CN115952673B - 一种基于电磁环境认知和混合模型构建的频谱捷变方法 - Google Patents
一种基于电磁环境认知和混合模型构建的频谱捷变方法 Download PDFInfo
- Publication number
- CN115952673B CN115952673B CN202211737492.3A CN202211737492A CN115952673B CN 115952673 B CN115952673 B CN 115952673B CN 202211737492 A CN202211737492 A CN 202211737492A CN 115952673 B CN115952673 B CN 115952673B
- Authority
- CN
- China
- Prior art keywords
- spectrum
- data
- frequency
- equipment
- graph
- 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.)
- Active
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 165
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000019771 cognition Effects 0.000 title claims abstract description 32
- 238000010276 construction Methods 0.000 title claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims abstract description 60
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 36
- 238000013499 data model Methods 0.000 claims abstract description 36
- 230000005855 radiation Effects 0.000 claims description 18
- 230000000295 complement effect Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000013461 design Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 230000035945 sensitivity Effects 0.000 description 4
- 230000005684 electric field Effects 0.000 description 3
- 241000475481 Nebula Species 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- JIPVGERXYWGOOY-UHFFFAOYSA-N (2-methoxyphenyl) pentanoate Chemical compound CCCCC(=O)OC1=CC=CC=C1OC JIPVGERXYWGOOY-UHFFFAOYSA-N 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000126 substance Substances 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于电磁环境认知和混合模型构建的频谱捷变方法,包括如下步骤:步骤S1,采集原始数据;步骤S2,列式数据库采用时间分桶‑空间分块的数据模型对原始数据进行存储;步骤S3,提取列式数据库中的电磁环境数据,采用ITM物理模型计算电磁环境数据在传播路径上的干扰信息矩阵,并抽象为图存储到图数据库中;步骤S4,从图数据库最新的缓存数据中提取干扰信息矩阵,采用频捷变算法根据干扰信息矩阵、可用频谱矩阵为设备分配频谱。本发明的一个技术效果在于,设计合理,频谱分配结果在一定程度上可以达到效率和效益的目标,从而快速准确地生成己方用频捷变策略。
Description
技术领域
本发明属于频谱捷变技术领域,具体涉及一种基于电磁环境认知和混合模型构建的频谱捷变方法。
背景技术
近年来随着科技发展,战争形态模式也在不断更新迭代,越来越多的电子设备参与到了战场对抗。随之而来的是战场双方对空间频谱资源的争夺,为己方争取更多的频谱资源的同时,尽力打击干扰敌方的可利用频谱资源。
频谱资源是一个综合命题,要较为精准且实时获取频谱资源,不仅需要从特定侦察设备出发获取海量空间电磁数据,还需要对电磁数据进行挖掘并经过特定算法抽象成可用频谱资源。
