EMP仿真偏差评估方法、装置及计算机设备与流程

emp仿真偏差评估方法、装置及计算机设备
技术领域
1.本公开涉及通信技术领域，特别涉及一种emp仿真偏差评估方法、装置及计算机设备。


背景技术：

2.快起伏电磁脉冲(electromagnetic pulse，emp)是指快速起伏变化的电磁脉冲。
3.在快起伏emp的仿真研究中，往往需要对快速起伏变化的仿真结果与参考结果(例如实测值或者理论值)的偏差进行比较分析。
4.然而，传统的平均值比较方法对于emp这类非正态分布的快起伏数据适应性不强，不能完整表征出数据间的偏差程度。


技术实现要素：

5.本公开实施例提供了一种emp仿真偏差评估方法、装置及计算机设备。所述技术方案如下：
6.本公开至少一实施例提供了一种emp仿真偏差评估方法，所述方法包括：
7.确定emp仿真数据和参考数据中对应数据的差值的绝对值的均值；
8.确定所述emp仿真数据和所述参考数据的spearman相关系数；
9.基于所述均值和所述spearman相关系数，确定所述emp仿真的偏差评估结果。
10.其中，emp仿真数据是指快起伏emp仿真数据，快起伏emp是指快速起伏变化的电磁脉冲，例如传统的双指数脉冲。以双指数脉冲为例，emp仿真数据是对双指数脉冲进行仿真得到的数据，参考数据是双指数脉冲的实测数据或者理论数据。emp仿真数据和参考数据中对应数据是指相同时间点的数据。spearman相关系数也即斯皮尔曼等级相关系数。
11.在该实现方式中，通过使用emp仿真数据和参考数据中对应数据的差值的绝对值的均值，以及emp仿真数据和参考数据的spearman相关系数，确定emp仿真的偏差评估结果。由于spearman相关系数计算对原始变量的分布不作要求，适用范围更广泛，可以适合处理非正态分布的快起伏emp数据。因此，在相关技术的基础上增加spearman相关系数计算，利用spearman相关系数可适应于多种分布的特点，使得该emp仿真偏差评估方法可以适合非正态分布，从而来弥补相关技术的不足。另外，该评估方法综合考虑了算术平均值绝对值偏差和spearman相关系数，评估结果更全面。
12.示例性地，所述emp仿真数据和所述参考数据均为电场或磁场时域曲线；
13.所述确定emp仿真数据和参考数据中对应数据的差值的绝对值的均值，包括：
14.获取所述emp仿真数据和所述参考数据中时间点相同的多个场强值；
15.将从所述emp仿真数据中获取的多个场强值和从所述参考数据中获取的对应的场强值进行对位相减，并将相减得到的多个差值取绝对值；
16.对所述多个差值的绝对值进行平均，得到所述均值。
17.通过获取电场或磁场时域曲线中相同时间点的数据，确定emp仿真数据和参考数
据中对应数据的差值的绝对值的均值，从而为emp仿真偏差评估提供依据。
18.在本公开的实施方式中，获取场强值时，可以根据需要选取步长，对于步长的大小不做限制。
19.在一种可能的示例中，将从所述emp仿真数据中获取的多个场强值和从所述参考数据中获取的对应的场强值进行对位相减，可以采用如下方式实现：
20.将从emp仿真数据和参考数据中获取的场强值，分别写成2个行向量或者分别写成2个列向量；再将emp仿真数据对应的向量和参考数据对应的向量进行对位相减。
21.采用向量的方式实现相减，便于数据的处理。
22.在另一种可能的示例中，将从所述emp仿真数据中获取的多个场强值和从所述参考数据中获取的对应的场强值进行对位相减，可以采用如下方式实现：
23.将从emp仿真数据和参考数据中获取的场强值，分别按顺序排列；再将emp仿真数据和参考数据中对应位置的数据进行对位相减。
24.在一种可能的示例中，所述确定所述emp仿真数据和所述参考数据的spearman相关系数，包括：
25.将所述emp仿真数据和所述参考数据导入python软件的pandas模块；
26.获取所述pandas模块内的pandas.corr('spearman')函数计算并输出的spearman相关系数。
27.示例性地，运行python软件，导入pandas模块，利用pandas模块内置的pandas.corr('spearman')函数计算spearman相关系数矩阵，非对角线的矩阵元即为spearman相关系数，取值范围为[-1,1]。
[0028]
其中，pandas模块是python语言的一个数据处理模块，导入pandas模块方便的进行相关系数的计算。
[0029]
pandas.corr('spearman')函数是pandas模块中现成的相关系数计算函数，pandas.corr('spearman')函数将spearman相关系数计算公式写成封装的开源代码，从而方便spearman相关系数的计算。
[0030]
在这种实现方式中，通过该函数计算spearman相关系数，处理速度较快，语句简洁。
[0031]
在另一种可能的示例中，所述确定所述emp仿真数据和所述参考数据的spearman相关系数，包括：
[0032]
