【技术实现步骤摘要】
本专利技术涉及电磁环境自适应控制，特别是涉及一种基于相似性机器学习的空间电磁环境的智能控制方法及系统。
技术介绍
1、随着全球无线通信技术飞速发展，以电磁频谱为基础资源的无线通信产业不断发展，不仅广泛应用于电信、航空、铁路、传媒等重要行业，还在公共安全、重大活动保障乃至于国防建设等要害领域发挥着重要作用，这使得整个社会对无线电频谱资源依赖程度不断提高，也对无线电管理部门为社会经济发展和国防建设提供的服务水平提出了更高的要求。
2、但是传统大尺度空间电磁环境的规划控制手段仅仅停留在对电磁模拟设备的远程控制上，未能充分实现对电磁环境的预先智能规划、实时自适应控制，不能完成电磁环境的一键智能构设。
技术实现思路
1、为了克服现有技术的不足，本专利技术的目的是提供一种基于相似性机器学习的空间电磁环境的智能控制方法，解决了传统电磁环境规划控制手段停留在对电磁模拟设备的远程控制上，未能充分实现对电磁环境的预先智能规划、实时自适应控制，不能完成电磁环境的一键智能构设的问题。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种基于相似性机器学习的空间电磁环境的智能控制方法，包括：
4、接收目标电磁环境的仿真需求，对所述仿真需求进行解析得到电磁环境目标；
5、根据所述电磁环境目标生成控制规则，并建立模拟电磁环境和实际电磁环境的相似元样本信息；
6、根据控制规则仿真生成满足电磁环境目标的模拟电磁环境；
7、实时监
8、通过所述相似性偏差并利用相似元样本信息，将控制规则进行修改，并将修改后的控制规则转换为对模拟电磁环境相似性控制量的校正量；
9、根据相似性控制量的校正量，重新调整各类模拟单元的工作状态，生成新的电磁环境，完成对模拟电磁环境的动态调控。
10、优选地，接收目标电磁环境的仿真需求，对所述仿真需求进行解析得到电磁环境目标，包括：
11、对接收到的所述仿真需求进行格式转换和验证，得到符合预设格式和范围的仿真数据；
12、提取所述仿真数据的关键信息；所述关键信息包括：频率范围、目标区域、环境特征和模拟时间；
13、将所述关键信息进行归一化处理，得到归一化数据；
14、将所述归一化数据与预设的电磁环境模型中的特征进行映射，得到映射参数；所述预设的电磁环境模型中的特征包括：环境中的电磁干扰源、传播路径和边界条件；
15、根据所述映射参数生成电磁环境目标数据结构；所述电磁环境目标数据结构包含用于生成和控制模拟电磁环境的关键信息；
16、根据所述电磁环境目标数据结构确定所述电磁环境目标。
17、优选地，根据所述电磁环境目标生成控制规则，并建立模拟电磁环境和实际电磁环境的相似元样本信息，包括：
18、根据所述电磁环境目标进行分析，以明确各个所述电磁环境目标中的参数的属性以及参数满足条件；
19、根据所述属性以及参数满足条件构建控制规则；所述控制规则包括：空域控制规则、时域控制规则、频域控制规则、能量控制规则和调制域控制规则；
20、收集实际电磁环境数据，以构建实际电磁环境数据集；
21、从所述实际电磁环境数据集中提取关键特征信息；所述关键特征信息包括信号强度、路径损耗、反射和衰减特性
22、利用提取的关键特征信息建立电磁环境相似的元样本库；所述元样本库中的每个样本包括关键特征信息及相应的具体环境条件标注；每个所述样本为所述相似元样本信息。
23、优选地，根据控制规则仿真生成满足电磁环境目标的模拟电磁环境，包括：
24、根据所述控制规则初始化电磁环境仿真模型的参数；所述仿真模型的参数包括电磁源参数、空间分布参数、时间参数和边界条件；
25、运行所述电磁环境仿真模型，并根据控制规则生成满足电磁环境目标的模拟电磁环境；
26、在仿真过程中通过所述相似元样本信息校正所述模拟电磁环境，以使所述模拟电磁环境具有现实性和精确性。
27、优选地，实时监测并采集模拟电磁环境监测数据，通过所述监测数据进行相似性学习，生成模拟电磁环境与目标电磁环境的具体相似性偏差，包括：
28、获取模拟电磁环境监测数据的特征向量si和目标电磁环境的特征向量ti；
29、计算模拟电磁环境监测数据的特征向量si和目标电磁环境的特征向量ti之间的欧几里得距离；所述欧几里得距离的计算公式为：其中，ti＝[ti1,ti2,…,tin]和si＝[si1,si2,…,sin]分别为第i个监测点的特征向量，n为特征向量的维数；
