ThreatSourceLibaray/docs/project/swerling_rcs_model_design.md

Swerling RCS 模型设计文档

1. 引言

本文档详细描述了项目中 SwerlingRcsModel.cs 类的设计与实现，该类用于模拟雷达散射截面（RCS）的Swerling统计起伏模型。Swerling模型是雷达系统分析和目标探测性能评估中的重要工具，它描述了不同类型目标由于姿态微小变化或内部结构复杂性导致的RCS值随机波动特性。

关于Swerling模型的更详细理论背景，请参考项目文档：RCS统计模型理论。

SwerlingRcsModel 类的具体实现位于以下路径： ThreatSource/src/Utils/SwerlingRcsModel.cs

2. 设计目标

SwerlingRcsModel 类的设计旨在满足以下目标：

• 模拟RCS统计起伏：提供一种机制来模拟目标RCS值的统计性波动，而不是使用固定的RCS值。
• 支持标准Swerling模型：实现对Swerling I、II、III、IV四种经典模型的支持。
• 区分起伏速率：能够区分慢起伏（slow fluctuation, Swerling I/III）和快起伏（fast fluctuation, Swerling II/IV）目标。
• 可配置平均RCS：允许用户为目标指定一个平均RCS值，作为所选统计分布的基准参数。
• 支持可复现性：通过可选的随机数生成器种子，确保在需要时能够获得可复现的RCS序列。
• 自动化模型选择：提供基于目标装备类型（EquipmentType）和运动状态（MotionStateType）自动选择合适Swerling模型的内部逻辑。

3. 类详细设计: SwerlingRcsModel

3.1 命名空间

ThreatSource.Utils

3.2 枚举 (Enums)

TargetSwerlingModelType

此枚举定义了支持的Swerling模型类型：

• Swerling_I: 慢起伏模型，RCS值服从指数分布（卡方分布，2个自由度）。RCS值在一个扫描周期内保持不变，但在不同扫描周期之间独立变化。
• Swerling_II: 快起伏模型，RCS值服从指数分布（卡方分布，2个自由度）。RCS值在每个雷达脉冲之间都独立变化。
• Swerling_III: 慢起伏模型，RCS值服从卡方分布，4个自由度（等价于形状参数k=2的伽马分布）。RCS值在一个扫描周期内保持不变，但在不同扫描周期之间独立变化。
• Swerling_IV: 快起伏模型，RCS值服从卡方分布，4个自由度（等价于形状参数k=2的伽马分布）。RCS值在每个雷达脉冲之间都独立变化。

MotionStateType

此枚举定义了目标可能的运动状态，用于辅助 DecideSwerlingModel 方法选择合适的Swerling模型：

• Static: 目标静止。
• ConstantVelocity: 目标进行匀速运动。
• Maneuvering: 目标进行机动飞行/行驶。
• Other: 其他未明确定义的运动状态。

3.3 主要字段 (Fields)

• private readonly Random _randomGenerator;
  • 一个 System.Random 类的实例，用于生成模拟所需的随机数。其种子可以在构造函数中指定，以实现可复现的仿真结果。
• private readonly Dictionary<string, double> _slowFluctuationRcsCache;
  • 一个字典，用于缓存慢起伏模型（Swerling I 和 III）在当前扫描周期内的RCS值。
  • 键（string）: 目标的唯一ID (targetId)。
  • 值（double）: 该目标在当前扫描周期缓存的RCS值（单位：平方米）。

3.4 构造函数 (Constructor)

• public SwerlingRcsModel(int? seed = null)
  • 初始化 _randomGenerator 实例。如果提供了 seed 参数，则使用该种子；否则，使用默认的、基于时间的种子。
  • 初始化 _slowFluctuationRcsCache 为一个新的空字典。

3.5 核心公共方法 (Core Public Method)

• public double GetRealtimeRcs(string targetId, EquipmentType equipmentType, MotionStateType motionState, double averageRcsValue, bool isNewScanPeriod)
  • 参数:
    • targetId (string): 目标的唯一标识符。对于慢起伏模型，此ID用于在同一扫描周期内缓存和复用RCS值。
    • equipmentType (EquipmentType): 目标类型（如Tank, Helicopter等），用于内部模型选择。
    • motionState (MotionStateType): 目标的运动状态，用于内部模型选择。
    • averageRcsValue (double): 目标的平均RCS值（单位：平方米），作为所选统计分布的参数。
    • isNewScanPeriod (bool): 指示当前调用是否代表一个新的扫描周期的开始。此参数仅对慢起伏模型有意义，用于决定是否应重新采样RCS值。
  • 内部逻辑:
    1. 调用 DecideSwerlingModel(equipmentType, motionState) 确定要使用的 TargetSwerlingModelType。
    2. 参数验证：
       • 如果选择的是慢起伏模型（Swerling I 或 III）但 targetId 为空或null，则抛出 ArgumentNullException。
       • 如果 averageRcsValue 小于或等于0，则直接返回0.0，不进行采样。
    3. 根据确定的 TargetSwerlingModelType 执行相应的采样逻辑：
       • Swerling_I (慢起伏, 指数分布):
         • 如果 isNewScanPeriod 为 true 或者 _slowFluctuationRcsCache 中不存在 targetId 对应的项，则调用 SampleExponentialDistribution(averageRcsValue) 生成新的RCS值，并将其存储（或更新）到缓存中（以 targetId 为键）。
         • 否则，直接从缓存中读取并返回之前存储的RCS值。
       • Swerling_II (快起伏, 指数分布):
         • 每次调用都直接执行 SampleExponentialDistribution(averageRcsValue) 并返回新的RCS值，不使用缓存。
       • Swerling_III (慢起伏, 卡方4自由度/Gamma k=2):
         • 与Swerling I类似，但调用 SampleGammaDistributionK2(averageRcsValue) 进行采样。同样处理缓存逻辑。
       • Swerling_IV (快起伏, 卡方4自由度/Gamma k=2):
         • 每次调用都直接执行 SampleGammaDistributionK2(averageRcsValue) 并返回新的RCS值，不使用缓存。
       • 如果内部确定的模型类型不被支持（理论上不应发生），则抛出 ArgumentOutOfRangeException。
  • 返回值:
    • 模拟计算得到的瞬时RCS值（单位：平方米）。

