方法对于中段突防场景目标rcs数据进行处理,得到更纯粹的目标rcs数据,为后续处理提供了数据基础;通过概率拟合,得到了各类目标的概率分布模型,使用概率分布模型反演出完整轨迹的目标rcs数据,提高了模拟的真实性和准确性;也为其他目标类型或场景类型下目标rcs数据处理提供了解决思路。
1.一种中段突防场景目标rcs反演方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述方法还包括
3.根据权利要求2所述的方法,其特征在于,所述对试验数据进行初始阶段筛选包括
4.根据权利要求3所述的方法,其特征在于,所述对筛选后的各类目标rcs数据进行平滑处理包括
5.根据权利要求4所述的方法,其特征在于,所述对平滑处理后的各类目标rcs数据进行异常值检测和去除包括
6.根据权利要求5所述的方法,其特征在于,所述对去除异常值的各类目标rcs数据进行归一化处理包括
7.根据权利要求6所述的方法,其特征在于,所述对归一化处理后的各类目标rcs数据进行概率拟合包括
8.根据权利要求7所述的方法,其特征在于,根据各类目标rcs的概率模型反演出完整轨迹的rcs数据,得到各类目标完整轨迹的rcs数据包括
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-8中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-8中任一项所述的方法。