电磁数据的具体参量多样化如磁场、电场等,不同的频谱捷变算法需要的数据格式也多样化。通过对电磁数据具体参量的选择以及相应的频谱捷变算法,可以实现对用频策略的高效支撑。
目前在面对海量战场复杂空间的电磁环境数据时,能否摆脱人力限制,快速准确地生成己方用频捷变策略,以高效、准确、全面地实现对战场电磁环境的认知理解以及用频装备协同运用的支撑,成为一个亟需解决的问题。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一,提供一种基于电磁环境认知和混合模型构建的频谱捷变方法的新技术方案。
根据本发明的一个方面,提供了一种基于电磁环境认知和混合模型构建的频谱捷变方法,包括如下步骤:
步骤S1,采集原始数据;
步骤S2,列式数据库采用时间分桶-空间分块的数据模型对原始数据进行存储;
步骤S3,提取列式数据库中的电磁环境数据,采用ITM物理模型计算电磁环境数据在传播路径上的干扰信息矩阵,并抽象为图存储到图数据库中;
步骤S4,从图数据库最新的缓存数据中提取干扰信息矩阵,采用频捷变算法根据干扰信息矩阵、可用频谱矩阵为设备分配频谱。
可选地,基于电磁环境认知和混合模型构建的频谱捷变方法还包括:
步骤S5,将分配的频谱信息、设备信息反馈至所述列式数据库以及所述图数据库并更新所述列式数据库以及所述图数据库中存储的信息。
可选地,采用频捷变算法根据干扰信息矩阵、可用频谱矩阵为设备分配频谱,包括:
从图数据库中获取干扰信息矩阵和可用频谱矩阵;
当有未分配设备时,计算当前可用设备数最少的频谱上的极大独立集,将频谱分配至极大独立集对应的设备,并输出分配结果。
可选地,计算当前可用设备数最少的频谱上的极大独立集,将频谱分配至极大独立集对应的设备,包括:
由于在一张图上独立集与点覆盖互为补集,则采用定价算法求解图中的点覆盖,继而获得图中的极大独立集;同时,根据计算的频谱上可用的设备,从干扰信息矩阵中取出子矩阵求解极大独立集;
然后,将频谱分配至极大独立集对应的设备。
可选地,分配频谱之前需要将频谱上可用的设备数量进行一次排序,利用贪心的策略优先将可分配设备较少的频谱优先分配,以为多个设备进行频谱分配。
可选地,在列式数据库中存储了不同时间切片下的空间电磁数据,各个时间切片构成了时间序列;
每个时间切片下的空间电磁数据按照空间网格的坐标作为行键;每个网格的列族存储相应的空间电磁数据,以构成时间分桶-空间分块的数据模型。
可选地,在ITM物理模型中,电磁波传播衰减分成了视距区域、绕射区域以及散射区域,电磁波传播损耗是关于传播距离d的函数如下:
其中,dls是平坦球面视距距离,dx是散射区域计算起始距离;Aed是电磁波传播损失值,md是表示在绕射区域内,衰减值与距离成线性关系;Ael是Aed在dls处的值,K1、K2是在视距内插值控制系数;Aes是Aed在dx处的值,ms是在散射区域衰减值线性插值因子;
将电磁波传播损耗带入每个辐射源的互相之间的电磁环境数据,计算并得出每个辐射源的干扰系数,并形成图论形式。
可选地,图数据库包括两个点类型和三种边类型;其中,两个点类型分别为时间戳和空间电磁数据,三种边类型分别为隶属值、时间间隔和干扰系数;
在计算列式数据库提取的损耗之后,可计算出每个辐射源的信号功率强度,以计算出相邻或者同一频段下的辐射源之间的干扰。
可选地,构建设备参数的数据模型和频谱信息的数据模型;其中,设备的数据模型包括设备在***中的编号、设备所处位置的地理信息、设备的使用情况数据、设备的通讯参数以及设备可用的频谱信息;频谱信息的数据模型包括储频谱在***中的编号以及频谱的频率信息;
设备参数的数据模型和频谱信息的数据模型中涉及的数据存储在列式数据库中,在计算频谱捷变时,通过接口取出数据计算后存入图数据库中。
可选地,三维空间中某点的功率强度值可以采用下面的公式进行计算:
Pr=Pt+Gt+Gr-L-Ls (2)
L=Lfs+Lfs*0.1*log(d) (3)
Lfs=32.45+20lgf+20lgR (4)
其中,Pr是空间某点的功率强度值;Pt是用频设备发射的功率强度值,单位是dBW;Gt是发射设备的天线增益;Gr单位是接收设备的天线增益,其单位均为dBi;Ls是***损耗,取3dB-5dB;L是电磁波传播总损耗,其包括自由空间的传播损耗以及通过障碍物造成的损耗;
d为设备间距离,Lfs为自由空间的传播损耗;
f是电磁波的频率,单位是MHz;R是电磁波的传播路径长度,单位是km。
本发明的一个技术效果在于:
在本申请实施例中,在面对海量战场复杂空间的电磁环境数据时,首先,通过列式数据库采用时间分桶-空间分块的数据模型对采集的原始数据进行存储;然后,提取列式数据库中的电磁环境数据,采用ITM物理模型计算电磁环境数据在传播路径上的干扰信息矩阵,并抽象为图存储到图数据库中;最后,从图数据库最新的缓存数据中提取干扰信息矩阵,采用频捷变算法根据干扰信息矩阵、可用频谱矩阵为设备分配频谱。该基于电磁环境认知和混合模型构建的频谱捷变方法设计合理,其能够摆脱人力限制,快速准确地生成己方用频捷变策略,以高效、准确、全面地实现对战场电磁环境的认知理解以及用频装备协同运用的支撑;而且,通过该基于电磁环境认知和混合模型构建的频谱捷变方法得到的频谱分配结果在一定程度上可以达到效率和效益的目标。
