电磁态势分析显示中的多源信息处理方法

2020-04-20 11:49金芳杨坤汪洋
计算机与网络 2020年5期
关键词:数据挖掘

金芳 杨坤 汪洋

摘要:基于接入的多源电磁环境信息,抽取电磁辐射源的位置、特征参数和区域能量分布的信息,采用背景源数据、经验传播模型计算和实测数据印证技术、相同或类似辐射源态势数据插值技术、电磁环境效应评估方法,以及基于大数据的用频活动挖掘技术,可有效降低电磁态势分析显示过程中的计算量,提高分析精度和显示准确度。

关键词:电磁态势;多源信息;数据挖掘

中图分类号:TP202文献标志码:A文章编号:1008-1739(2020)05-58-3

0引言

整合装备资源信息和电磁环境监测数据,采用多源电磁环境监测数据融合、电磁干扰的快速评估以及基于大数据的用频活动挖掘技术是电磁态势分析与显示的基础。

基于多点频谱监测数据,利用基于D-S证据理论的多源数据融合技术实现对多对频谱监测覆盖盲区或者模糊区的电磁环境能量分布情况进行预测评估,实现点到面的数据重构,补充电磁环境监测能力的不足。从干扰类型、干扰强度、频率修正、天线极化修正及电波传播修正等角度建立多级筛选体系,实现干扰分析的快速评估。

1电磁环境监测数据融合方法

针对接入的电磁环境监测信息,主要基于多点频谱监测数据,实现点到面的数据重构,补充监测站点的不足。

区域内电磁辐射源信息是建立电磁环境态势的核心数据[1],目的是获取电磁辐射源的位置、特征参数和区域能量分布的信息[2],采用背景源数据、经验传播模型计算和实测数据印证技术以及相同或类似辐射源态势数据插值技术,有效降低电磁态势分析过程中的计算量,提高计算速度和精度。

1.1背景源数据

对复杂电磁环境来说,有许多“背景”辐射源,主要是固定辐射源和民用无线电台站,这些电磁辐射源是构成区域电磁环境态势的重要因素,而这些源的状态通常比较稳定,减少对其分析计算将可大大节省电磁态势分析计算量[3]。

1.2历史态势数据插值技术

利用电磁态势数据库中存储的相同或类似的电磁辐射源(频段、天线类似)信息,在计算和分析过程中,采用插值技术可快速计算其信号传播、衰减及能量分布等,也大大减少分析计算量并提高了计算速度。

1.3基于D-S理论的频谱数据融合方法

数据融合技术是实现频谱信息融合的核心,利用基于D-S证据理论的多源数据融合技术实现对多对频谱监测覆盖盲区或者模糊区的电磁环境能量分布情况的预测评估[4]。基于D-S证据理论的电磁环境数据拟合过程如图1所示。通过分析电波传播导致的场强变化情况,综合考虑传播距离、频率、地形、监测场强以及示向度等信息,对监测覆盖区域与盲区或者模糊区的关联情况进行评估,然后利用D-S理论进行融合,其中“0绝对化”mass分配表调整技术及基于证据间相似系数的冲突证据合成规则等证据冲突消解技术是解决多源频谱数据融合过程中证据冲突的关键技术。

2電磁环境效应评估方法

电磁干扰效应作用机理是电磁环境效应评估方法建立的基础。从电磁干扰三要素(电磁干扰源、耦合途径和受害感受器)出发,通过电磁干扰方程计算得到各种潜在干扰[5],从而判断发射机的电磁能量能否影响接收机,系统之间能否兼容的工作[6]。重点是通信对通信、通信对雷达、雷达对雷达和雷达对通信4种类型的耦合机理,覆盖定频、跳频和直扩3种体制。

在分析现有电磁干扰机理的基础上,从干扰类型、干扰强度、频率修正、天线极化修正及电波传播修正等角度建立多级筛选体系,实现干扰分析的快速评估。多级筛选分为快速剔除、幅度剔除、带宽与频率间隔修正和详细预测[7],电磁干扰快速评估思路如图2所示。

2.1类型筛选

干扰类型筛选根据可能的发射机—接收机组合及它们各自所适用的频率关系,粗略判定可能存在的干扰类型,针对可能存在的干扰类型进行下一步评估。

2.2振幅筛选

振幅筛选仅对可能存在的干扰类型的振幅上面进行筛选,选取的模型为:传输损耗是复杂环境传播损耗,模拟谐波发射和乱真响应时选取的模型是标称电平。如果此时所计算的干扰余量低于筛选标准,则该干扰类型停止下面的步骤,不再做进一步的预测。根据具体环境,设定合理的约束条件,例如在几十米距离内,可以选择自由空间传播模型,在保证预测精度的条件下实现预测时间的缩短。

