【技术实现步骤摘要】
本专利技术涉及电磁环境监测，特别是一种基于认知图谱的电磁环境监测任务规划方法。
技术介绍
1、电磁环境监测是对环境中电磁波的强度、频率、来源等进行监测和分析的过程，其在电子通信、天气预报、环境保护等领域具有重要应用价值。然而，传统的电磁环境监测方法受限于传感器布设、数据处理和分析等方面的挑战，难以满足对电磁环境进行深入理解和智能感知的需求。
2、基于认知知识图谱的电磁环境监测任务规划方法是针对传统监测方法存在的问题提出的一种新型解决方案。认知知识图谱技术融合了人工智能、自然语言处理等技术，以构建具有丰富语义信息的知识图谱为核心，通过对多源数据的整合和分析，实现对电磁环境的智能感知和理解。在电磁环境监测任务规划方面，认知知识图谱技术不仅可以利用知识图谱中的语义关联和实体属性，实现对电磁环境的深层次分析和推理，而且可以基于认知知识图谱的电磁环境监测任务规划方法能够实现对任务执行过程中的实时性和安全性等要求，为监测系统的智能化和自主化提供技术支持。因此，基于认知知识图谱的电磁环境监测任务规划方法是一种创新的技术方案，为解决传统监测方法存在的问题提供了新的思路和解决方案，具有重要的理论和应用价值。
技术实现思路
1、鉴于此，本专利技术提供一种基于认知图谱的电磁环境监测任务规划方法。
2、本专利技术公开了一种基于认知图谱的电磁环境监测任务规划方法，其包括：
3、步骤1：通过对所采集到的雷达辐射源信号进行时域频域分析，得到雷达辐射源的信号特征参数；所述雷达辐
4、步骤2：时空关联分析与事件关联分析，采用时空变差函数，利用从雷达辐射源信号中获得的信号特征参数，对其进行时空关联分析，采用apriori算法，利用从雷达辐射源信号中获得的事件参数，对其进行事件关联分析；
5、步骤3：构建雷达辐射源知识图谱本体，进而构建和加工雷达辐射源知识图谱；
6、步骤4：将雷达辐射源知识图谱嵌入推理模型，进而输出推理结果。
7、进一步地，所述步骤1中，所述通过对所采集到的雷达辐射源信号进行时域频域分析，得到雷达辐射源的信号特征参数，包括：
8、通过时域频域分析，并将雷达辐射源信号建模为时域的脉冲信号，绘制脉冲信号的时域图，展示其幅度随时间的变化，并记录脉冲参数；脉冲参数包括脉冲宽度、脉冲幅度以及脉冲重复频率；对脉冲信号进行傅里叶变换，得到频域表示，并绘制频谱图以展示不同频率成分的幅度，记录频谱图信息；频谱图信息包括中心频率、带宽和谱形，从而获得雷达辐射源的信号特征参数；
9、对雷达辐射源信号进行事件类型识别与级别识别所采用的方法一致，二者均采用svm分类方法，将类型识别与级别识别过程统称为类别识别过程，该类别识别过程包括：
10、对获取到的雷达辐射源信号进行预处理，从预处理后的雷达辐射源信号中提取不同事件的类型和级别，形成事件集数据库；
11、将事件集数据库划分为训练集和测试集；将训练集输入svm模型进行训练，以实现针对每个事件类别得到一个训练好的svm二分类器；将新的雷达辐射源数据分别输入训练好的所有svm二分类器中，得到其属于每个类别的概率并从中选取最高概率对应的类别作为该新的雷达辐射源数据所属类别，并使用测试集评估每个二分类器的性能。
12、进一步地，所述svm模型的决策函数为：
13、其中，为决策函数，为事件集数据库，是权重向量，是偏置项；
14、对于新的雷达辐射源信号，使用每个二分类器预测其属于每个类别的概率，使用作为属于类别c的评判标准，其中，的表达式为：
15、
16、其中，是事件所属类别， k是总事件类别数，是权重向量，偏置项，是所有事件类别预测值的加权，是以自然常数e为底的指数函数。
17、进一步地，在所述步骤2中，采用时空变差函数，利用从雷达辐射源信号中获得的信号特征参数，对其进行时空关联分析，包括：
18、通过对时空变差函数中的每个时刻和空间滞后向量进行计算，得到时空变差函数的值，以用于描述雷达辐射源信号在不同时刻和空间位置之间的协方差。
19、进一步地，所述时空变差函数表示随机场在时空上的变异性，定义时空变差函数为：
20、