附图说明
图1为本发明一实施例的一种基于电磁环境认知和混合模型构建的频谱捷变方法的流程示意图;
图2为本发明一实施例的一种基于电磁环境认知和混合模型构建的频谱捷变方法的混合模型的示意图;
图3为球形规则网格体数据以及本发明的使用局部立方体空间来堆空间网格做映射的示意图;
图4为本发明一实施例的一种基于电磁环境认知和混合模型构建的频谱捷变方法的基于空间的电磁环境数据的结构示意图;
图5为本发明一实施例的一种基于电磁环境认知和混合模型构建的频谱捷变方法的电磁环境数据的地理位置编码;
图6为本发明一实施例的一种基于电磁环境认知和混合模型构建的频谱捷变方法的基于空间剖分的时间分桶-空间分块的数据模型的示意图;
图7为本发明一实施例的一种基于电磁环境认知和混合模型构建的频谱捷变方法的辐射源干扰示意图;
图8为本发明一实施例的一种基于电磁环境认知和混合模型构建的频谱捷变方法的完整干扰图;
图9为本发明一实施例的一种基于电磁环境认知和混合模型构建的频谱捷变方法的***流程图;
图10为本发明一实施例的一种基于电磁环境认知和混合模型构建的频谱捷变方法的整体算法流程图。
具体实施方式
现在将参照附图来详细描述本申请的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。
下面将详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能理解为对本申请的限制。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
参见图1至图10,本申请实施例提供一种基于电磁环境认知和混合模型构建的频谱捷变方法,包括如下步骤:
步骤S1,采集原始数据;其中,原始数据包括电磁、地形、大气等信息。
步骤S2,列式数据库采用时间分桶-空间分块的数据模型对原始数据进行存储,参见图6。其中,列式数据库即HBase。
需要说明的是,目前使用较为广泛的一种网格框架是经纬度划分,比如北斗卫星导航***的GeoSOT网格编码,再比如美国的“美国国家网格”等。如图3中的左侧图例所示,这是等经纬度、等高度情况下的空间网格样例。但是,对于实际的战场空间来说,以经纬度作为划分级别是比较大的,不利于对实际的战场空间进行准确的空间网格划分。因此,本发明使用局部立方体空间来堆空间网格做映射,参见图3中的右侧图例所示,以有利于对实际的战场空间进行准确的空间网格划分。
进一步地,通过经纬度来获取近似的立方体空间,此时使用直角空间坐标系来标识相应位置。在战场空间中,电磁环境数据是随着时间而不断变化的,因此电磁环境数据的数据结构中添加了时间戳,用来表示当前位置的电磁环境信息是某个时间段(时间切片)内的具体数值,如图4所示。
在后续的数据库存储中,需要用一个键值来标识单一的空间网格。由于空间网格可以由地理坐标(x,y,z)来标识唯一,因此使用地理坐标来进行编码,方便后续的数据编辑操作,参见图5。
如图5所示,取出一个空间网格的地理坐标x,y,z。确定需要补位的位数如需要补4位,将每个数据前补0直到总位数满足补位位数。拼接时需要将x左移8(补位*2)位,y左移4(补位),z不变,将三者进行加法操作得到标识唯一的空间编码。
考虑到实际战场环境是一个四维空间即三位地理空间+时间。即便拥有类似上文的空间剖分的元数据抽象,传统的关系型数据库仍然难以表征一个四维空间的抽象模型。或者说,传统的关系型数据库要实现一个四维对象的存储,需要设计的模式十分庞杂,且互相耦合程度过高,导致增删改查等操作会涉及大部分的表结构,导致耗时耗力。
在本申请中,列式数据库使用一个行键对应一列的关系来存储数据,在直观上可以很好的对应空间网格的数据。基于时空特性下,可以设计以时间序列为行键的前提下存储空间网格的行键,即采用时间分桶-空间分块的数据模型对原始数据进行存储。
步骤S3,提取列式数据库中的电磁环境数据,采用ITM物理模型计算电磁环境数据在传播路径上的干扰信息矩阵,并抽象为图存储到图数据库中。其中,图数据库,也即Nebula。ITM物理模型适用于20MHz~20GHz,天线高度在0.5~3000m,电磁波传播距离在2000km内的情况。
需要说明的是,在战场电磁环境中,各用频设备的电磁频谱态势是多相关的,除了自身因素外还有其他设备和空间地形因素的干扰,因此要实现频捷变,必须先从空间数据中提取挖掘需要的相关数据。除去用频设备之间的互相影响,如何从海量的空间数据中提取出传播路径上的干扰矩阵是十分繁杂的一环。暴力算法下是对空间网格做深度遍历或者广度遍历等,其时间复杂度是O(N3),如此一来是十分复杂的。不论是使用哪种数据库都很难提高效率。
因此,本申请提出一种计算干扰信息矩阵的方法,并抽象为图存储到Nebula中,较好地提升了干扰信息矩阵的计算效率。本发明使用ITM物理模型,从空间数据和地形数据着手,计算不同辐射源之间的干扰,用于后续的频捷变算法,效率较高。