3.6 内部辅助方法 (Private Helper Methods)

• private double SampleExponentialDistribution(double sigmaAverage)

  • 用途: 为Swerling I型和II型模型从指数分布中采样RCS值。
  • 参数: sigmaAverage (目标的平均RCS值，即指数分布的尺度参数)。
  • 返回: 一个根据指数分布采样得到的RCS值。如果 sigmaAverage 非正，则返回0.0。
  • 实现: 使用逆变换采样法 (-sigmaAverage * Math.Log(1.0 - u))，其中 u 是 _randomGenerator.NextDouble() 产生的 (0,1) 均匀分布随机数。

• private double SampleGammaDistributionK2(double sigmaAverage)

  • 用途: 为Swerling III型和IV型模型从形状参数k=2的伽马分布中采样RCS值。
  • 参数: sigmaAverage (目标的平均RCS值)。
  • 返回: 一个根据伽马分布(k=2)采样得到的RCS值。如果 sigmaAverage 非正，则返回0.0。
  • 实现: 通过对两个独立的、尺度参数为 sigmaAverage / 2.0 的指数分布随机变量求和来实现。这两个指数分布的采样通过调用 SampleExponentialDistribution 完成。

• private static TargetSwerlingModelType DecideSwerlingModel(EquipmentType equipmentType, MotionStateType motionState)

  • 用途: 根据目标类型和运动状态，决定应采用的Swerling模型类型。
  • 输入:
    • equipmentType (EquipmentType): 目标装备类型。
    • motionState (MotionStateType): 目标运动状态。
  • 输出: TargetSwerlingModelType。
  • 决策规则:
    • EquipmentType.Tank 或 EquipmentType.APC:
      • 若 motionState 为 Maneuvering，则返回 TargetSwerlingModelType.Swerling_III。
      • 否则，返回 TargetSwerlingModelType.Swerling_I。
    • EquipmentType.Helicopter:
      • 若 motionState 为 Maneuvering，则返回 TargetSwerlingModelType.Swerling_IV。
      • 否则，返回 TargetSwerlingModelType.Swerling_II。
    • 对于 EquipmentType.Unknown 或其他未明确处理的 equipmentType：
      • 返回 TargetSwerlingModelType.Swerling_I 并通过 Trace.TraceWarning 记录一条警告信息。

3.7 缓存管理方法 (Cache Management Methods)

• public void ClearCachedRcs(string targetId)

  • 功能: 从慢起伏模型的RCS缓存 (_slowFluctuationRcsCache) 中移除指定 targetId 的条目。
  • 主要用于当一个慢起伏目标不再被跟踪或其状态需要重置时。

• public void ClearAllCachedRcs()

  • 功能: 清除慢起伏模型RCS缓存中的所有条目。
  • 用于在仿真重置、扫描周期结束或需要完全刷新所有慢起伏目标状态时调用。

4. 集成与使用场景 (以 MillimeterWaveGuidanceSystem 为例)

SwerlingRcsModel 类主要被 MillimeterWaveGuidanceSystem 用于在目标探测过程中为每个潜在目标计算一个动态的RCS值。

4.1 实例化

在 MillimeterWaveGuidanceSystem 的构造函数中，会创建一个 SwerlingRcsModel 的实例：

swerlingRcsModel = new SwerlingRcsModel();

这里使用了无参构造函数，因此随机数生成器会使用默认种子。

4.2 GetRealtimeRcs 调用

在 MillimeterWaveGuidanceSystem 的 TryDetectAndTrackTarget 方法内部，当计算每个目标的SNR之前，会调用 GetRealtimeRcs 来获取其波动后的RCS值：

// 假设 rcsLinear 是从目标 RcsPattern 或默认值获取的平均RCS
rcsLinear = swerlingRcsModel.GetRealtimeRcs(
    target.Id,                         // 目标唯一ID
    target.Properties.Type,            // 目标装备类型
    motionState,                       // 运动状态 (根据目标速度判断为 Static 或 ConstantVelocity)
    rcsLinear,                         // 平均RCS值
    false                              // <<-- 注意：isNewScanPeriod 当前硬编码为 false
);

