CN114994425B 导航接收机与机载设备电磁兼容预测方法和系统 （北京理工大学）

号导航接收机与机载设备电磁兼容预测方法本公开提出一种导航接收机与机载设备电目标特征参数输入训练好的路径损耗预测模型路径损耗的预测效果不好导致电磁兼容性的预2将所述目标特征参数输入训练好的路径损耗预测模型获得目将所述目标路径损耗输入电磁兼容预测模型中进行计算，以确定进行实地实验，在所述机载设备发射天线处放置参考天线，在所述参通过所述参考天线发射具有预设功率的参考信号，通过所述频谱提取所述参考信号的特征参数，并对利用所述参考信号测量得到的路径3.根据权利要求1或2所述的导航接收机与机载设备电磁兼容预测方法，其特征在于，在利用所述训练数据集对路径损耗预测模型进行训练前，还训练数据集构建模块，用于构建训练数据集，所路径损耗建模模块，用于利用所述训练数据集对路径损耗预测模计算模块，用于将所述目标特征参数输入训练3预测模块，用于将所述目标路径损耗输入电磁兼容预测模型中进神经网络-长短时记忆网络融合模型、卷积神经网络-双向门控循环单元神经网络-卷积池4个单独的设备必须对其所要工作的环境中的电磁干扰具有一定导航接收机性能时都直接使用有干扰时接收机接收到干扰功率，若实际评估接收机性能，5路径损耗的预测效果不好导致电磁兼容性的预测不6积神经网络-长短时记忆网络融合模型、卷积神经网络-双向门控循环单元神经网络-卷积[0032]本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得[0033]图1为本公开实施例所提供的一种导航接收机与机载设备电磁兼容预测方法的流7[0042]图5为本公开实施例所提供的另一种导航接收机与机载设备电磁兼容预测方法的[0043]图6为本公开实施例所提供的基于模拟退火算法和DCNN-BiGRUs-CP神经网络的模[0044]图7为本公开实施例提供的导航接收机与机载设备电磁兼容预测系统的结构示意术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结[0050]图1为本公开实施例所提供的一种导航接收机与机载设备电磁兼容预测方法的流8[0053]在本实施例中，机载设备包括但不仅限于测距仪(DistanceMeasuring向信标(VHFomnidirectionalradiorange，VOR)、广播式自动相关监视(Automatic所提供的第二种信号传播路径图。将飞机建模，建模后的飞机的不同位置的局部图如图3舱门。在如图3(a)和图3(b)所示的机身上设置有多个机载设备发射天线(包括第一发射天航接收机间放置频谱分析仪和跟踪源是指在发射天线和北斗接收天线间要测量的路径中9天线分别通过电缆与跟踪源和频谱分析仪相连。由于参考天线发射的参考信号功率已知，设备的位置有多种。图4(a)为本公开实施例所提供的第一种损耗测量设备的位置示意图；接收天线间的线条(实线或虚线)表示路径，设置在线条上的方块表示损耗测量设备(例如[0062]在步骤S101中，在利用训练数据集对路径损耗预测模型进行训练(即进入步骤维坐标系中的xyz坐标。由于机载天线的工作频段以及极化方式对电磁波传播的路径损耗元神经网络-卷积池化层融合网络模型(1DCNN-BiGRUs-C标特征参数也可以称为待测量路径损耗的特征参数。其中特征参数包括但不限于信号形[0074]在步骤S103中，提取目标特征参数的种类与训练数据集中的特征参数的种类一预测方法的流程示意图。图6为本公开实施例所提供的基于模拟退火算法和DCNN-BiGRUs-CP神经网络的模型示意图，在图5和图6所示的导航接收机与机载设备电磁兼容预测方法为卷积神经网络-双向门控循环单元神经网络-卷积池化层融合网络模型(1DCNN-BiGRUs-北斗接收系统之间的电磁兼容预测。图5所示的导航接收机与机载设备电磁兼容预测方法测量参考天线和接收天线之间的功率比值，即参考信号在两天线之间传播的路径损耗。化、垂直极化。六种信号的发射频率范围分别为962-1神经网络的测试。对获得的多组数据进行归一化处理，其中机身长度(舷窗之间的间隔距卷积池化层融合网络模型(1DCNN-BiGRUs-CP)。故构建路径损耗预测模型包括构建一维卷[0088]双向门控循环单元神经网络(BiGRUs)模型由正向和反向传播的GRU(Gated前一时刻的状态信息越多，重置门确定历史信息被遗忘的程度,其值越小被遗忘的信息越过去掉全连接层的BiGRUs模型获得。具体地，如图6所示，本实施例中的BiGRUs层由两个BiGRUs-CP神经网络模型(可以简称为神经网络)训练后，还需要利用测试数据输入神经网待测量路径损耗的特征参数输入至训练好的1DCNN-BiGRUs-CP神经网络模型获得路径损耗型输出的路径损耗预测值。蒙特卡洛预测模型采用的蒙特卡洛方法从发射源(例如机载设wt→vr为北斗发射机和接收机之间的路径损耗；gwt→vr为发射天线在接收机方向的增1DCNN-BiGRUs-CP神经网络[0109]北斗接收机接收到的干扰信号总功率iRSS为将北斗接收机接收到的各机载设备技术中路径损耗的预测效果不好导致电磁兼容性的预测意力机制-卷积神经网络-长短时记忆网络融合模型、卷积神经网络-双向门控循环单元神导航接收机与机载设备电磁兼容预测方法时，仅以上述各功能模块的划分进行举例说明，供的导航接收机与机载设备电磁兼容预测系统与导航接收机与机载设备电磁兼容预测方如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，