通过使用spearman相关系数计算公式，计算所述emp仿真数据和所述参考数据的spearman相关系数。
[0033]
在本公开的实施方式中，所述基于所述均值和所述spearman相关系数，确定所述emp仿真的偏差评估结果，包括：
[0034]
在所述均值小于第一阈值的情况下，确定所述spearman相关系数与1的偏差；
[0035]
采用所述spearman相关系数与1的偏差作为所述emp仿真的偏差评估结果。
[0036]
其中，第一阈值的大小根据需要设计，例如，第一阈值的取值范围在2～4db，比如3db。
[0037]
在该实现方式中，当均值小于第一阈值时，可认为emp仿真数据和参考数据的算术平均值之差处于可接受范围；再检查spearman相关系数，如果取值接近1，则意味着仿真数
据与参考数据相关性较好，较相似。
[0038]
这里，spearman相关系数与1的偏差越小，则意味着仿真数据与参考数据相关性越好，越相似；spearman相关系数与1的偏差越大，则意味着仿真数据与参考数据相关性越差，越不相似。
[0039]
示例性地，可以将spearman相关系数与1的偏差划分为多个范围，每个范围对应不同的等级或分数，作为emp仿真的偏差评估结果。
[0040]
本公开至少一实施例提供了一种emp仿真偏差评估装置，所述装置包括：
[0041]
第一确定模块，用于确定emp仿真数据和参考数据中对应数据的差值的绝对值的均值；
[0042]
第二确定模块，用于确定所述emp仿真数据和所述参考数据的spearman相关系数；
[0043]
处理模块，用于基于所述均值和所述spearman相关系数，确定所述emp仿真的偏差评估结果。
[0044]
可选地，所述emp仿真数据和所述参考数据均为电场或磁场时域曲线；
[0045]
所述第一确定模块，用于：
[0046]
获取所述emp仿真数据和所述参考数据中时间点相同的多个场强值；
[0047]
将从所述emp仿真数据中获取的多个场强值和从所述参考数据中获取的对应的场强值进行对位相减，并将相减得到的多个差值取绝对值；
[0048]
对所述多个差值的绝对值进行平均，得到所述均值。
[0049]
可选地，所述第二确定模块，用于：
[0050]
将所述emp仿真数据和所述参考数据导入python软件的pandas模块；
[0051]
获取所述pandas模块内的pandas.corr('spearman')函数计算并输出的spearman相关系数。
[0052]
可选地，所述处理模块，用于：
[0053]
在所述均值小于第一阈值的情况下，确定所述spearman相关系数与1的偏差；
[0054]
采用所述spearman相关系数与1的偏差作为所述emp仿真的偏差评估结果。
[0055]
本公开至少一实施例提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器存储有至少一条程序代码，所述程序代码由所述处理器加载并执行以实现如前所述的emp仿真偏差评估方法。
[0056]
本公开至少一实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条程序代码，所述程序代码由处理器加载并执行以实现如前任一项所述的emp仿真偏差评估方法。
附图说明
[0057]
为了更清楚地说明本公开实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0058]
图1是本公开实施例提供的一种emp仿真偏差评估方法的流程图；
[0059]
图2是本公开实施例提供的一种emp仿真偏差评估方法的流程图；
[0060]
图3是本公开实施例提供的一种emp仿真数据和参考数据的曲线图；
[0061]
图4是本公开实施例提供的一种emp仿真偏差评估装置的框图；
[0062]
图5是本公开实施例提供的一种计算机设备的结构框图。
具体实施方式
[0063]
为使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开实施方式作进一步地详细描述。
[0064]
除非另作定义，此处使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开专利申请说明书以及权利要求书中使用的“第一”、“第二”、“第三”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”或者“一”等类似词语也不表示数量限制，而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现在“包括”或者“包含”前面的元件或者物件涵盖出现在“包括”或者“包含”后面列举的元件或者物件及其等同，并不排除其他元件或者物件。
[0065]
图1是本公开实施例提供的一种emp仿真偏差评估方法的流程图。参见图1，该方法包括：
[0066]
101：确定emp仿真数据和参考数据中对应数据的差值的绝对值的均值。
[0067]