关键点：

• motionState 参数: 在 MillimeterWaveGuidanceSystem 的当前实现中，motionState 参数在调用 GetRealtimeRcs 前被确定。它首先被初始化为 MotionStateType.Static。如果检测到目标 target.KState.Speed 大于 0.1，则 motionState 被更新为 MotionStateType.ConstantVelocity。这意味着 SwerlingRcsModel 内部的 DecideSwerlingModel 方法会根据这一（有限的）动态信息选择Swerling模型（例如，坦克/APC 会在 Static 和 ConstantVelocity 两种情况下都选用Swerling I，直升机则都选用Swerling II，因为 DecideSwerlingModel 中 ConstantVelocity 未被特殊处理以触发Swerling III/IV）。
• averageRcsValue 参数: 使用的是从目标自身 RcsPattern (如果存在且有效) 计算得到的、或一个默认的RCS值（线性单位，平方米）作为输入。Swerling模型在此基础上施加统计波动。
• isNewScanPeriod 参数: 此参数在 MillimeterWaveGuidanceSystem 的调用中硬编码为 false。

4.3 慢起伏缓存管理与扫描周期

尽管 isNewScanPeriod 在单次 GetRealtimeRcs 调用时被硬编码为 false，但慢起伏模型的RCS值并不会永久不变。MillimeterWaveGuidanceSystem 通过其自身的扫描逻辑间接管理RCS的刷新：

• 在 UpdateConicalScan 方法中，有一个 scanCycleTimer 用于跟踪当前扫描的持续时间。
• 当 scanCycleTimer 达到一个完整扫描周期所需的时间 (由 360 / config.ScanAngularSpeedDeg 计算得到) 时，会调用 swerlingRcsModel.ClearAllCachedRcs()。
• 这个调用会清空所有慢起伏目标的缓存RCS值。因此，在下一个扫描周期开始后，当这些目标再次被 GetRealtimeRcs 处理时，由于缓存中已无它们的数据（即使 isNewScanPeriod 仍为 false），SwerlingRcsModel 内部的逻辑 (!_slowFluctuationRcsCache.TryGetValue(...)) 会触发一次新的采样。

这种机制有效地为所有慢起伏目标实现了基于扫描周期的RCS刷新。

4.4 对SNR计算的影响

由 SwerlingRcsModel 生成的波动RCS值（rcsLinear）随后被用于 MillimeterWaveGuidanceSystem.CalculateSNR 方法中。RCS值的波动会直接导致计算出的信噪比（SNR）产生相应的波动，这进一步影响了目标的探测概率、进入跟踪模式的条件以及最终的锁定稳定性，使得仿真更接近实际雷达系统面临的情况。

5. 当前实现的假设与限制

• 运动状态硬编码: 如前所述，MillimeterWaveGuidanceSystem 在调用 GetRealtimeRcs 时，将 motionState 参数硬编码为 MotionStateType.Static。这限制了 SwerlingRcsModel 根据目标实际运动状态动态选择Swerling I/III或II/IV模型的能力。当前，选择主要基于 equipmentType，且总是对应于非机动情况（Swerling I 或 II）。
• 运动状态判断的局限性: MillimeterWaveGuidanceSystem 目前根据目标速度是否大于一个阈值 (0.1) 来区分 MotionStateType.Static 和 MotionStateType.ConstantVelocity。它尚未实现对 MotionStateType.Maneuvering （机动）状态的判断。因此，SwerlingRcsModel 的 DecideSwerlingModel 方法目前无法根据目标是否在进行机动来选择Swerling III 或 IV 模型；对于非机动（包括Static和ConstantVelocity），它将为坦克/APC选择Swerling I，为直升机选择Swerling II。
• isNewScanPeriod 硬编码: isNewScanPeriod 参数在调用时硬编码为 false。慢起伏模型的RCS刷新完全依赖于 MillimeterWaveGuidanceSystem 内部周期性地调用 ClearAllCachedRcs()。
• 基于平均RCS的波动: Swerling模型是在一个外部提供的 averageRcsValue 基础上引入统计波动。该 averageRcsValue 本身可能是一个静态值或基于目标朝向的确定性计算结果，Swerling模型则在此确定性平均值周围产生随机起伏。

6. 未来可能的改进 (可选)

• 增强运动状态判断: 当前 motionState 主要区分静止和（广义的）非机动匀速。未来可以考虑引入更复杂的逻辑来判断目标的 MotionStateType.Maneuvering (机动)状态，例如基于目标加速度或角速度的变化。这将使得 SwerlingRcsModel 能够更精确地为机动目标选择Swerling III/IV模型。
• 细化 isNewScanPeriod 控制: 如果未来需要更精细或针对特定目标的RCS刷新控制（例如，某些目标可能比其他目标更快地改变其统计特性），可以考虑更灵活地使用 isNewScanPeriod 参数，而不是仅依赖全局的 ClearAllCachedRcs()。