21、其中，是时空变差函数，是时间，是空间滞后向量，是时刻处的观测数量，是在时刻和空间位置处的观测值，是在时刻和空间位置处的观测值，是在时刻和空间位置处的观测值，是在时刻和空间位置处的观测值，是时刻处样本和样本的权重。
22、进一步地，在所述步骤2中，采用apriori算法，利用从雷达辐射源信号中获得的事件参数，对其进行事件关联分析，得到频繁事件集、关联规则、支持度和置信度：
23、首先准备包含雷达辐射源信号的事件信息的数据集；使用apriori算法，将单个事件作为初始候选事件集，并通过组合已知的频繁事件集生成候选事件集；然后，计算每个候选事件集在数据中的支持度，剪枝去除支持度低于设定阈值的候选事件集；直到不能再生成新的频繁事件集为止；根据频繁事件集生成关联规则，计算每个关联规则的支持度和置信度。
24、进一步地，所述构建雷达辐射源知识图谱本体，包括：
25、通过berta模型抽取步骤1的雷达辐射源的信号特征参数、雷达辐射源的事件参数以及步骤2中通过时空关联分析与事件关联分析所获得知识中的语义实体，并映射到语义空间；
26、通过berta模型抽取步骤1的雷达辐射源的信号特征参数、雷达辐射源的事件参数以及步骤2中通过时空关联分析与事件关联分析所获得知识中的语义实体，并映射到语义空间，其中所获得的知识指的是频繁事件集、关联规则、支持度和置信度；
27、berta模型的训练过程分为预训练阶段和微调阶段，其中，预训练阶段包括：berta模型首先在大规模无标签的雷达辐射源语料库上进行预训练，以学习雷达辐射源信号的知识与参数的上下文表示，通过mlm和nsp任务来优化berta模型参数；mlm任务是通过随机地掩盖输入中的部分雷达辐射源信号的知识与参数并要求模型预测该知识与参数来训练berta模型；nsp任务是判断berta模型的预测结果之间是否相关联；
28、微调阶段包括：在电磁环境监测任务上进行微调，利用预训练阶段的模型参数，通过带有标签的数据对berta模型进行微调以适应电磁环境监测任务；标签指的是样本所属的事件类型或级别、环境条件和信号特征的语义标签。
<本文档来自技高网...【技术保护点】
1.一种基于认知图谱的电磁环境监测任务规划方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述步骤1中，所述通过对所采集到的雷达辐射源信号进行时域频域分析，得到雷达辐射源的信号特征参数，包括：
3.根据权利要求2所述的方法，其特征在于，所述SVM模型的决策函数为：
4.根据权利要求1所述的方法，其特征在于，在所述步骤2中，采用时空变差函数，利用从雷达辐射源信号中获得的信号特征参数，对其进行时空关联分析，包括：
5.根据权利要求4所述的方法，其特征在于，所述时空变差函数表示雷达辐射源信号在时空上的关联性，定义时空变差函数为：
6.根据权利要求1所述的方法，其特征在于，在所述步骤2中，采用Apriori算法，利用从雷达辐射源信号中获得的事件参数，对其进行事件关联分析，得到频繁事件集、关联规则、支持度和置信度：
7.根据权利要求1所述的方法，其特征在于，所述构建雷达辐射源知识图谱本体，包括：
8.根据权利要求1所述的方法，其特征在于，所述构建和加工雷达辐射源知识图谱，包括：
<...【技术特征摘要】
1.一种基于认知图谱的电磁环境监测任务规划方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述步骤1中，所述通过对所采集到的雷达辐射源信号进行时域频域分析，得到雷达辐射源的信号特征参数，包括：
3.根据权利要求2所述的方法，其特征在于，所述svm模型的决策函数为：
4.根据权利要求1所述的方法，其特征在于，在所述步骤2中，采用时空变差函数，利用从雷达辐射源信号中获得的信号特征参数，对其进行时空关联分析，包括：
5.根据权利要求4所述的方法，其特征在于，所述时空变差函数表示雷达辐射源信号在时空上的...
【专利技术属性】
技术研发人员：郑博元，丛迅超，马铭，甘翼，胡超，
申请(专利权)人：中国电子科技集团公司第十研究所，
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。