2.3频率校正

频率校正模型的建立基础是发射机的每一输出频率与接收机每一潜在的响应频率相比较来决定产生电磁干扰的每一对频率之间的间隔。

2.4详细筛选

详细筛选包括天线极化修正、电波传播修正等,其中电波传播损耗的修正要考虑各种传播方式与频率、距离和天线高度的限制条件,选择合适的传播方式进行修正。

3基于大数据的用频活动挖掘技术

基于大数据的用频活动挖掘技术主要实现多源异构海量电磁数据智能标注与检索、基于数据仓库的高维数据组织管理以及基于用频活动学习的知识获取等,为电磁态势分析、识别、推理和推断提供支撑。

3.1多源异构海量电磁数据智能标注与检索

通过基于规则引擎的电磁数据清洗、电磁数据结构化处理、海量数据有效信息特征提取与属性描述、电磁数据多维度特征智能标注、智能数据搜索、海量电磁数据驱动下特征识别使用等技术,对海量电磁数据进行标注和配准,利用平台、场景、行动及组织关系等属性标签,在所有电磁数据间建立串联关系,支撑面向联合运用的海量电磁数据快速检索,并为海量电磁数据融合形成增量知识提供基础支撑。

3.2基于数据仓库的高维数据组织管理

针对传统的基于数据存储格式开发应用难以满足电磁态势实时分析显示处理的要求、电磁高维数据降维处理造成有效信息丢失,以及传統的基于数据库的电磁数据组织管理方式效率低、时效性差等问题,利用面向应用的电磁高维数据统计建模、面向决策支持的集成化电磁数据智能调度、面向主题的电磁数据聚合、潜在数据应用需求预测与数据组织调度等技术,实现面向各种数据运用需求的海量电磁高维数据预先组织、灵活调度、有序管理、快速响应,支撑电磁频谱域实时流计算和面向联合应用的多角度多层次分析。

3.3基于用频活动学习的知识获取

针对传统态势系统展现出来的武器装备、作战平台、作战行动和兵力部署等规律没有被量化表征和自动积累,无法形成可传达、发布、推广的知识支撑各级指挥员的作战筹划与决策等问题,采用数据挖掘、深度学习等相关技术,研究电磁环境和电磁目标隐性高阶特征提取、装备用频特征识别、用频活动自主学习等内容,获取各类电磁信号分布特征、电磁活动规律、电磁活动与兵力行动关联等隐性知识,为电磁态势分析、识别、推理、推断提供支撑知识库。

4结束语

通过对海量电磁数据进行标注和配准,利用平台、场景、行动和组织关系等属性标签,在所有电磁数据间建立串联关系,支撑面向联合运用的海量电磁数据快速检索,并为海量电磁数据融合形成增量知识提供基础支撑。利用数据仓库的高维数据组织管理,采用数据挖掘、深度学习等相关技术,获取区域各类电磁信号分布特征、电磁活动规律和电磁活动等隐性知识,可以为电磁态势分析、识别、推理和推断提供支撑,为装备电磁态势实时动态分析显示以及电子装备的效能提升提供支持。

参考文献

[1]徐伟.复杂电磁环境系统控制研究与实现[D].西安:西安电子科技大学,2011.

[2]王海涛,刘涛.战场电磁环境的基本问题初探[J].数据通信, 2011(1):22-25.

[3]秦大国,陈小武,李波,等.空间态势计算与可视化建模[J].系统工程与电子技术,2009,31(12):2904-2908.

[4]王莹.用频装备面临的电磁环境量化方法研究[D].哈尔滨:哈尔滨工程大学,2013.

[5]刘培国,侯冬云.电磁兼容基础[M].北京:电子工业出版社,2008.

[6]胡皓全,杨显清,赵家升.雷达之间电磁干扰预测模型研究[J].电子科技大学学报,2001(1):37-40.

[7]赵兴录,盛松林,张继龙.系统间电磁兼容分析预测[J].航天电子对抗,2009,25(1):58-61.

猜你喜欢
数据挖掘
近十年国内教育数据挖掘领域的应用技术分析
数据挖掘技术在内河航道维护管理中的应用研究
数据挖掘技术在物流企业中的应用
数据挖掘过程模型及创新应用
数据挖掘综述
软件工程领域中的异常数据挖掘算法
基于R的医学大数据挖掘系统研究
电子政务中基于云计算模式的数据挖掘研究
数据挖掘创新应用
数据挖掘的系统构成与发展趋势