其中，emp仿真数据是指快起伏emp仿真数据，快起伏emp是指快速起伏变化的电磁脉冲，例如传统的双指数脉冲。
[0068]
以双指数脉冲为例，emp仿真数据是对双指数脉冲进行仿真得到的数据，参考数据是双指数脉冲的实测数据或者理论数据。
[0069]
在本公开实施例中，emp仿真数据和参考数据中对应数据是指相同时间点的数据。
[0070]
102：确定所述emp仿真数据和所述参考数据的spearman相关系数。
[0071]
spearman相关系数也即斯皮尔曼等级相关系数。
[0072]
103：基于所述均值和所述spearman相关系数，确定所述emp仿真的偏差评估结果。
[0073]
该emp仿真的偏差评估结果可以用于评估emp仿真的效果，根据该emp仿真的偏差评估结果可以为emp仿真的调优提供依据。
[0074]
在该实现方式中，通过使用emp仿真数据和参考数据中对应数据的差值的绝对值的均值，以及emp仿真数据和参考数据的spearman相关系数，确定emp仿真的偏差评估结果。由于spearman相关系数计算对原始变量的分布不作要求，适用范围更广泛，可以适合处理非正态分布的快起伏emp数据。因此，在相关技术的基础上增加spearman相关系数计算，利用spearman相关系数可适应于多种分布的特点，使得该emp仿真偏差评估方法可以适合非正态分布，从而来弥补相关技术的不足。另外，该评估方法综合考虑了算术平均值绝对值偏差和spearman相关系数，评估结果更全面。
[0075]
图2是本公开实施例提供的一种emp仿真偏差评估方法的流程图。参见图2，该方法包括：
[0076]
201：获取所述emp仿真数据和所述参考数据中时间点相同的多个场强值。
[0077]
其中，所述emp仿真数据和所述参考数据均为电场或磁场时域曲线。
[0078]
图3是本公开实施例提供的一种emp仿真数据和参考数据的曲线图。参见图3，图中“参考”表示参考数据对应的曲线，图中“仿真”代表emp仿真数据对应的曲线。横坐标为时间，单位为ms，纵坐标为场强值，单位为v/m。
[0079]
可以从图1所示的曲线中，间隔选取100个emp仿真数据的场强值，和100个参考数据的场强值。
[0080]
下表1是本公开实施例提供的从所述emp仿真数据中获取的多个场强值和从所述参考数据中获取的对应的场强值的示例：
[0081]
表1
[0082][0083]
202：将从所述emp仿真数据中获取的多个场强值和从所述参考数据中获取的对应的场强值进行对位相减，并将相减得到的多个差值取绝对值。
[0084]
在一种可能的示例中，将从所述emp仿真数据中获取的多个场强值和从所述参考数据中获取的对应的场强值进行对位相减，可以采用如下方式实现：
[0085]
将从emp仿真数据和参考数据中获取的场强值，分别写成2个行向量或者分别写成2个列向量；再将emp仿真数据对应的向量和参考数据对应的向量进行对位相减。
[0086]
采用向量的方式实现相减，便于计算机设备对于数据的处理。
[0087]
在另一种可能的示例中，将从所述emp仿真数据中获取的多个场强值和从所述参考数据中获取的对应的场强值进行对位相减，可以采用如下方式实现：
[0088]
将从emp仿真数据和参考数据中获取的场强值，分别按顺序排列；再将emp仿真数据和参考数据中对应位置的数据进行对位相减。
[0089]
203：对所述多个差值的绝对值进行平均，得到所述均值。
[0090]
采用上述方式，计算表1中各个数据的差值的绝对值再平均，得到均值结果为11.17631v/m，该数值小于0.08db。
[0091]
204：将所述emp仿真数据和所述参考数据导入python软件的pandas模块。
[0092]
示例性地，运行python软件，导入pandas模块，利用pandas模块内置的pandas.corr('spearman')函数计算spearman相关系数矩阵，非对角线的矩阵元即为spearman相关系数，取值范围为[-1,1]。
[0093]
其中，pandas模块是python语言的一个数据处理模块，导入pandas模块方便的进行相关系数的计算。
[0094]
pandas.corr('spearman')函数是pandas模块中现成的相关系数计算函数，pandas.corr('spearman')函数将spearman相关系数计算公式写成封装的开源代码，从而方便spearman相关系数的计算。
[0095]
205：获取所述pandas模块内的pandas.corr('spearman')函数计算并输出的spearman相关系数。
[0096]
在这种实现方式中，通过该函数计算spearman相关系数，处理速度较快，语句简洁。
[0097]
采用上述方式，计算表1中各个数据的spearman相关系数，得到spearman相关系数结果为0.861778。
[0098]
206：在所述均值小于第一阈值的情况下，确定所述spearman相关系数与1的偏差。
[0099]
其中，第一阈值的大小根据需要设计，例如，第一阈值的取值范围在2～4db，比如3db。