步骤S4,从图数据库最新的缓存数据中提取干扰信息矩阵,采用频捷变算法根据干扰信息矩阵、可用频谱矩阵为设备分配频谱。
在本申请实施例中,在面对海量战场复杂空间的电磁环境数据时,该基于电磁环境认知和混合模型构建的频谱捷变方法设计合理,其能够摆脱人力限制,快速准确地生成己方用频捷变策略,以高效、准确、全面地实现对战场电磁环境的认知理解以及用频装备协同运用的支撑;而且,通过该基于电磁环境认知和混合模型构建的频谱捷变方法得到的频谱分配结果在一定程度上可以达到效率和效益的目标。
可选地,基于电磁环境认知和混合模型构建的频谱捷变方法还包括:
步骤S5,将分配的频谱信息、设备信息反馈至所述列式数据库以及所述图数据库并更新所述列式数据库以及所述图数据库中存储的信息。
在上述实施方式中,通过将分配的频谱信息、设备信息反馈至列式数据库以及图数据库并更新列式数据库以及图数据库中存储的信息,有助于保证列式数据库以及图数据库中信息的准确性和实时性,从而有助准确地计算干扰信息矩阵以及频谱分配。
需要说明的是,现有的多数频谱分配算法往往每次只为一个设备分配频谱,为了提高频谱分配的效率,一次性为多个设备分配频谱,引入了极大独立集的思想,处于同一个独立集中的设备均不会产生互扰。同时,可以利用贪心的策略优先将可分配设备较少的频谱优先分配,可以在相同数量的频谱上分配更多的设备。因此,可以采用基于极大独立集的贪心算法为多个设备进行频谱分配。
本申请的频谱算法的总体思想是根据战场所有用频设备间的用频干扰情况,将多用频设备相互间干扰形成的复杂拓扑结构简化为由多个单一频谱上多用频设备用频冲突的简单拓扑的集合,对简化后的拓扑图求极大独立集;然后采用贪心算法进行频谱分配。该算法主要分为极大独立集的求解算法和贪心分配算法两部分。
可选地,如图10所示,采用频捷变算法根据干扰信息矩阵、可用频谱矩阵为设备分配频谱,包括:
从图数据库中获取干扰信息矩阵和可用频谱矩阵;
当有未分配设备时,计算当前可用设备数最少的频谱上的极大独立集,将频谱分配至极大独立集对应的设备,并输出分配结果。
在上述实施方式中,在求得极大独立集后将频谱分配给该极大独立集对应的设备,由于极大独立集的性质,分配后的设备之间并不会产生干扰,保证频谱分配的正确性。
可选地,计算当前可用设备数最少的频谱上的极大独立集,将频谱分配至极大独立集对应的设备,包括:
由于在一张图上独立集与点覆盖互为补集,则采用定价算法求解图中的点覆盖,继而获得图中的极大独立集;同时,根据计算的频谱上可用的设备,从干扰信息矩阵中取出子矩阵求解极大独立集;
然后,将频谱分配至极大独立集对应的设备。
在上述实施方式中,对于极大独立集的求解,采用极大独立集的一个关键性质设计算法,即在一张图上,独立集与点覆盖互为补集,从而先求出图中的点覆盖,再利用这一性质得到极大独立集,而求解点覆盖的算法采用定价算法(Pricing Method),该定价算法可在O(E2)的时间内得到点覆盖的2倍近似最优解(E为图中边的条数)。同时为了提高计算极大独立集的效率,并不直接在包含所有设备的干扰矩阵上进行计算,而是根据根据计算的频谱上可用的设备,从干扰矩阵中取出其子矩阵求解极大独立集,此操作可在一定程度上减少计算的时间复杂度,提高效率。
可选地,分配频谱之前需要将频谱上可用的设备数量进行一次排序,利用贪心的策略优先将可分配设备较少的频谱优先分配,以为多个设备进行频谱分配。
在本实施例总,对于贪心算法,由于总体统筹规划所有频谱的同时分配需要较为庞大数量的计算资源,而本发明的目标是高效的分配,故为了提高效率并保持分配效果,可以利用贪心的策略优先将可分配设备较少的频谱优先分配,这样可以在保持高效分配的同时在相同数量的频谱上分配更多的设备。同时因为这一策略的采用,在分配频谱之前需要将频谱上可用的设备数量进行一次排序,但排序算法已经极为成熟,时间复杂度均在O(nlogn)以内,相比其他部分是极小的时间开销,故效率仍能保持在一个较高的水平。
需要说明的是其中,求解极大独立集问题为NP难问题,以目前的算法无法在多项式时间内求得其最优解,故此处采用上述的近似算法求出极大独立集的近似解,此处所用的求解极大独立集的算法的时间复杂度为O(MN2),其中M为可供分配的频谱数量,N为待分配的用频设备数量。该算法得到的分配结果在一定程度上可以达到效率和效益的目标。
可选地,在列式数据库中存储了不同时间切片下的空间电磁数据,各个时间切片构成了时间序列;
每个时间切片下的空间电磁数据按照空间网格的坐标作为行键;每个网格的列族存储相应的空间电磁数据,以构成时间分桶-空间分块的数据模型。
在列式数据库中,存储了不同时间切片下的空间电磁数据,这些时间切片构成了时间序列。时间粒度理论上由战场综合的用频环境决定,实际上取决于侦察设备的采样频率。如图6所示,HBase存储的每个时间切片下的数据按照空间网格的坐标作为行键,以此唯一标识每一个空间网格。每个网格的列族存储相应的空间数据,这种存储方式为时间分桶-空间分块的数据模型。
为了实现上述的基于时间分桶-空间分块的数据模型,可在HBase中设计时间表、数据块表一共两张表,时间表用于索引所有时间序列,数据块表存储了具体的环境特性数据.
