CN119474939A 用于雷达数据流的虚拟体扫数据生成方法及系统 （盛东如东海上风力发电有限责任公司）

司司司用于雷达数据流的虚拟体扫数据生成方法用于雷达数据流的虚拟体扫数据生成方法及系和多源环境信息融合，得到高仿真虚拟体扫数申请提高了用于雷达数据流的虚拟体扫数据生2通过所述自优化扫描模式对所述时变特征簇进行多层次空间插值和对所述初步虚拟体扫数据场进行目标特征增强和多源环境信息融对所述高仿真虚拟体扫数据进行多维度一致性验证和智能格式3对所述重构位相场与所述精细化插值数据场进行融合，得到所述初步虚拟体扫数据对所述综合环境数据场与所述高精度目标特征场进行自适应加权4对所述可信度评分低于预设阈值的数据区域进行局部优化调整，根据所述所述格式转换策略，对所述优化虚拟体扫数据进行智8.一种用于雷达数据流的虚拟体扫数据生成系分解模块，用于对获取的原始雷达数据流进行多维度分提取模块，用于对所述多通道预处理数据流进行自适应特征提取和动重构模块，用于通过所述自优化扫描模式对所述时变特征融合模块，用于对所述初步虚拟体扫数据场进行目标特征增强和多源环境信息融合，适配模块，用于对所述高仿真虚拟体扫数据进行多维度一致性验证和智能格式适配，5[0002]现有的雷达数据流处理技术主要依赖于传统的信号处理方法和固定的体扫模这些方法通常采用线性滤波、傅里叶变换和统计分析等技术来提取和处理雷达回波信息。扫描模式；通过所述自优化扫描模式对所述时变特征簇进行多层次空间插值和位相重构，67[0019]本申请提供的技术方案中，通过对原始雷达数据流进行多维度分解和并行预处时变特征簇构建的可重构虚拟扫描结构，极大地增强了系统对不同雷达工作模式的适应[0021]图1为本申请实施例中用于雷达数据流的虚拟体扫数据生成方法的一个实施例示8[0022]图2为本申请实施例中用于雷达数据流的虚拟体扫数据生成系统的一个实施例示例中用于雷达数据流的虚拟体扫数据生成方[0028]步骤S104、通过自优化扫描模式对时变特征簇进行多层一化和相位校正等操作。这种多维度分解和并行预处理方法能够有效提高数据处理的效9描模式对时变特征簇进行多层次空间插值和位相重构是生成初步虚拟体扫数据场的关键[0034]对初步虚拟体扫数据场进行目标特征增强和多源环境信息融合是提高虚拟数据传统的10000次减少到7500次。多层次空间插值和位相重构生成了分辨率为1m×1m×1m的初步虚拟体扫数据场。目标特征增强和环境信息融合考虑了当地的地形起伏和大气衰减，使得生成的高仿真虚拟体扫数据在信噪比和目标特征上与实际雷达数据的相关系数达到是确保多尺度特征数据在时间上对齐的重要步骤。这一过程使用相关分析或相位对齐技[0051]对时频特征图进行特征增强是为了突出关键信息。这一步骤可能包括对比度增将原始90dB的动态范围压缩到60dB。多分辨率分析使用4层DWT分解，得到5个频带的子信时变特征提取是从优化特征簇中抽取随时间变化的特征信息。这一过程使用滑动窗口技特征簇在不同时空位置的分布信息和变化趋势。对时空特性描述矩阵执行拓扑结构映射。点之间的相对距离关系。MDS算法通过最小化高维空间和低维空间中点对距离的应力函数[0085]动态参数调整是根据实时雷达数据流的特性，对可参数化扫描模型进行实时优算法II)算法，该算法通过遗传操作和非支配排序，在目标空间中生成一系列帕累托最优计算特征在空间中的概率密度分布。KDE通过在每个数据点周围放置一个核函数(如高斯[0100]对多层次特征结构执行自适应网格生成是为了创建适应数据分布的非均匀插值的多变量插值方法，它使用以数据点为中心的径向对称函数的线性组合来approximation[0113](8)对综合环境数据场与高精度目标特征场进行自适应加权融合，得到高仿真虚[0115]对增强目标特征数据执行纹理细化处理，这一步骤采用高斯_拉普拉斯金字塔算[0118]例如，假设一个X波段相控阵雷达系统需要生成覆盖10km×10km区域的虚拟体扫对512×512的初×256(距离×方位×高度)高仿真虚拟体扫数据。这个过程生成了包含丰富细节和真实环[0124](5)对可信度评分低于预设阈值的数据区域进行局部优化调整，得到优化虚拟体(KL)散度和Bhattacharyya距离两种度量方法。KL散度衡量两个概率分布的差异，而Bhattacharyya距离则度量两个概率分布的重叠程度。通过计算虚拟数据和真实数据在各[0134]举例说明，假设一个X波段相控阵雷达系统生成了1024×1024×256(距离×方位请实施例中用于雷达数据流的虚拟体扫数据生成系统[0139]重构模块204，用于通过所述自优化扫描模式对所述时变特征簇进行多层次空间[0140]融合模块205，用于对所述初步虚拟体扫数据场进行目标特征增强和多源环境信[0141]适配模块206