一种基于改进平行坐标的多维频谱态势可视化分析方法技术

本发明专利技术提供一种基于改进平行坐标的多维频谱态势可视化分析方法，其包括以下步骤：步骤1：以频谱数据的辐射源为核心，基于辐射源空间位置、信号类型、场强、时间、频率五个维度的信息构建平行坐标系，在该平行坐标系中频谱数据表示为E＝(Location，Type，Energy，Time，Frequency)；步骤2：基于平行坐标系，采用双重距离空间聚类方法建立平行坐标，基于平行坐标标记频谱数据中的所有点；步骤3：利用相似性度量确定频谱数据中边捆绑的簇；步骤4：采用力引导布局捆绑算法对同一簇的边进行捆绑。导布局捆绑算法对同一簇的边进行捆绑。导布局捆绑算法对同一簇的边进行捆绑。

【技术实现步骤摘要】
一种基于改进平行坐标的多维频谱态势可视化分析方法


[0001]本专利技术涉及频谱态势可视化分析
，尤其涉及一种基于改进平行坐标的多维频谱态势可视化分析方法。

技术介绍

[0002]战场电磁频谱数据的特点是数据量大、维度多，而且数据的时间属性与空间属性之间存在相互关联，需要将数据置于不同的维度进行分析才能得出相关结论。可视化分析作为一种可以将抽象数据变为直观画面的方式，且提供人机交互的手段，因此，越来越成为相关领域研究的热点内容。
[0003]目前对于频谱态势的可视化分析多是关注时空特性、频谱特性等某一个或者两个维度的频谱态势分析，虽然能够发现感兴趣维度的特征规律，但是忽略了其他维度的特征，割裂了不同维度之间的关联特性。因此当前的可视化分析方法针对频谱态势分布的可视化效果较差。
[0004]若想充分展示频谱态势的变化特征，仅采用某一个维度或者几个维度难以完成对变化规律的可视化展示，与此同时，数据信息量大、数据复杂、公式晦涩难懂的特点阻碍了对其可视化表达，当前一些频谱数据可视化系统对频谱的多维特性可视化研究较少，或者相对而言比较专业难以适应剧烈变化的频谱测绘数据可视化表达需求。因此，迫切需要构建一种可视化分析方法，在满足对战场频谱态势可视化表达的同时，允许人员通过交互式手段探索频谱态势的变化规律。
[0005]平行坐标目前已广泛运用于数学、统计学、生物医学以及气象学等学科的高维数据可视化表达中，并有着良好的表现。但是将平行坐标在直接运用于频谱测绘数据的可视化表达方面，仍然存在部分问题：一是空间维度的投影问题，空域作为频谱数据的重要维度之一，是辐射源的地理属性信息，空域本身具有经纬高三个维度的属性，在进行平行坐标化过程中，由于平行坐标将维度作为一维坐标轴进行映射，若直接将经纬高作为三个维度进行坐标投影，增加了数据的维度的同时使得频谱数据的分析过程更加复杂化，若是将其进行一维化投影，由于数据降维的影响导致在进行可视化分析时空间相近的辐射源可能在一维坐标轴上相对位置较远从而影响视觉分析效果。二是大规模频谱测绘数据带来的视觉混叠，由于平行坐标将数据直接绘制在各坐标轴上，数据规模大会造成连线混叠在一起，严重影响了对数据的分析。三是坐标轴排序问题，平行坐标可以直观发现两个相邻坐标轴的数据分布规律，对于高维频谱测绘数据而言，空—频、空—时、时—频、频—能等特性的分布，是战场指挥员重点关注的内容，采取何种方法将多维相关特性进行可视化是研究的内容之一。
[0006]为清晰展示战场区域频谱测绘数据的变化特征，本专利技术主要进行了以下三个方面的工作：
[0007]一是针对平行坐标难以表征地理空间维度的问题，提出一种地区嵌入式平行坐标用于对频谱测绘数据进行可视化，通过将地图与平行坐标联动分析克服了平行坐标在地理
空间维度表示上的不足，增强了其对于空域的表征能力；
[0008]二是针对频谱测绘数据规模大带来的视觉混叠问题，设计了平行坐标系下的力引导布局控制边捆绑操作，设计了一个迭代更新过程对曲线进行捆绑聚合，有效降低了大规模数据带来的视觉混叠效果；
[0009]三是设计了坐标轴交换、圈选坐标子集等交互式操作，增加用户交互体验的同时，允许用户通过鼠标点选操作选择合适的坐标轴以及数据子集进行分析。