HBase中第一张表是时间表,由于HBase是基于列进行排序的,因此时间序列作为行键的情况下必须要设计多列族才能满足可能任意增长的网格总数量,而使用网格编码作为单一编码的情况下只需要有单一时间列族。
HBase中第二张表为数据块表,数据块表具体包括两张表,第一张数据块表中可设置数个列族分别用于表示磁场、电场数据等。在本实施例中,总共设了两个列族,分别标识磁场和电场的能量密度的矢量信息。第二张数据块表设置了一个列族,用来标识任一辐射源(也即设备)到达空间某网格的损耗以及相关的频段。行键则使用了经纬度与设备编号的拼接作为标识,x、y为经纬度,d为设备编号。
可选地,在ITM物理模型中,电磁波传播衰减分成了视距区域、绕射区域以及散射区域,电磁波传播损耗是关于传播距离d的函数如下:
其中,dls是平坦球面视距距离,dx是散射区域计算起始距离;Aed是电磁波传播损失值,md是表示在绕射区域内,衰减值与距离成线性关系;Ael是Aed在dls处的值,K1、K2是在视距内插值控制系数;Aes是Aed在dx处的值,ms是在散射区域衰减值线性插值因子;
将电磁波传播损耗带入每个辐射源的互相之间的电磁环境数据,计算并得出每个辐射源的干扰系数,并形成图论形式,参见图7。
在上述实施方式中,由于在考虑复杂地形情况下,ITM物理模型的预测结果准确率较高,而模型计算复杂度一般,因此采用该模型对电磁波传播损耗进行计算,计算简单,而且准确率较高。
可选地,图数据库包括两个点类型和三种边类型,其中,两个点类型分别为时间戳和空间电磁数据,三种边类型分别为隶属值、时间间隔和干扰系数,如表1所示。
表一
在计算列式数据库提取的损耗之后,可计算出每个辐射源的信号功率强度,以计算出相邻或者同一频段下的辐射源之间的干扰。
在一个具体的实施方式中,使用的设备数据总共含有二十个设备,如图8所示,一共有20个辐射源,在有向图情况下,最多有380条干扰边。经过计算后得到的边数总共为138条,转换成矩阵表示情况下,属于稀疏矩阵,有助于快速计算每个辐射源的信号功率强度,从而有助于快速计算出相邻或者同一频段下的辐射源之间的干扰。
可选地,构建设备参数的数据模型和频谱信息的数据模型;其中,设备的数据模型包括设备在***中的编号、设备所处位置的地理信息、设备的使用情况数据、设备的通讯参数以及设备可用的频谱信息;频谱信息的数据模型包括储频谱在***中的编号以及频谱的频率信息。
其中,设备所处位置的地理信息包括设备所处位置的经度(使用x代称)、纬度(使用y代称),以及海拔高度(使用z代称),同时为方便后文干扰矩阵的计算,此处地理信息的单位均为千米(km)。
设备的使用情况数据包括设备是否正在使用、设备正在使用的频谱编号,设备的使用情况数据可以用于协助战场的电磁环境信息的构建。
设备的通讯参数在频谱分配的计算方面较为重要的数据,其包括设备的天线增益、设备发射机的功率,以及设备的接收灵敏度,设备的天线增益和设备发射机的功率主要用于计算设备之间的干扰情况,设备的接收灵敏度是一个阈值,当设备收到其他无关设备的功率强度超过接收灵敏度时,就视为这两个设备之间存在干扰。为便于后文干扰矩阵的计算,此处的参数单位均为dB。
设备可用的频谱信息,用于标示存储在数据库中的哪些频谱在该设备上是可用的,判断是否可在某些频谱上分配设备。
另外,频谱信息的数据模型主要是为了降低数据的冗余度而设计的,在频谱信息的数据模型中,仅存储频谱在***中的编号以及该频谱的频率信息,其他频捷变算法需要的与频谱相关的参数均可通过频率信息计算出来。
设备参数的数据模型和频谱信息的数据模型中涉及的数据存储在列式数据库中,在计算频谱捷变时,通过接口取出数据计算后存入图数据库中,参见图9。
需要说明的是,为设备分配频谱时,设备本身的参数以及相关频谱的信息是决定设备之间的影响关系以及频谱分配结果的极为重要的影响因素。同时,由于经过空间剖分的数据模型的数据单元较小,数据量较为庞大,而设备、频谱的数量往往远远小于空间剖分的单元数量,因此,需要在前文所述数据模型上额外构建一个与频捷变相关的设备参数以及频谱参数的数据模型较为合理,从而有助于准确地为各个设备分配频谱。
在本申请实施例中,为了提高分配频谱的效率,减少对于复杂的设备以及电磁环境数据的依赖,在进行频捷变时,主要需要的信息由:设备在不同频谱上是否可用的可用信息矩阵available、设备之间的干扰情况矩阵inteference、待分配的设备编号向量undistributedNo,以及与可用的频谱信息对称的频谱编号及频率信息spectrum_Frequency。当待分配的设备数量为N,可供分配的频谱数量为M时,可用信息矩阵available为M×N的二维矩阵;设备之间的干扰情况矩阵inteference则具体记录了在每个可供分配的频谱上的每对设备之间互相之间的干扰情况,该矩阵为M×N×N的三维矩阵;待分配的设备编号向量undistributedNo记录了待分配的设备在数据库中的编号,是大小为1×N的向量,频谱编号及频率信息spectrum_Frequency记录了可供分配的频谱在数据库中的编号以及频谱的频率信息,这二者主要用于用于在计算后返回设备的分配结果。
干扰信息矩阵以外的信息均可由底层数据库直接给出,故中间信息的计算主要是针对干扰信息矩阵的计算。
为简化计算,加快计算效率,在接下来的频捷变算法中,将设备A收到设备B在某个频谱S上的信号功率强度大于设备A的接收灵敏度表示为设备B在频谱S上对设备A存在干扰,当频谱编号为i,设备A编号为j,设备B编号为k时,干扰信息矩阵中的元素inteference[i][j][k]=1。
