[发明专利]一种雷达性能预测模型建立方法及装置

权利要求书

1.一种雷达性能预测模型建立方法，其特征在于，所述方法包括：

获取预先采集的原始数据，所述原始数据为在雷达实际工作环境中采集的数据，所述原始数据至少包括表征雷达状态的数据和表征所述实际工作环境的数据；

对所述原始数据进行清洗；

根据数据的属性对所述清洗后的数据进行处理，获得属性与预测的雷达性能具有关联性的数据；

查找所述属性与预测的雷达性能具有关联性的数据中具有相同时间戳的数据，并将具有相同时间戳的数据合并为一条数据对象；

针对每一条数据对象：判断所述数据对象中除属性为预测的雷达性能外的其他属性是否与所述属性与预测的雷达性能具有关联性的数据中除属性为预测的雷达性能外的其他属性完全相同；

若不完全相同，则从时间戳与所述数据对象的时间戳相邻的数据对象中获取所述数据对象缺少的属性对应的数据；

删除目标数据对象，所述目标数据对象中不包括属性为预测的雷达性能对应的数据，获得样本数据；

根据预设的机器学习算法对所述样本数据进行训练，建立雷达性能预测模型。

2.如权利要求1所述方法，其特征在于，所述根据数据的属性对所述清洗后的数据进行处理，包括：

查找所述清洗后的数据中属性值保持不变的数据，和所述清洗后的数据中属性值在预定时长内发生的变化超过预设变化范围且数量低于预设数量的数据，以及所述清洗后的数据中预指定删除数据；

删除查找到的数据，获得所述属性与预测的雷达性能具有关联性的数据。

3.如权利要求1所述方法，其特征在于，所述原始数据为格式为txt的多个文本数据，在对所述原始数据进行清洗前，所述方法还包括：

将每个文本数据拆分为多个子文本数据；

将每个子文本数据转换为第一格式数据；

所述对所述原始数据进行清洗包括：对每个第一格式数据进行清洗；

在所述根据数据的属性对所述清洗后的数据进行处理前，所述方法还包括：

根据预设的属性值与数值的对应关系，将所述清洗后的第一个格式数据中数据的属性值进行数值化；

将数值化的第一格式数据转换为第二格式数据；

所述根据数据的属性对所述清洗后的数据进行处理具体为：根据数据的属性对所述第二格式数据进行处理，获得属性与预测的雷达性能具有关联性的数据。

4.一种雷达性能预测模型建立装置，其特征在于，所述装置包括：

获取单元，用于获取预先采集的原始数据，所述原始数据为在雷达实际工作环境中采集的数据，所述原始数据至少包括表征雷达状态的数据和表征所述实际工作环境的数据；

清洗单元，用于对所述原始数据进行清洗；

处理单元，用于根据数据的属性对所述清洗后的数据进行处理，获得属性与预测的雷达性能具有关联性的数据；

合并单元，所述合并单元包括：第二查找子单元、判断子单元、获取子单元，以及第二删除子单元，其中，

所述第二查找子单元，用于查找所述属性与预测的雷达性能具有关联性的数据中具有相同时间戳的数据，并将具有相同时间戳的数据合并为一条数据对象；

所述判断子单元，用于针对每一条数据对象：判断所述数据对象中除属性为预测的雷达性能外的其他属性是否与所述属性与预测的雷达性能具有关联性的数据中除属性为预测的雷达性能外的其他属性完全相同；

所述获取子单元，用于当不完全相同时，从时间戳与所述数据对象时间戳相邻的数据对象中获取所述数据对象缺少的属性对应的数据；

所述第二删除子单元，用于删除目标数据对象，所述目标数据对象中不包括属性为预测的雷达性能对应的数据，获得样本数据；

建模单元，用于根据预设的机器学习算法对所述样本数据进行训练，建立雷达性能预测模型。

5.如权利要求4所述装置，其特征在于，所述处理单元包括：

第一查找子单元，用于查找所述清洗后的数据中属性值保持不变的数据，和所述清洗后的数据中属性值在预定时长内发生的变化超过预设变化范围且数量低于预设数量的数据，以及所述清洗后的数据中预指定删除数据；

第一删除子单元，用于删除查找到的数据，获得所述属性与预测的雷达性能具有关联性的数据。

6.如权利要求4所述装置，其特征在于，所述原始数据为格式为txt的多个文本数据，所述装置还包括：

拆分单元，用于将每个文本数据拆分为多个子文本数据；

第一转换单元，用于将每个子文本数据转换为第一格式数据；

所述清洗单元，具体用于对每个第一格式数据进行清洗；

所述装置还包括：

数值化单元，用于根据预设的属性值与数值的对应关系，将所述清洗后的第一个格式数据中数据的属性值进行数值化；

第二转换单元，用于将数值化的第一格式数据转换为第二格式数据；

所述处理单元，具体用于根据数据的属性对所述第二格式数据进行处理，获得属性与预测的雷达性能具有关联性的数据。