上传文件至 /

generate_radar_data.py

@@ -1,67 +1,77 @@
 import random
 
-def generate_radar_data(num_points=10):
+def generate_comparison_data(num_points=10):
-    # ================= 配置区域 (可根据需要修改) =================
+    # ================= 1. 初始状态与运动趋势 (真值配置) =================
+    # 距离 (km): 模拟目标从 12.5km 处靠近 (参考文件中远距离测试)
+    start_dist = 12.500 
+    dist_speed = -0.020  # 负数表示靠近 (每点移动20米)
     
-    # 1. 距离 (km) 设置: 模拟目标从 3.5km 处开始远离
+    # 方位 (度): 模拟目标在 145度 方向缓慢右移
-    start_dist = 3.520  
+    start_az = 145.20
-    dist_trend = 0.015  # 每次采样距离增加约 15米 (模拟速度)
+    az_speed = 0.05      # 缓慢变化
-    dist_noise = 0.005  # 距离测量噪声 (±5m)
+    
+    # 俯仰 (度): 模拟低空飞行，角度很小
+    start_el = 0.45
+    el_speed = 0.002     # 几乎平飞
 
-    # 2. 方位 (度) 设置: 模拟目标在 45度 方向缓慢移动
+    # ================= 2. 雷达测量误差 (噪声配置) =================
-    start_az = 45.20
+    # 参考依据：文件中的RMS指标 (方位<=0.3度, 距离<=15m)
-    az_trend = 0.15     # 方位角每次变化
+    # 这里的 sigma 是标准差，决定了测量值的抖动幅度
-    az_noise = 0.04     # 方位角抖动 (±0.04度)
+    sigma_az = 0.12      # 方位抖动 (度)
+    sigma_el = 0.15      # 俯仰抖动 (度)
+    sigma_dist = 0.008   # 距离抖动 (km), 0.008km = 8米
 
-    # 3. 俯仰 (度) 设置: 模拟低空目标 (如无人机)，高度基本保持
+    # ================= 生成逻辑 =================
-    start_el = 2.50
+    
-    el_trend = 0.01     # 俯仰角变化很小
+    # 容器
-    el_noise = 0.05     # 俯仰角抖动
+    truth_az, truth_el, truth_dist = [], [], []
+    meas_az, meas_el, meas_dist = [], [], []
 
-    # ===========================================================
+    current_d = start_dist
+    current_a = start_az
+    current_e = start_el
 
-    # 生成数据容器
+    for _ in range(num_points):
-    az_data = []
+        # --- A. 生成真值 (平滑运动 + 极微小物理抖动) ---
-    el_data = []
+        t_d = current_d + random.gauss(0, 0.001) 
-    dist_data = []
+        t_a = current_a + random.gauss(0, 0.01)
-
+        t_e = current_e + random.gauss(0, 0.005)
-    current_dist = start_dist
-    current_az = start_az
-    current_el = start_el
-
-    for i in range(num_points):
-        # 生成带噪声的距离 (保留3位小数, km)
-        d_val = current_dist + random.gauss(0, dist_noise)
-        dist_data.append(f"{d_val:.3f}")
         
-        # 生成带噪声的方位 (保留2位小数, 度)
+        # 存入真值列表 (保留格式)
-        az_val = current_az + random.gauss(0, az_noise)
+        truth_dist.append(f"{t_d:.3f}")
-        az_data.append(f"{az_val:.2f}")
+        truth_az.append(f"{t_a:.2f}")
+        truth_el.append(f"{t_e:.2f}")
 
-        # 生成带噪声的俯仰 (保留2位小数, 度)
+        # --- B. 生成测量值 (真值 + 传感器噪声) ---
-        el_val = current_el + random.gauss(0, el_noise)
+        m_d = t_d + random.gauss(0, sigma_dist)
-        el_data.append(f"{el_val:.2f}")
+        m_a = t_a + random.gauss(0, sigma_az)
+        m_e = t_e + random.gauss(0, sigma_el)
 
-        # 更新下一时刻的基准值 (加上趋势)
+        # 存入测量值列表
-        current_dist += dist_trend
+        meas_dist.append(f"{m_d:.3f}")
-        current_az += az_trend
+        meas_az.append(f"{m_a:.2f}")
-        current_el += el_trend
+        meas_el.append(f"{m_e:.2f}")
 
-    # ================= 输出打印 (Tab分隔，方便复制) =================
+        # 更新下一步的基准位置
-    print("-" * 30)
+        current_d += dist_speed
-    print("生成结果 (复制下方内容到 Word 表格):")
+        current_a += az_speed
-    print("-" * 30)
+        current_e += el_speed
-    
+
-    # 打印方位行
+    # ================= 3. 格式化输出 (方便复制) =================
-    print("方位(°)\t" + "\t".join(az_data))
+    print("\n" + "="*40)
-    
+    print("【第一部分：真值数据 (Truth)】")
-    # 打印俯仰行
+    print("="*40)
-    print("俯仰(°)\t" + "\t".join(el_data))
+    print("方位(°)\t" + "\t".join(truth_az))
-    
+    print("俯仰(°)\t" + "\t".join(truth_el))
-    # 打印距离行
+    print("距离(km)\t" + "\t".join(truth_dist))
-    print("距离(km)\t" + "\t".join(dist_data))
+
-    print("-" * 30)
+    print("\n" + "="*40)
+    print("【第二部分：测量结果 (Measured)】")
+    print("="*40)
+    print("方位(°)\t" + "\t".join(meas_az))
+    print("俯仰(°)\t" + "\t".join(meas_el))
+    print("距离(km)\t" + "\t".join(meas_dist))
+    print("="*40 + "\n")
 
-# 执行生成
 if __name__ == "__main__":
-    generate_radar_data()
+    generate_comparison_data()