30、计算模拟电磁环境监测数据的特征向量si和目标电磁环境的特征向量ti之间的余弦相似度；所述余弦相似度的计算公式为：
31、计算模拟电磁环境监测数据的特征向量si和目标电磁环境的特征向量ti之间的曼哈顿距离；所述曼哈顿距离的公式为：
32、根据综合相似性偏差公式确定所述具体相似性偏差；所述综合相似性偏差公式为：doverall(ti,si)＝α·deuclid(ti,si)+β·(1-cos(ti,si))+γ·dmanhattan(ti,si)；其中，α、β、γ分别为对应各项的权重系数，doveral(ti,si)为所述具体相似性偏差。
33、优选地，通过所述相似性偏差并利用相似元样本信息，将控制规则进行修改，并将修改后的控制规则转换为对模拟电磁环境相似性控制量的校正量，包括：
34、根据所述相似元样本信息构建相似特征向量和目标偏差向量；
35、将所述相似特征向量和所述目标偏差向量输入至参数回归模型，以对控制规则的参数与所述相似性偏差进行拟合，得到修改后的所述控制规则；
36、基于构建好的校正模型，计算每个所述控制规则的参数的校正量；所述校正量的计算公式为：ci＝w·δti；其中，ci为第i个监测点的校正量，w为校正模型的权重，δti为目标电磁环境与模拟电磁环境之间的偏差。
37、优选地，根据相似性控制量的校正量，重新调整各类模拟单元的工作状态，生成新的电磁环境，完成对模拟电磁环境的动态调控，包括：
38、基于所述校正量对每个模拟单元进行调整，以根据所述校正量确定各个模拟单元的新的工作状态；
39、基于所述新的工作状态运行新的仿真实验，以生成新的模拟电磁环境特征数据，完成对模拟电磁环境的动态调控。
40、一种基于相似性机器学习的空间电磁环境的智能控制方法，包括：
41、解析单元，用于接收目标电磁环境的仿真需求，对所述仿真需求进行解析得到电磁环境目标；
42、规则生成单元，用于根据所述电磁环境目标生成控制规则，并建立模拟电磁环境和实际电磁环境的相似元样本信息；...
【技术保护点】
1.一种基于相似性机器学习的空间电磁环境的智能控制方法，其特征在于，包括：
2.根据权利要求1所述的基于相似性机器学习的空间电磁环境的智能控制方法，其特征在于，接收目标电磁环境的仿真需求，对所述仿真需求进行解析得到电磁环境目标，包括：
3.根据权利要求1所述的基于相似性机器学习的空间电磁环境的智能控制方法，其特征在于，根据所述电磁环境目标生成控制规则，并建立模拟电磁环境和实际电磁环境的相似元样本信息，包括：
4.根据权利要求1所述的基于相似性机器学习的空间电磁环境的智能控制方法，其特征在于，根据控制规则仿真生成满足电磁环境目标的模拟电磁环境，包括：
5.根据权利要求1所述的基于相似性机器学习的空间电磁环境的智能控制方法，其特征在于，实时监测并采集模拟电磁环境监测数据，通过所述监测数据进行相似性学习，生成模拟电磁环境与目标电磁环境的具体相似性偏差，包括：
6.根据权利要求1所述的基于相似性机器学习的空间电磁环境的智能控制方法，其特征在于，通过所述相似性偏差并利用相似元样本信息，将控制规则进行修改，并将修改后的控制规则转换为
7.根据权利要求1所述的基于相似性机器学习的空间电磁环境的智能控制方法，其特征在于，根据相似性控制量的校正量，重新调整各类模拟单元的工作状态，生成新的电磁环境，完成对模拟电磁环境的动态调控，包括：
8.一种基于相似性机器学习的空间电磁环境的智能控制方法，其特征在于，包括：
...【技术特征摘要】
1.一种基于相似性机器学习的空间电磁环境的智能控制方法，其特征在于，包括：
2.根据权利要求1所述的基于相似性机器学习的空间电磁环境的智能控制方法，其特征在于，接收目标电磁环境的仿真需求，对所述仿真需求进行解析得到电磁环境目标，包括：
3.根据权利要求1所述的基于相似性机器学习的空间电磁环境的智能控制方法，其特征在于，根据所述电磁环境目标生成控制规则，并建立模拟电磁环境和实际电磁环境的相似元样本信息，包括：
4.根据权利要求1所述的基于相似性机器学习的空间电磁环境的智能控制方法，其特征在于，根据控制规则仿真生成满足电磁环境目标的模拟电磁环境，包括：
5.根据权利要求1所述的基于相似性机器学习的空间电磁环境的智能控...
【专利技术属性】
技术研发人员：李修和，张逸，张海燕，冉金和，赵顺恺，石倩倩，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。