信号功率强度是影响通信设备工作的重要因素,其计算方法在前文也给出了部分,如公式(1)。
在一个可选的实施方式中,三维空间中某点的功率强度值可以采用下面的公式进行计算:
Pr=Pt+Gt+Gr-L-Ls (2)
L=Lfs+Lfs*0.1*log(d) (3)
Lfs=32.45+20lgf+20lgR (4)
其中,Pr是空间某点的功率强度值;Pt是用频设备发射的功率强度值,单位是dBW;Gt是发射设备的天线增益;Gr单位是接收设备的天线增益,其单位均为dBi;Ls是***损耗,取3dB-5dB;L是电磁波传播总损耗,其包括自由空间的传播损耗以及通过障碍物造成的损耗;
d为设备间距离,Lfs为自由空间的传播损耗;
f是电磁波的频率,单位是MHz;R是电磁波的传播路径长度,单位是km。
在上述实施方式中,有利于快速且准确地计算三维空间中某点的功率强度值,从而便于后续为设备准确地分配频谱。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (8)
1.一种基于电磁环境认知和混合模型构建的频谱捷变方法,其特征在于,包括如下步骤:
步骤S1,采集原始数据;
步骤S2,列式数据库采用时间分桶-空间分块的数据模型对原始数据进行存储;
步骤S3,提取列式数据库中的电磁环境数据,采用ITM物理模型计算电磁环境数据在传播路径上的干扰信息矩阵,并抽象为图存储到图数据库中;
步骤S4,从图数据库最新的缓存数据中提取干扰信息矩阵,采用频捷变算法根据干扰信息矩阵、可用频谱矩阵为设备分配频谱;
其中,采用频捷变算法根据干扰信息矩阵、可用频谱矩阵为设备分配频谱,包括:
从图数据库中获取干扰信息矩阵和可用频谱矩阵;
当有未分配设备时,计算当前可用设备数最少的频谱上的极大独立集,将频谱分配至极大独立集对应的设备,并输出分配结果;
步骤S5,将分配的频谱信息、设备信息反馈至所述列式数据库以及所述图数据库并更新所述列式数据库以及所述图数据库中存储的信息。
2.根据权利要求1所述的基于电磁环境认知和混合模型构建的频谱捷变方法,其特征在于,计算当前可用设备数最少的频谱上的极大独立集,将频谱分配至极大独立集对应的设备,包括:
由于在一张图上独立集与点覆盖互为补集,则采用定价算法求解图中的点覆盖,继而获得图中的极大独立集;同时,根据计算的频谱上可用的设备,从干扰信息矩阵中取出子矩阵求解极大独立集;
然后,将频谱分配至极大独立集对应的设备。
3.根据权利要求2所述的基于电磁环境认知和混合模型构建的频谱捷变方法,其特征在于,分配频谱之前需要将频谱上可用的设备数量进行一次排序,利用贪心的策略优先将可分配设备较少的频谱优先分配,以为多个设备进行频谱分配。
4.根据权利要求3所述的基于电磁环境认知和混合模型构建的频谱捷变方法,其特征在于,在列式数据库中存储了不同时间切片下的空间电磁数据,各个时间切片构成了时间序列;
每个时间切片下的空间电磁数据按照空间网格的坐标作为行键;每个网格的列族存储相应的空间电磁数据,以构成时间分桶-空间分块的数据模型。
5.根据权利要求4所述的基于电磁环境认知和混合模型构建的频谱捷变方法,其特征在于,在ITM物理模型中,
电磁波传播衰减分成了视距区域、绕射区域以及散射区域,电磁波传播损耗是关于传播距离d的函数如下:
其中,是平坦球面视距距离,dx是散射区域计算起始距离;Aed是电磁波传播损失值,md是表示在绕射区域内,衰减值与距离成线性关系;Ael是Aed在dls处的值,K1、K2是在视距内插值控制系数;Aes是Aed在dx处的值,ms是在散射区域衰减值线性插值因子;
将电磁波传播损耗带入每个辐射源的互相之间的电磁环境数据,计算并得出每个辐射源的干扰系数,并形成图论
形式。
6.根据权利要求5所述的基于电磁环境认知和混合模型构建的频谱捷变方法,其特征在于,图数据库包括两个点类型和三种边类型;其中,两个点类型分别为时间戳和空间电磁数据,三种边类型分别为隶属值、时间间隔和干扰系数;
在计算列式数据库提取的损耗之后,可计算出每个辐射源的信号功率强度,以计算出相邻或者同一频段下的辐射源之间的干扰。
7.根据权利要求6所述的基于电磁环境认知和混合模型构建的频谱捷变方法,其特征在于,
构建设备参数的数据模型和频谱信息的数据模型;其中,设备的数据模型包括设备在***中的编号、设备所处位置的地理信息、设备的使用情况数据、设备的通讯参数以及设备可用的频谱信息;频谱信息的数据模型包括储频谱在***中的编号以及频谱的频率信息;
设备参数的数据模型和频谱信息的数据模型中涉及的数据存储在列式数据库中,在计算频谱捷变时,通过接口取出数据计算后存入图数据库中。
8.根据权利要求7所述的基于电磁环境认知和混合模型构建的频谱捷变方法,其特征在于,三维空间中某点的功率强度值可以采用下面的公式进行计算:
其中,是空间某点的功率强度值;/>是用频设备发射的功率强度值,单位是dBW;/>是发射设备的天线增益;/>单位是接收设备的天线增益,其单位均为dBi;/>是***损耗,取3dB-5dB;L是电磁波传播总损耗,其包括自由空间的传播损耗以及通过障碍物造成的损耗;
d为设备间距离,为自由空间的传播损耗;
