一种基于人工智能的雷达信号管理系统及方法与流程

本发明涉及雷达监测，具体为一种基于人工智能的雷达信号管理系统及方法。

背景技术：

1、雷达是现代技术中一种重要的测量工具，例如，在现代气象预报中，气象雷达能够及时准确地获取气象数据，从而对天气预报、防灾减灾等研究起到关键的作用；同时，雷达在实际中，越来越向多雷达体系联动规模发展，进而雷达设备之间存在不断的交互与共享数据，进而当一个雷达出现工作异常时，往往也致使雷达体系中的其他雷达数据造成缺陷或干扰，现有技术中，往往只是针对单个雷达设备进行异常感知，对于多雷达组网下的监测任务安排，往往不能够统筹进行异常感知，进而也导致雷达监测任务安排的不合理性，也导致对监测范围把握不清。

技术实现思路

1、本发明的目的在于提供一种基于人工智能的雷达信号管理系统及方法，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：

3、一种基于人工智能的雷达信号管理系统，本系统包括：雷达信号传输路径感知模块、监测任务安排处理模块、异常相关性分析模块和异常监测名单生成模块；

4、所述雷达信号传输路径感知模块，用于调取雷达终端的运行数据文件，并根据运行数据文件，识别报文数据中附加的目标节点地址，对所述目标节点进行统筹，形成雷达信号传输路径；对运行数据文件添加时间标签，根据时间标签，对雷达终端形成的雷达信号传输路径进行标记；

5、所述监测任务安排处理模块，根据监测任务安排，对雷达信号监测周期进行任务时间区间划分，并提取每一个雷达信号传输路径的时间标签范围，根据时间标签范围识别雷达信号传输路径在不同任务时间区间内的重合的时间标签范围片段；根据重合的时间标签范围片段，在雷达信号传输路径中摘录传输路径片段；

6、所述异常相关性分析模块，根据传输路径片段，统计雷达终端在传输路径片段中出现的次数，并且当雷达终端出现在传输路径片段中时，识别出时间标签范围片段的重合时长；根据出现次数和重合时长，挖掘雷达终端之间的异常相关性，计算雷达终端之间的异常相关度；

7、所述异常监测名单生成模块，根据在不同任务时间区间的异常相关度，分析异常相关度的波动性；并根据波动性，输出异常监测名单。

8、进一步的，所述雷达信号传输路径感知模块还包括雷达信号传输路径识别单元和时间标签单元；

9、所述雷达信号传输路径识别单元，用于统筹组网雷达体系中的全部雷达终端并进行统一编号，调取雷达终端的运行数据文件，所述运行数据文件为雷达终端接收信号异常时记录的报文数据，识别所述报文数据中附加的目标节点地址，其中，一个目标节点对应一个雷达终端，对所述目标节点进行统筹，并根据目标节点地址在报文数据中体现的传输顺序，形成雷达信号传输路径；

10、所述时间标签单元，用于对运行数据文件添加时间标签，所述时间标签为雷达信号传输路径中到达每个目标节点的时间；将任意一个雷达终端标记为i，对雷达终端i形成的全部雷达信号传输路径进行统筹并统一编号，将雷达终端i形成的第j个雷达信号传输路径标记为iij＝{rn1|t1，rn2|t2，...，rnn|tn}，其中，i、n均表示雷达终端的编号，rnn表示雷达终端i形成的第j个雷达信号传输路径中到达的第n个目标节点，tn表示到达的第n个目标节点对应的时间标签。

11、进一步的，所述监测任务安排处理模块还包括任务时间区间划分单元和片段摘录单元；

12、所述任务时间区间划分单元，根据在第k个雷达信号监测周期内的监测任务安排，将第k个雷达信号监测周期划分为f个任务时间区间，所述任务时间区间为每一个监测任务的执行时间范围；对第f个任务时间区间内产生的全部雷达信号传输路径进行统筹，提取雷达信号传输路径iij中的时间标签范围[t1，tn]与第f个任务时间区间存在重合的时间标签范围片段，将所述重合的时间标签范围片段记为fij[t1，tn]；

13、所述片段摘录单元，根据不同的重合的时间标签范围片段,摘录出每一个重合的时间标签范围片段内对应的雷达信号传输路径片段，将重合的时间标签范围片段fij[t1，tn]对应摘录的雷达信号传输路径片段记为m[fij]，其中，fij为fij[t1，tn]的简化缩写。