[0100]
其中，表1的数值计算出的均值结果为11.17631v/m，该数值小于0.08db，小于第一阈值。
[0101]
而如果均值不小于第一阈值，则emp仿真数据和参考数据的算术平均值之差处于不可接受范围，此时比较不大，原因可能是数据输入有误，或者其他原因导致(参考数据测量错误)。
[0102]
在均值不小于第一阈值的情况下，检查输入的正确性，或者重新执行步骤201及后续步骤，重新进行数据的获取以及均值、相关系数的计算。
[0103]
207：采用所述spearman相关系数与1的偏差作为所述emp仿真的偏差评估结果。
[0104]
在该实现方式中，当均值小于第一阈值时，可认为emp仿真数据和参考数据的算术平均值之差处于可接受范围；再检查spearman相关系数，如果取值接近1，则意味着仿真数据与参考数据相关性较好，较相似。
[0105]
这里，spearman相关系数与1的偏差越小，则意味着仿真数据与参考数据相关性越好，越相似；spearman相关系数与1的偏差越大，则意味着仿真数据与参考数据相关性越差，越不相似。
[0106]
示例性地，可以将spearman相关系数与1的偏差划分为多个范围，每个范围对应不同的等级或分数，作为emp仿真的偏差评估结果。
[0107]
示例性地，表1的数值计算出的spearman相关系数结果为0.861778，该数值表示仿真数据与参考数据相关性好，相似度高。
[0108]
本公开实施例提供的方法能够有效开展仿真数据与参考数据的对比分析以及更完整表征出数据间的偏差程度。
[0109]
图4是本公开实施例提供的一种emp仿真偏差评估装置的结构示意图。参见图4，所述emp仿真偏差评估装置包括：第一确定模块301、第二确定模块302和处理模块303。
[0110]
其中，第一确定模块301，用于确定emp仿真数据和参考数据中对应数据的差值的绝对值的均值；
[0111]
第二确定模块302，用于确定所述emp仿真数据和所述参考数据的spearman相关系数；
[0112]
处理模块303，用于基于所述均值和所述spearman相关系数，确定所述emp仿真的偏差评估结果。
[0113]
可选地，所述emp仿真数据和所述参考数据均为电场或磁场时域曲线；
[0114]
所述第一确定模块301，用于：
[0115]
获取所述emp仿真数据和所述参考数据中时间点相同的多个场强值；
[0116]
将从所述emp仿真数据中获取的多个场强值和从所述参考数据中获取的对应的场
强值进行对位相减，并将相减得到的多个差值取绝对值；
[0117]
对所述多个差值的绝对值进行平均，得到所述均值。
[0118]
可选地，所述第二确定模块302，用于：
[0119]
将所述emp仿真数据和所述参考数据导入python软件的pandas模块；
[0120]
获取所述pandas模块内的pandas.corr('spearman')函数计算并输出的spearman相关系数。
[0121]
可选地，所述处理模块303，用于：
[0122]
在所述均值小于第一阈值的情况下，确定所述spearman相关系数与1的偏差；
[0123]
采用所述spearman相关系数与1的偏差作为所述emp仿真的偏差评估结果。
[0124]
需要说明的是：上述实施例提供的emp仿真偏差评估装置在进行emp仿真偏差评估时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的emp仿真偏差评估装置与emp仿真偏差评估方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
[0125]
图5是本公开实施例提供的一种计算机设备的结构框图。通常，计算机设备包括有：处理器601和存储器602。
[0126]
处理器601可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器601可以采用dsp(digital signal processing，数字信号处理)、fpga(field－programmable gate array，现场可编程门阵列)、pla(programmable logic array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器601也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称cpu(central processing unit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。
[0127]
存储器602可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器602还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器602中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器601所执行以实现本技术中方法实施例提供的由计算机设备执行的emp仿真偏差评估方法。