f是电磁波的频率,单位是 MHz;R是电磁波的传播路径长度,单位是km。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211737492.3A CN115952673B (zh) | 2022-12-31 | 2022-12-31 | 一种基于电磁环境认知和混合模型构建的频谱捷变方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211737492.3A CN115952673B (zh) | 2022-12-31 | 2022-12-31 | 一种基于电磁环境认知和混合模型构建的频谱捷变方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115952673A CN115952673A (zh) | 2023-04-11 |
CN115952673B true CN115952673B (zh) | 2023-11-07 |
Family
ID=87290280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211737492.3A Active CN115952673B (zh) | 2022-12-31 | 2022-12-31 | 一种基于电磁环境认知和混合模型构建的频谱捷变方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115952673B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107135545A (zh) * | 2017-04-14 | 2017-09-05 | 中国能源建设集团广东省电力设计研究院有限公司 | 基于智能电网双层认知网络架构的频谱管理方法与*** |
US10108757B1 (en) * | 2011-08-15 | 2018-10-23 | Adaptrum, Inc. | System and method for spectrum usage databases for cognitive radio |
WO2019170093A1 (zh) * | 2018-03-07 | 2019-09-12 | 西安电子科技大学 | 一种生成频谱态势的方法、装置及计算机存储介质 |
CN110261685A (zh) * | 2019-05-14 | 2019-09-20 | 中国人民解放军31007部队 | 一种基于多源信息的区域电磁频谱态势生成方法 |
CN111538950A (zh) * | 2020-04-17 | 2020-08-14 | 中国人民解放军91550部队 | 一种多无人平台干扰资源分配方法 |
CN112148807A (zh) * | 2020-09-28 | 2020-12-29 | 中国电波传播研究所(中国电子科技集团公司第二十二研究所) | 一种电磁环境领域数据仓库构建方法 |
US11184950B1 (en) * | 2020-02-28 | 2021-11-23 | Rockwell Collins, Inc. | Incorporating co-site interference in dynamic spectrum access systems with minimal computational needs |
CN115190633A (zh) * | 2022-07-14 | 2022-10-14 | 南京航空航天大学 | 面向设备间通信的智能频谱在线抗干扰频点分配方法 |
CN115205481A (zh) * | 2022-07-18 | 2022-10-18 | 中国人民解放军国防科技大学 | 一种基于图神经网络的频谱地图构建方法及*** |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101909302B (zh) * | 2009-06-03 | 2013-10-09 | 华为技术有限公司 | 一种动态频谱分配方法和设备 |
CN103369535B (zh) * | 2012-03-29 | 2017-12-22 | 华为技术有限公司 | 一种频谱分配方法、装置和*** |
US10368246B2 (en) * | 2015-10-26 | 2019-07-30 | The Research Foundation For The State University Of New York | Methods and systems for spectrum management |
-
2022
- 2022-12-31 CN CN202211737492.3A patent/CN115952673B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10108757B1 (en) * | 2011-08-15 | 2018-10-23 | Adaptrum, Inc. | System and method for spectrum usage databases for cognitive radio |
CN107135545A (zh) * | 2017-04-14 | 2017-09-05 | 中国能源建设集团广东省电力设计研究院有限公司 | 基于智能电网双层认知网络架构的频谱管理方法与*** |
WO2019170093A1 (zh) * | 2018-03-07 | 2019-09-12 | 西安电子科技大学 | 一种生成频谱态势的方法、装置及计算机存储介质 |
CN110261685A (zh) * | 2019-05-14 | 2019-09-20 | 中国人民解放军31007部队 | 一种基于多源信息的区域电磁频谱态势生成方法 |