技术实现思路

[0010]为了解决上述问题，本专利技术针对战场区域频谱测绘数据的可视化分析问题，提供了一种基于改进平行坐标的多维频谱态势可视化分析方法。其按照战场频谱测绘数据的时空属性信息的不同，将空域信息与时域、频域、能域相结合，用频装备的空间特征、电磁事件的时间序列特征以及属性特征分布，并与平行坐标传统的坐标轴交换、刷技术等交互手段相结合，探索不同维度间、以及重点区间的频谱态势分布情况。并引入力引导布局的边捆绑算法，减少了大规模数据在视觉上的重叠混乱。
[0011]本专利技术通过以下技术途径实现：
[0012]一种基于改进平行坐标的多维频谱态势可视化分析方法，其特征在于，包括以下步骤：
[0013]步骤1：以频谱数据的辐射源为核心，基于辐射源空间位置、信号类型、场强、时间、频率构建平行坐标系，在该平行坐标系中频谱数据表示为E＝(Location，Type，Energy，Time，Frequency)；
[0014]步骤2：基于建立的平行坐标系，采用双重距离空间聚类方法确定平行坐标聚类簇；
[0015]步骤3：采用力引导布局捆绑算法对同一簇的边进行捆绑，实现对平行坐标的绘制；
[0016]步骤4：根据得到的平行坐标对多维频谱测绘数据进行可视化展示。
[0017]进一步地，步骤2的具体操作步骤包括：
[0018]步骤21：对于两组频谱测绘数据E
i
和E
j
，其空间位置坐标分别为L
i
＝(x
i
，y
i
，h
i
)和L
j
＝(x
j
，y
j
，h
j
)，属性信息分别为Attr
i
和Attr
j
，则：
[0019]E
i
和E
j
的空间距离用欧氏距离表示为：
[0020][0021]E
i
和E
j
的属性距离用闵式距离表示为：
[0022][0023]其中，Attr
ik
是Attr
i
的第k维属性数据；D
kmax
表示第k维属性数据的最大值与最小值的差值且D
kmax
＝Attr
kmax
‑
Attr
kmin
；m表示属性的维度；
[0024]步骤22：设置最小空间阈值ε
geo
和最小属性阈值ε
Attr
；
[0025]步骤23：在需要进行聚类的频谱测绘数据样本空间中选择未被标记的样本数据
E
i
，计算该样本数据与其他样本数据之间的空间距离，并与最小空间阈值ε
geo
比较，记为集合E
geo
＝{D
k
|D
geo
(f
i
，f
j
)}，(k≤n)；
[0026]步骤24：计算集合E
geo
中所有样本与样本数据E
i
之间的属性距离，并与最小属性阈值ε
Attr
比较，记为集合E
Attr
＝{D
l
|D
Attr
(f
i
，f
j
)}，(l≤k)；
[0027]步骤25：循环递归搜索E
geo
和Attr中未完成聚类的样本，将同时满足D
geo
≤ε
geo
且D
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进平行坐标的多维频谱态势可视化分析方法，其特征在于，包括以下步骤：步骤1：以频谱数据的辐射源为核心，基于辐射源空间位置、信号类型、场强、时间、频率构建平行坐标系，在该平行坐标系中频谱数据表示为E＝(Location，Type，Energy，Time，Frequency)；步骤2：基于建立的平行坐标系，采用双重距离空间聚类方法确定平行坐标聚类簇；步骤3：采用力引导布局捆绑算法对同一簇的边进行捆绑，实现对平行坐标的绘制；步骤4：根据得到的平行坐标对多维频谱测绘数据进行可视化展示。2.根据权利要求1所述的一种基于改进平行坐标的多维频谱态势可视化分析方法，其特征在于，步骤2的具体操作步骤包括：步骤21：对于两组频谱测绘数据E
i
和E
j
，其空间位置坐标分别为L
i
＝(x
i
，y
i
，h
i
)和L
j
＝(x
j
，y
j
，h
j
)，属性信息分别为Attr
i
和Attr
j
，则：E
i
和E
j
的空间距离用欧氏距离表示为：E
i
和E
j
的属性距离用闵式距离表示为：其中，Attr
ik
是Attr
i
的第k维属性数据；D
kmax
表示第k维属性数据的最大值与最小值的差值且D
kmax
＝Attr
kmax
‑
Attr
kmin
；m表示属性的维度；步骤22：设置最小空间阈值ε
geo
和最小属性阈值ε
Attr
；步骤23：在需要进行聚类的频谱测绘数据样本空间中选择未被标记的样本数据E
i
，计算该样本数据与其他样本数据之间的空间距离，并与最小空间阈值ε
geo
比较，记为集合E
geo
＝{D
k
|D
geo
(f
i
，f
j
)}，(k≤n)；步骤24：计算集合E
geo
中所有样本与样本数据E
i
之间的属性距离，并与最小属性阈值ε
Attr
比较，记为集合E
Attr
＝{D
l
|D
Attr
(f
i
，f
j
)}，(1≤k)；步骤25：循环递归搜索E
geo
和E
Attr
中未完成聚类的样本，将同时满足D
geo
≤ε
geo
且D
Attr
≤ε
geo
的样本标记为一类；步骤26：检查样本空间所有样本，在未被标记的样本中随机选择一个样本数据E
i
，重复执行步骤23
‑
步骤25，直至所有样本被标记，完成频谱测绘数据分类，得到多个聚类簇。3.根据权利要求2所述的一种基于改进平行坐标的多维频谱态势可视化分析方法，其特征在于，步骤3的具体步骤包括：步骤31：在聚类簇...

【专利技术属性】
技术研发人员：胡豪杰，方胜良，范有臣，温晓敏，马昭，吴迪，刘涵，彭亮，程东航，王孟涛，徐照菁，王梦阳，万颖，吴曙光，王玉莹，
申请(专利权)人：中国人民解放军战略支援部队航天工程大学，
类型：发明
国别省市：