[0128]
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0129]
以上所述仅为本公开的可选实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

技术特征：
1.一种电磁脉冲emp仿真偏差评估方法，其特征在于，所述方法包括：确定emp仿真数据和参考数据中对应数据的差值的绝对值的均值；确定所述emp仿真数据和所述参考数据的斯皮尔曼spearman相关系数；基于所述均值和所述spearman相关系数，确定所述emp仿真的偏差评估结果。2.根据权利要求1所述的方法，其特征在于，所述emp仿真数据和所述参考数据均为电场或磁场时域曲线；所述确定emp仿真数据和参考数据中对应数据的差值的绝对值的均值，包括：获取所述emp仿真数据和所述参考数据中时间点相同的多个场强值；将从所述emp仿真数据中获取的多个场强值和从所述参考数据中获取的对应的场强值进行对位相减，并将相减得到的多个差值取绝对值；对所述多个差值的绝对值进行平均，得到所述均值。3.根据权利要求1所述的方法，其特征在于，所述确定所述emp仿真数据和所述参考数据的spearman相关系数，包括：将所述emp仿真数据和所述参考数据导入python软件的pandas模块；获取所述pandas模块内的pandas.corr('spearman')函数计算并输出的spearman相关系数。4.根据权利要求1至3任一项所述的方法，其特征在于，所述基于所述均值和所述spearman相关系数，确定所述emp仿真的偏差评估结果，包括：在所述均值小于第一阈值的情况下，确定所述spearman相关系数与1的偏差；采用所述spearman相关系数与1的偏差作为所述emp仿真的偏差评估结果。5.一种emp仿真偏差评估装置，其特征在于，所述装置包括：第一确定模块，用于确定emp仿真数据和参考数据中对应数据的差值的绝对值的均值；第二确定模块，用于确定所述emp仿真数据和所述参考数据的spearman相关系数；处理模块，用于基于所述均值和所述spearman相关系数，确定所述emp仿真的偏差评估结果。6.根据权利要求5所述的装置，其特征在于，所述emp仿真数据和所述参考数据均为电场或磁场时域曲线；所述第一确定模块，用于：获取所述emp仿真数据和所述参考数据中时间点相同的多个场强值；将从所述emp仿真数据中获取的多个场强值和从所述参考数据中获取的对应的场强值进行对位相减，并将相减得到的多个差值取绝对值；对所述多个差值的绝对值进行平均，得到所述均值。7.根据权利要求5所述的装置，其特征在于，所述第二确定模块，用于：将所述emp仿真数据和所述参考数据导入python软件的pandas模块；获取所述pandas模块内的pandas.corr('spearman')函数计算并输出的spearman相关系数。8.根据权利要求5至7任一项所述的装置，其特征在于，所述处理模块，用于：在所述均值小于第一阈值的情况下，确定所述spearman相关系数与1的偏差；采用所述spearman相关系数与1的偏差作为所述emp仿真的偏差评估结果。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器存储有至少一条程序代码，所述程序代码由所述处理器加载并执行以实现如权利要求1至4任一项所述的emp仿真偏差评估方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条程序代码，所述程序代码由处理器加载并执行以实现如权利要求1至4任一项所述的emp仿真偏差评估方法。

技术总结
本公开提供了一种EMP仿真偏差评估方法、装置及计算机设备。该方法包括：确定EMP仿真数据和参考数据中对应数据的差值的绝对值的均值；确定所述EMP仿真数据和所述参考数据的Spearman相关系数；基于所述均值和所述Spearman相关系数，确定所述EMP仿真的偏差评估结果。通过使用EMP仿真数据和参考数据中对应数据的差值的绝对值的均值，以及EMP仿真数据和参考数据的Spearman相关系数，确定EMP仿真的偏差评估结果。由于Spearman相关系数计算对原始变量的分布不作要求，适用范围更广泛，可以适合处理非正态分布的快起伏EMP数据。使得该EMP仿真偏差评估方法可以适合非正态分布，从而来弥补相关技术的不足。另外，该评估方法综合考虑了算术平均值绝对值偏差和Spearman相关系数，评估结果更全面。评估结果更全面。评估结果更全面。


技术研发人员：石昕阳 王彦碧 王远 刘婧成 肖莹 徐海明 李璐
受保护的技术使用者：武汉船舶通信研究所（中国船舶集团有限公司第七二二研究所）
技术研发日：2023.03.27
技术公布日：2023/7/18