US11184950B1 (en) * | 2020-02-28 | 2021-11-23 | Rockwell Collins, Inc. | Incorporating co-site interference in dynamic spectrum access systems with minimal computational needs |
CN111538950A (zh) * | 2020-04-17 | 2020-08-14 | 中国人民解放军91550部队 | 一种多无人平台干扰资源分配方法 |
CN112148807A (zh) * | 2020-09-28 | 2020-12-29 | 中国电波传播研究所(中国电子科技集团公司第二十二研究所) | 一种电磁环境领域数据仓库构建方法 |
CN115190633A (zh) * | 2022-07-14 | 2022-10-14 | 南京航空航天大学 | 面向设备间通信的智能频谱在线抗干扰频点分配方法 |
CN115205481A (zh) * | 2022-07-18 | 2022-10-18 | 中国人民解放军国防科技大学 | 一种基于图神经网络的频谱地图构建方法及*** |
Non-Patent Citations (2)
Title |
---|
基于ITM的复杂电磁环境并行计算方法;于荣欢等;***工程与电子技术;第1339-1343页 * |
战场电磁频谱分配模型构建及分配算法研究;屈小芳;中国优秀硕士学位论文全文数据库工程科技Ⅱ辑;第10、17、30、45、50页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115952673A (zh) | 2023-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Machine‐learning‐based prediction methods for path loss and delay spread in air‐to‐ground millimetre‐wave channels | |
CN111477034B (zh) | 基于栅格模型的大规模空域使用计划冲突检测与解脱方法 | |
CN109992636A (zh) | 时空编码方法、时空索引及查询方法及装置 | |
CN102521386B (zh) | 基于集群存储的空间元数据分组方法 | |
CN111090712B (zh) | 一种数据处理方法、装置、设备及计算机存储介质 | |
CN109635068A (zh) | 云计算环境下的海量遥感数据高效组织及快速检索方法 | |
Froese et al. | The border k-means clustering algorithm for one dimensional data | |
CN106332154A (zh) | 干扰源的定位方法及装置 | |
Aydin et al. | SKATER-CON: Unsupervised regionalization via stochastic tree partitioning within a consensus framework using random spanning trees | |
CN105222787A (zh) | 基于矩阵填充的位置指纹库构建方法 | |
Tu et al. | A spatial parallel heuristic approach for solving very large‐scale vehicle routing problems | |
CN115129795A (zh) | 一种基于地球空间网格的数据空时存储方法 | |
CN112528508A (zh) | 电磁可视化方法和装置 | |
CN107590514A (zh) | 遥感分类精度评价的样本点优化布设方法、***和设备 | |
CN113010620A (zh) | 基于地理多级网格的自然资源数据索引统计方法及*** | |
CN114611388B (zh) | 基于人工智能的无线信道特征筛选方法 | |
CN110366188B (zh) | 干扰测量点部署方法、干扰测量路径规划方法及*** | |
CN104794528A (zh) | 一种石漠化治理模式案例库管理***及方法 | |
CN115952673B (zh) | 一种基于电磁环境认知和混合模型构建的频谱捷变方法 | |
CN112214485A (zh) | 基于全球剖分网格的电网资源数据组织规划方法 | |
Masood et al. | Interpretable AI-based large-scale 3D pathloss prediction model for enabling emerging self-driving networks | |
CN114219911A (zh) | 一种基于立体剖分框架的空域网格化建模方法 | |
CN114461741A (zh) | 一种监测样点布设方法及装置 | |
CN116796083B (zh) | 一种空间数据划分方法及*** | |
Zhang et al. | Large-scale cellular coverage simulation and analyses for follow-me UAV data relay |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |