一种雷达信号分选方法和装置

1.本发明涉及雷达信号处理技术领域，更具体的涉及一种雷达信号分选方法和装置。


背景技术：

2.达对抗是现代信息化战争的重要手段，基于参数处理的雷达信号分选是雷达对抗的重要内容。随着雷达技术的发展，新体制雷达不断涌现、工作模式的改进、数据量的激增以及信号时频域交织等情况，使得雷达信号分选对数据处理速率和分选准确度的要求也越来越高。
3.不同类型、不同工作体制的雷达其各类脉冲描述字中至少有一类互不相同，因此雷达信号分选往往基于其各类脉冲描述字进行。传统信号分选方法基于一个或几个脉冲描述字进行，然而，在面对复杂类型的雷达分选应用时，往往存在分选准确度较低的困难。另一方面，采用所有可用脉冲描述字进行信号分选，可有效提升分选准确度，但又会面临数据处理困难的问题。


技术实现要素：

4.本发明实施例提供一种雷达信号分选方法，包括：
5.获取包括多列脉冲描述字向量的历史雷达信号脉冲描述字矩阵；
6.对历史雷达信号脉冲描述字矩阵进行压缩，获得脉冲描述字的特征子空间，并利用脉冲描述字的特征子空间获得特征子空间库；
7.利用预设的模型处理实时提取的脉冲描述字向量，获得雷达信号脉冲描述字的主特征子空间，根据收敛的雷达信号脉冲描述字的主特征子空间获得负载矩阵；
8.根据负载矩阵与特征子空间库的正交结果，获得目标雷达信号类型分选结果。
9.进一步，对历史雷达信号脉冲描述字矩阵进行压缩，获得脉冲描述字的特征子空间，并利用脉冲描述字的特征子空间构建脉冲描述字特征子空间库，包括：
10.对获取的历史雷达信号脉冲描述字矩阵进行归一化处理，得到数据表矩阵；
11.对数据表矩阵的协方差矩阵进行特征值分解，获得协方差矩阵的特征空间和多个降序排列的特征值；
12.获取特征空间中排序靠前且和大于预设值的多个特征值对应的特征向量，得到多个负载向量矩阵；
13.利用多个负载向量矩阵和历史雷达信号脉冲描述字矩阵历史雷达信号脉冲描述字矩阵的乘积，获得脉冲描述字的特征子空间；
14.根据多个对角线排列的脉冲描述字的特征子空间，构建特征子空间库。
15.进一步，利用预设的模型处理实时提取的脉冲描述字向量，获得雷达信号脉冲描述字的主特征子空间，根据收敛的雷达信号脉冲描述字的主特征子空间获得负载矩阵，包括：
16.获取实时提取的脉冲描述字向量d(k)；
17.利用公式(1)中预设的模型更新主特征子空间，获得获得雷达信号脉冲描述字的主特征子空间；
18.w(k+1)＝w(k)+η[r(k)w(k)-w(k)dw
t
(k)w(k)d-1
] (1)
[0019]
其中，r＝e{dd
t
}为d(k)的期望矩阵，w为r的主子空间，η为收敛因子，d为预设的对角矩阵，其对角元素为常数且按降序排列，期望矩阵r采用公式(2)进行更新：
[0020]
r(k+1)＝αr(k)+(1-α)[d(k+1)d
t
(k+1)]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0021]
其中，α为遗忘因子；
[0022]
当公式(1)和公式(2)收敛后，获得负载矩阵，其表达式包括公式(3)；
[0023][0024]
其中，p称为负载矩阵，up为负载矩阵的主子空间，其维度为p，λ
p
为对角阵，其对角元素为主特征子空间对应的p个主特征值。
[0025]
进一步，根据负载矩阵与脉冲描述字特征子空间库的正交结果，获得目标雷达信号类型分选结果，包括：
[0026]
基于历史雷达信号脉冲描述字矩阵，获得脉冲描述字的特征子空间；
[0027]
根据呈对角排列的冲描述字的特征子空间，获得特征子空间库；
[0028]
获得负载矩阵与特征子空间库的正交矩阵；
[0029]
利用预设的向量处理正交矩阵，得到对角阵；
[0030]
利用对角阵中最大值所对应的历史雷达信号脉冲描述字矩阵，得到历史雷达信号脉冲描述字矩阵对应的雷达信号类型。
[0031]
本发明还提供一种雷达信号分选装置，包括：
[0032]
获取模块，用于获取包括多列脉冲描述字向量的历史雷达信号脉冲描述字矩阵；
[0033]
第一处理模块，用于对历史雷达信号脉冲描述字矩阵进行压缩，获得脉冲描述字的特征子空间，并利用脉冲描述字的特征子空间获得特征子空间库；
[0034]