14、进一步的，所述异常相关性分析模块还包括异常数据归纳单元和异常相关性分析单元；

15、所述异常数据归纳单元，用于统计任意一个雷达终端x在第k个雷达信号监测周期内出现在雷达信号传输路径片段中的次数，记为c(m[fij])，如果雷达终端x出现在雷达信号传输路径片段m[fij]中，则令c(x∈m[fij])＝1，否则令c(m[fij])＝0，x表示雷达终端编号；并且如果雷达终端x出现在雷达信号传输路径片段m[fij]中，则识别雷达信号传输路径片段m[fij]对应的重合的时间标签范围片段fij[t1，tn]的重合时长，记为t(fij)；

16、所述异常相关性分析单元，根据出现次数和重合时长，挖掘雷达终端之间的异常相关性，计算雷达终端之间的异常相关度，具体计算公式如下；

17、acf(x→i)＝{∑j＝1jc(x∈m[fij])}/{∑f＝1f∑j＝1jc(x∈m[fij])}×∑j＝1j[t(fij)/t(f)]

18、其中，acf(x→i)表示在第f个任务时间区间雷达终端x与雷达终端i之间的异常相关度，j表示雷达终端i形成的全部雷达信号传输路径中在第f个任务时间区间的雷达信号传输路径总个数，t(f)表示第f个任务时间区间的总时长。

19、进一步的，所述异常监测名单生成模块还包括相关波动性分析单元和监测名单生成单元；

20、所述相关波动性分析单元，用于统计在每个任务时间区间内，雷达终端x与雷达终端i之间的异常相关度，并根据异常相关度，计算异常相关度的波动值，具体计算公式为：

21、fv(x→i)＝(f-1)-1×∑f＝1f-1|acf(x→i)-acf+1(x→i)|

22、其中，fv(x→i)表示在第k个雷达信号监测周期内雷达终端x与雷达终端i之间的异常相关度的波动值，acf+1(x→i)表示在第f+1个任务时间区间雷达终端x与雷达终端i之间的异常相关度；

23、所述监测名单生成单元，用于预设波动值阈值，如果在第k个雷达信号监测周期内雷达终端x与雷达终端i之间的异常相关度的波动值大于等于波动值阈值，则对雷达终端x进行标记；根据对全部雷达终端的标记结果，形成雷达终端i的异常监测名单，记为list(i)，在第k+1个监测周期，当雷达终端i有监测任务安排时，将异常监测名单list(i)与雷达终端i进行联动监测。

24、一种基于人工智能的雷达信号管理方法，本方法包括以下步骤：

25、步骤s100：调取雷达终端的运行数据文件，并根据运行数据文件，识别报文数据中附加的目标节点地址，对所述目标节点进行统筹，形成雷达信号传输路径；对运行数据文件添加时间标签，根据时间标签，对雷达终端形成的雷达信号传输路径进行标记；

26、步骤s200：根据监测任务安排，对雷达信号监测周期进行任务时间区间划分，并提取每一个雷达信号传输路径的时间标签范围，根据时间标签范围识别雷达信号传输路径在不同任务时间区间内的重合的时间标签范围片段；根据重合的时间标签范围片段，在雷达信号传输路径中摘录传输路径片段；

27、步骤s300：根据传输路径片段，统计雷达终端在传输路径片段中出现的次数，并且当雷达终端出现在传输路径片段中时，识别出时间标签范围片段的重合时长；根据出现次数和重合时长，挖掘雷达终端之间的异常相关性，计算雷达终端之间的异常相关度；

28、步骤s400：根据在不同任务时间区间的异常相关度，分析异常相关度的波动性；并根据波动性，输出异常监测名单。

29、进一步的，所述步骤s100的具体实施过程包括：

30、步骤s101：统筹组网雷达体系中的全部雷达终端并进行统一编号，调取雷达终端的运行数据文件，所述运行数据文件为雷达终端接收信号异常时记录的报文数据，识别所述报文数据中附加的目标节点地址，其中，一个目标节点对应一个雷达终端，对所述目标节点进行统筹，并根据目标节点地址在报文数据中体现的传输顺序，形成雷达信号传输路径；

31、步骤s102：对运行数据文件添加时间标签，所述时间标签为雷达信号传输路径中到达每个目标节点的时间；将任意一个雷达终端标记为i，对雷达终端i形成的全部雷达信号传输路径进行统筹并统一编号，将雷达终端i形成的第j个雷达信号传输路径标记为iij＝{rn1|t1，rn2|t2，...，rnn|tn}，其中，i、n均表示雷达终端的编号，rnn表示雷达终端i形成的第j个雷达信号传输路径中到达的第n个目标节点，tn表示到达的第n个目标节点对应的时间标签。

32、进一步的，所述步骤s200的具体实施过程包括：

33、步骤s201：根据在第k个雷达信号监测周期内的监测任务安排，将第k个雷达信号监测周期划分为f个任务时间区间，所述任务时间区间为每一个监测任务的执行时间范围；对第f个任务时间区间内产生的全部雷达信号传输路径进行统筹，提取雷达信号传输路径iij中的时间标签范围[t1，tn]与第f个任务时间区间存在重合的时间标签范围片段，将所述重合的时间标签范围片段记为fij[t1，tn]；

34、步骤s202：根据不同的重合的时间标签范围片段,摘录出每一个重合的时间标签范围片段内对应的雷达信号传输路径片段，将重合的时间标签范围片段fij[t1，tn]对应摘录的雷达信号传输路径片段记为m[fij]，其中，fij为fij[t1，tn]的简化缩写。

35、进一步的，所述步骤s300的具体实施过程包括：

36、步骤s301：统计任意一个雷达终端x在第k个雷达信号监测周期内出现在雷达信号传输路径片段中的次数，记为c(m[fij])，如果雷达终端x出现在雷达信号传输路径片段m[fij]中，则令c(x∈m[fij])＝1，否则令c(m[fij])＝0，x表示雷达终端编号；并且如果雷达终端x出现在雷达信号传输路径片段m[fij]中，则识别雷达信号传输路径片段m[fij]对应的重合的时间标签范围片段fij[t1，tn]的重合时长，记为t(fij)；

37、步骤s302：根据出现次数和重合时长，挖掘雷达终端之间的异常相关性，计算雷达终端之间的异常相关度，具体计算公式如下；

38、acf(x→i)＝{∑j＝1jc(x∈m[fij])}/{∑f＝1f∑j＝1jc(x∈m[fij])}×∑j＝1j[t(fij)/t(f)]

39、其中，acf(x→i)表示在第f个任务时间区间雷达终端x与雷达终端i之间的异常相关度，j表示雷达终端i形成的全部雷达信号传输路径中在第f个任务时间区间的雷达信号传输路径总个数，t(f)表示第f个任务时间区间的总时长。

40、进一步的，所述步骤s400的具体实施过程包括：

41、步骤s401：统计在每个任务时间区间内，雷达终端x与雷达终端i之间的异常相关度，并根据异常相关度，计算异常相关度的波动值，具体计算公式为：

42、fv(x→i)＝(f-1)-1×∑f＝1f-1|acf(x→i)-acf+1(x→i)|

43、其中，fv(x→i)表示在第k个雷达信号监测周期内雷达终端x与雷达终端i之间的异常相关度的波动值，acf+1(x→i)表示在第f+1个任务时间区间雷达终端x与雷达终端i之间的异常相关度；

44、步骤s402：预设波动值阈值，如果在第k个雷达信号监测周期内雷达终端x与雷达终端i之间的异常相关度的波动值大于等于波动值阈值，则对雷达终端x进行标记；根据对全部雷达终端的标记结果，形成雷达终端i的异常监测名单，记为list(i)，在第k+1个监测周期，当雷达终端i有监测任务安排时，将异常监测名单list(i)与雷达终端i进行联动监测；

45、根据上述方法，雷达设备之间进行数据传输时会产生大量的报文数据，而报文数据中记录有雷达设备之间的传输关系，当一个站点要发送报文时，会将一个目的地址附加到报文上，网络节点根据报文上的目的地址信息，把报文发送到下一个节点，一直逐个节点地转送到目的节点，进而本技术发明立足于报文数据对雷达信号传输路径进行统筹，并附加时间标签，从而分析雷达设备之间的异常关联性；由于监测任务不同，涉及的雷达完成的功能也存在差异，进而雷达信号传输路径也会不同，进而通过重合的时间标签范围片段和传输路径片段，来进一步分析雷达设备之间的相关性，进而计算出异常相关度，异常相关度越大表示当发生异常状况时，雷达设备之间的联动性越相关；通过不同任务时间区间的异常相关性的变化特点，来进一步分析异常相关度的波动值，波动值越大，表示雷达设备之间的信号传输越不稳定，继而在异常相关度的基础上，进一步量化异常波动性。

46、与现有技术相比，本发明所达到的有益效果是：本发明提供的一种基于人工智能的雷达信号管理系统及方法中，识别报文数据中附加的目标节点地址，形成雷达信号传输路径，对雷达信号监测周期进行任务时间区间划分，并根据雷达信号传输路径，挖掘出时间标签范围片段和时间标签范围片段内的传输路径片段，结合时间标签范围片段和传输路径片段，识别出异常情况产生的次数和时间标签范围片段的重合时长，分析雷达终端之间的异常相关性，根据在不同任务时间区间的异常相关性，分析异常相关度的波动性，继而生成异常监测名单；从而能够在大量的雷达信号传输过程中，结合不同的雷达监测任务安排，人工智能地快速锁定异常的雷达监测范围，提高执行任务完成率，避免异常风险的发生。