第二处理模块，用于利用预设的模型处理实时提取的脉冲描述字向量，获得雷达信号脉冲描述字的主特征子空间，根据收敛的雷达信号脉冲描述字的主特征子空间获得负载矩阵；
[0035]
输出模块，用于根据负载矩阵与特征子空间库的正交结果，获得目标雷达信号类型分选结果。
[0036]
本发明还提供一种电子设备，电子设备包括处理器和存储器，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现雷达信号分选方法。
[0037]
本发明还提供一种计算机可读存储介质，存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现雷达信号分选方法。
[0038]
本发明实施例提供一种雷达信号分选方法，与现有技术相比，其有益效果如下：
[0039]
本发明针对传统雷达信号分选方法存在的信号速率或准确率较低的实际情况，提供一种基于特征压缩的快速雷达信号分选方法。在保留原始信号描述字主要特征的前提下
实现了雷达信号快速准确分选，为武器装备性能提升提供了理论依据和技术支撑，具有很好的工程应用价值。
附图说明
[0040]
图1为本发明实施例提供的一种雷达信号分选方法的流程图；
[0041]
图2为本发明实施例提供的一种雷达信号分选装置的结构示意图。
具体实施方式
[0042]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0043]
参见图1，本发明实施例提供一种雷达信号分选方法，该方法包括：
[0044]
s101、获取包括多列脉冲描述字向量的历史雷达信号脉冲描述字矩阵；
[0045]
选取能够表征雷达脉冲信号特点的各种典型描述字，并构造步骤s101中所述脉冲描述字向量。为了实现对雷达信号的准确分选，需要纳入尽可能多的信号特征描述字。在实际应用中，可选取下列典型雷达信号特征描述字：
[0046]
①
脉冲到达时间(toa)
[0047]
指雷达脉冲信号从发射到被接收机接收到的时间间隔。显然，基于toa可以用于计算目标距离。
[0048]
②
脉冲重复间隔(pri)
[0049]
指同一部雷达发射的相邻的两个脉冲信号之间的时间间隔，其倒数称脉冲重复频率(prf)。根据pri的变化规律，可以分为固定pri信号、参差pri信号、抖动pri信号、滑变pri信号、正弦调制pri信号等。
[0050]
③
脉冲到达方向角(doa)
[0051]
指雷达接收机与目标辐射源之间的相对角度。显然，doa会随着接收机与目标之间的相对运动而发生变化。
[0052]
④
脉冲宽度(pw)
[0053]
指脉冲信号从到达的时间到结束时间的时间间隔，即单个脉冲的持续时间
[0054]
⑤
脉冲幅度(pa)。
[0055]
指脉冲信号的最大电压幅值，与辐射源瞬时功率相关，功率大小会影响探测距离。
[0056]
⑥
载波频率(rf)
[0057]
指调制脉冲信号中载波信号的频率。
[0058]
⑦
其它脉冲描述字
[0059]
包括脉内参数调制方式、天线扫描参数等。
[0060]
确定脉冲描述字后，为了方便实现雷达信号分选，将其进行组合建立脉冲描述字向量：
[0061]
d＝[toa,pri,doa,pw,pa,rf,l]
t
。
[0062]
s102、对历史雷达信号脉冲描述字矩阵进行压缩，获得脉冲描述字的特征子空间，
并利用脉冲描述字的特征子空间获得特征子空间库；
[0063]
步骤s102中，对历史雷达信号脉冲描述字矩阵进行压缩，是基于已有雷达数据提取其主特征子空间，将步骤s101中所述的脉冲描述字向量投影到该特征子空间，从而获得低维脉冲描述字向量。
[0064]
为了提高雷达信号分选的准确度，需要尽可能多的纳入脉冲描述字信息，因此步骤s102中所建立的脉冲描述字向量往往具有较高维度。另一方面，向量中各脉冲描述字之间存在一定的关联性，使得向量存在一定冗余。高维度和冗余性使得该向量不适合直接用于信号分选，而需要先对其进行降维处理。
[0065]
s103、利用预设的模型处理实时提取的脉冲描述字向量，获得雷达信号脉冲描述字的主特征子空间，根据收敛的雷达信号脉冲描述字的主特征子空间获得负载矩阵；
[0066]
在步骤s103中，通过比较提取实时到达的雷达信号脉冲描述字向量与历史雷达信号脉冲描述字特征向量的方向一致性，实现对雷达信号的分选。
[0067]
由于不同雷达的工作体制、工作方式等不同，因此提取的脉冲描述字存在差异，进而经过压缩后的雷达信号脉冲描述字向量方向就各不相同，经上述步骤基于历史数据提取的雷达信号脉冲描述字向量，可被认为是代表该雷达特征信息的向量，进一步通过对雷达工作中的信号实时提取而获得的雷达信号脉冲描述字向量，并寻找与其方向最接近的历史雷达信号脉冲描述字特征向量，即可实现雷达信号分选，另外，由于随机扰动的存在，使得提取的实时的雷达信号脉冲描述字向量存在一定的随机偏差，而通过主子空间提取降低维度和去除背景噪声后，可大幅提升信号分选的速度和准确度。
[0068]
s104、根据负载矩阵与特征子空间库的正交结果，获得目标雷达信号类型分选结果。
[0069]
本发明针对雷达信号快速分选需求，通过建立雷达信号脉冲描述字向量，再对其进行特征压缩，能够在保留原始信号描述字主要特征的前提下进行最大程度特征压缩，从而降低信号分选的计算复杂度，实现雷达信号的快速分选。
[0070]
在一种可能的实施方式中，对历史雷达信号脉冲描述字矩阵进行压缩，获得脉冲描述字的特征子空间，并利用脉冲描述字的特征子空间构建脉冲描述字特征子空间库，包括：
[0071]
对获取的历史雷达信号脉冲描述字矩阵进行归一化处理，得到数据表矩阵；
[0072]
对数据表矩阵的协方差矩阵进行特征值分解，获得协方差矩阵的特征空间和多个降序排列的特征值；
[0073]
获取特征空间中排序靠前且和大于预设值的多个特征值对应的特征向量，得到多个负载向量矩阵；
[0074]
利用多个负载向量矩阵和历史雷达信号脉冲描述字矩阵历史雷达信号脉冲描述字矩阵的乘积，获得脉冲描述字的特征子空间；
[0075]
根据多个对角线排列的脉冲描述字的特征子空间，构建特征子空间库。
[0076]
在本发明提供的实施例中，基于已获得的某个雷达的多组历史雷达数据，获得该雷达的历史雷达信号脉冲描述字矩阵，即
[0077][0078]
其中，m为选取的脉冲描述字个数，n为提取的脉冲描述字向量数，为了消除各脉冲描述字度量大小的差异对信号分选结果的影响，需对各数据进行归一化处理，即
[0079][0080]
其中，d
i,j
表示数据表矩阵d中第i行第j列元素，d
j,max
和d
j,min
分别代表第j列中的最大值和最小值。
[0081]
对数据表矩阵d的协方差矩阵做特征值分解，即
[0082]
r＝uλu
t
[0083]
其中，u称为协方差矩阵r的特征空间，其各列称为特征向量，λ为对角矩阵，其对角元素λi按降序排列，代表协方差矩阵r的特征值，在特征压缩应用中，一般认为较大特征值对应的特征向量代表了绝大部分原始信息，而较小特征值对应的特征向量代表了原始数据的冗余信息，因此，可以采用u的前r个大特征值对应的特征向量p＝u(:,1:r)来对数据表矩阵d进行压缩，压缩率为：
[0084][0085]
一般取η≥85％，压缩方式为
[0086]
t＝pd
[0087]
式中，p称为数据表矩阵d的负载向量，t称为数据表矩阵d的得分向量，特征压缩的目的，就是从原始m维数据中求得负载向量矩阵，然后将数据投影到负载向量的特征子空间，得到r维(r《《m)的新的低维数据的脉冲描述字的特征子空间，脉冲描述字的特征子空间各维均是原数据各维变量的线性组合，但新数据各维变量相互独立，不存在冗余信息。
[0088]
在一种可能的实施方式中，利用预设的模型处理实时提取的脉冲描述字向量，获得雷达信号脉冲描述字的主特征子空间，根据收敛的雷达信号脉冲描述字的主特征子空间获得负载矩阵，包括：
[0089]
获取实时提取的脉冲描述字向量d(k)，k表示实际提取的脉冲描述字数量；
[0090]
利用公式(1)中预设的模型更新主特征子空间，获得获得雷达信号脉冲描述字的主特征子空间；
[0091]
w(k+1)＝w(k)+η[r(k)w(k)-w(k)dw
t
(k)w(k)d-1
](1)
[0092]
其中，r＝e{dd
t
}为d(k)的期望矩阵，w为期望矩阵r的主子空间，η为收敛因子，d为预设的对角矩阵，此处预设模型中的d为预设的对角矩阵，与前面的数据表矩阵d不同，其对角元素为常数且按降序排列，期望矩阵r采用公式(2)进行更新：
[0093]
r(k+1)＝αr(k)+(1-α)[d(k+1)d
t
(k+1)]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0094]
其中，α为遗忘因子；
[0095]
当公式(1)和公式(2)收敛后，获得负载矩阵，其表达式包括公式(3)；
[0096][0097]
其中，p称为负载矩阵，up为负载矩阵的主子空间，其维度为p，λ
p
为对角阵，其对角元素为主特征子空间对应的p个主特征值。
[0098]
在一种可能的实施方式中，根据负载矩阵与脉冲描述字特征子空间库的正交结果，获得目标雷达信号类型分选结果，包括：
[0099]
基于历史雷达信号脉冲描述字矩阵，获得脉冲描述字的特征子空间；
[0100]
根据呈对角排列的冲描述字的特征子空间，获得特征子空间库；
[0101]
获得负载矩阵与特征子空间库的正交矩阵；
[0102]
利用预设的向量处理正交矩阵，得到对角阵；
[0103]
利用对角阵中最大值所对应的历史雷达信号脉冲描述字矩阵，得到历史雷达信号脉冲描述字矩阵对应的雷达信号类型。
[0104]
在本发明提供的实施例中，在已知的q类雷达中，对每一种类型的雷达，都可以基于历史数据获得其脉冲描述字的特征子空间，假设雷达i的特征子空间为ξi，定义矩阵
[0105][0106]
为雷达信号的特征子空间库，计算负载矩阵与特征子空间库的正交性：
[0107][0108]
定义
[0109]
l＝[l
1 l
2 l lq]
t
[0110]
其中，
[0111][0112]
计算
[0113]
q＝l
t
yl
[0114]
最终，计算获得的矩阵q为q
×
q的对角阵，其对角元素中最大值所对应的历史雷达
信号脉冲描述字矩阵，得到历史雷达信号脉冲描述字矩阵对应的雷达信号类型。
[0115]
本发明还提供一种雷达信号分选装置200，包括：
[0116]
获取模块201，用于获取包括多列脉冲描述字向量的历史雷达信号脉冲描述字矩阵；
[0117]
第一处理模块202，用于对历史雷达信号脉冲描述字矩阵进行压缩，获得脉冲描述字的特征子空间，并利用脉冲描述字的特征子空间获得特征子空间库；
[0118]
第二处理模块203，用于利用预设的模型处理实时提取的脉冲描述字向量，获得雷达信号脉冲描述字的主特征子空间，根据收敛的雷达信号脉冲描述字的主特征子空间获得负载矩阵；
[0119]
输出模块204，用于根据负载矩阵与特征子空间库的正交结果，获得目标雷达信号类型分选结果。
[0120]
本发明实施例还提供一种电子设备，电子设备包括处理器和存储器，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现雷达信号分选方法。
[0121]
本发明实施例还提供一种计算机可读存储介质，存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现雷达信号分选方法。
[0122]
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。
[0123]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0124]
以上公开的仅为本发明的几个具体实施例，本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明的精神和范围，但是，本发明实施例并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围内。

技术特征：
1.一种雷达信号分选方法，其特征在于，包括：获取包括多列脉冲描述字向量的历史雷达信号脉冲描述字矩阵；对历史雷达信号脉冲描述字矩阵进行压缩，获得脉冲描述字的特征子空间，并利用脉冲描述字的特征子空间获得特征子空间库；利用预设的模型处理实时提取的脉冲描述字向量，获得雷达信号脉冲描述字的主特征子空间，根据收敛的雷达信号脉冲描述字的主特征子空间获得负载矩阵；根据负载矩阵与特征子空间库的正交结果，获得目标雷达信号类型分选结果。2.如权利要求1所述的一种雷达信号分选方法，其特征在于，所述对历史雷达信号脉冲描述字矩阵进行压缩，获得脉冲描述字的特征子空间，并利用脉冲描述字的特征子空间构建脉冲描述字特征子空间库，包括：对获取的历史雷达信号脉冲描述字矩阵进行归一化处理，得到数据表矩阵；对数据表矩阵的协方差矩阵进行特征值分解，获得协方差矩阵的特征空间和多个降序排列的特征值；获取特征空间中排序靠前且和大于预设值的多个特征值对应的特征向量，得到多个负载向量矩阵；利用多个负载向量矩阵和历史雷达信号脉冲描述字矩阵历史雷达信号脉冲描述字矩阵的乘积，获得脉冲描述字的特征子空间；根据多个对角线排列的脉冲描述字的特征子空间，构建特征子空间库。3.如权利要求2所述的一种雷达信号分选方法，其特征在于，所述利用预设的模型处理实时提取的脉冲描述字向量，获得雷达信号脉冲描述字的主特征子空间，根据收敛的雷达信号脉冲描述字的主特征子空间获得负载矩阵，包括：获取实时提取的脉冲描述字向量d(k)，k表示实时提取的脉冲描述字的个数；利用公式(1)中预设的模型更新主特征子空间，获得获得雷达信号脉冲描述字的主特征子空间；w(k+1)＝w(k)+η[r(k)w(k)-w(k)dw
t
(k)w(k)d-1
](1)其中，r＝e{dd
t
}为d(k)的期望矩阵，w为r的主子空间，η为收敛因子，d为预设的对角矩阵，其对角元素为常数且按降序排列，期望矩阵r采用公式(2)进行更新：r(k+1)＝αr(k)+(1-α)[d(k+1)d
t
(k+1)]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)其中，α为遗忘因子；当公式(1)和公式(2)收敛后，获得负载矩阵，其表达式包括公式(3)；其中，p称为负载矩阵，up为负载矩阵的主子空间，其维度为p，λ
p
为对角阵，其对角元素为主特征子空间对应的p个主特征值。4.如权利要求3所述的一种雷达信号分选方法，其特征在于，所述根据负载矩阵与脉冲描述字特征子空间库的正交结果，获得目标雷达信号类型分选结果，包括：基于历史雷达信号脉冲描述字矩阵，获得脉冲描述字的特征子空间；根据呈对角排列的冲描述字的特征子空间，获得特征子空间库；获得负载矩阵与特征子空间库的正交矩阵；
利用预设的向量处理正交矩阵，得到对角阵；利用对角阵中最大值所对应的历史雷达信号脉冲描述字矩阵，得到历史雷达信号脉冲描述字矩阵对应的雷达信号类型。5.一种雷达信号分选装置，其特征在于，包括：获取模块，用于获取包括多列脉冲描述字向量的历史雷达信号脉冲描述字矩阵；第一处理模块，用于对历史雷达信号脉冲描述字矩阵进行压缩，获得脉冲描述字的特征子空间，并利用脉冲描述字的特征子空间获得特征子空间库；第二处理模块，用于利用预设的模型处理实时提取的脉冲描述字向量，获得雷达信号脉冲描述字的主特征子空间，根据收敛的雷达信号脉冲描述字的主特征子空间获得负载矩阵；输出模块，用于根据负载矩阵与特征子空间库的正交结果，获得目标雷达信号类型分选结果。6.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1-4所述的基雷达信号分选方法。7.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1-4所述的雷达信号分选方法。

技术总结
本发明公开了一种雷达信号分选方法和装置，包括：获取包括多列脉冲描述字向量的历史雷达信号脉冲描述字矩阵，对历史雷达信号脉冲描述字矩阵进行压缩，获得脉冲描述字的特征子空间，并利用脉冲描述字的特征子空间获得特征子空间库，利用预设的模型处理实时提取的脉冲描述字向量，获得雷达信号脉冲描述字的主特征子空间，根据收敛的雷达信号脉冲描述字的主特征子空间获得负载矩阵，根据负载矩阵与特征子空间库的正交结果，获得目标雷达信号类型分选结果。该方法在保留原始信号描述字主要特征的前提下实现了雷达信号快速准确分选，为武器装备性能提升提供了理论依据和技术支撑，具有很好的工程应用价值。好的工程应用价值。好的工程应用价值。


技术研发人员：冯晓伟 何川 曹菲 许剑锋 秦建强 柳李鹏
受保护的技术使用者：中国人民解放军火箭军工程大学
技术研发日：2023.06.15
技术公布日：2023/8/31