馬景奕，李奕澄，金慶忠，楊 斌

(1.中國氣象局 氣象干部培訓(xùn)學(xué)院甘肅分院，蘭州 730020;2.四川大學(xué) 電氣工程學(xué)院，成都 610207;3.蘭州資源環(huán)境職業(yè)技術(shù)學(xué)院，蘭州 730020)

0 引言

氣象雷達(dá)是一種主動(dòng)型大氣微波遙感設(shè)備，可被應(yīng)用于大氣探測等多個(gè)實(shí)踐領(lǐng)域之中，在實(shí)際操作過程中，氣象雷達(dá)需要與無線電探空儀配套使用。常規(guī)雷達(dá)設(shè)備由電子計(jì)算機(jī)、圖像傳輸主機(jī)、顯示器、照相裝置、定向天線、天線控制器、接收機(jī)、發(fā)射機(jī)等多個(gè)部分組成，作為氣象環(huán)境監(jiān)測的重要應(yīng)用元件，在預(yù)警報(bào)警、突發(fā)性處理等方面具有極強(qiáng)的實(shí)踐性價(jià)值[1-2]。近年來，由于Web技術(shù)的不斷發(fā)展，氣象雷達(dá)的應(yīng)用與發(fā)展開始逐漸受到各行各業(yè)的重視。隨著Internet遠(yuǎn)程協(xié)作模式的不斷完善，本地計(jì)算機(jī)可通過網(wǎng)絡(luò)系統(tǒng)直接記錄氣象雷達(dá)的運(yùn)行軌跡，并可在監(jiān)視與控制設(shè)備的作用下，實(shí)現(xiàn)對(duì)相關(guān)數(shù)據(jù)信息的調(diào)試與分配。

由于外界氣象環(huán)境的多變性影響，地面控制主機(jī)對(duì)于氣象雷達(dá)故障信息的診斷效率會(huì)出現(xiàn)明顯下降的變化趨勢(shì)，從而導(dǎo)致故障診斷指令執(zhí)行所需的數(shù)據(jù)消耗成本大幅上升。遠(yuǎn)程故障診斷系統(tǒng)通過協(xié)同化服務(wù)模式，處理系統(tǒng)數(shù)據(jù)庫內(nèi)暫存的雷達(dá)故障信息數(shù)據(jù)，再借助以太網(wǎng)主機(jī)實(shí)現(xiàn)對(duì)待傳輸參量的按需調(diào)度。然而此系統(tǒng)的實(shí)際執(zhí)行能力有限，并不能完全消除故障信息對(duì)氣象雷達(dá)探測結(jié)果所造成的影響。為解決此問題，設(shè)計(jì)基于多維高斯貝葉斯算法的雷達(dá)故障信息診斷系統(tǒng)，在硬件體系框架的支持下，建立完整的客戶機(jī)/服務(wù)器模式，再借助服務(wù)器與信息查詢模塊，實(shí)現(xiàn)對(duì)多維系數(shù)信號(hào)的實(shí)時(shí)處理。

1 雷達(dá)故障信息診斷系統(tǒng)的體系結(jié)構(gòu)

雷達(dá)故障信息診斷系統(tǒng)的硬件體系結(jié)構(gòu)由核心框架、客戶機(jī)/服務(wù)器模式、服務(wù)器、信息查詢模塊四部分共同組成，具體搭建方法如下。

1.1 系統(tǒng)設(shè)計(jì)框架

由于氣象雷達(dá)設(shè)備的應(yīng)用復(fù)雜度水平持續(xù)提高，故障信息的診斷維護(hù)難度也隨之增大，且這些設(shè)備的分布范圍相對(duì)較為廣泛，很多情況下，針對(duì)各種故障行為，系統(tǒng)應(yīng)用主機(jī)并不能及時(shí)作出有效診斷。新型雷達(dá)故障信息診斷系統(tǒng)在多維高斯貝葉斯算法的支持下，建立完善的診斷服務(wù)中心，可體現(xiàn)診斷判別指令的敏捷性與有效性[3]。整個(gè)診斷系統(tǒng)由雷達(dá)現(xiàn)場工作站、診斷中心兩部分共同組成，可在維持氣象雷達(dá)設(shè)備正常探測能力的同時(shí)，向相關(guān)行為主機(jī)提供準(zhǔn)確的故障信息診斷意見，具體結(jié)構(gòu)如圖1所示。當(dāng)雷達(dá)設(shè)備出現(xiàn)故障行為時(shí)，診斷中心會(huì)自動(dòng)下達(dá)診斷服務(wù)指令，且現(xiàn)場工作站在接收到這些數(shù)據(jù)信息指令后，會(huì)協(xié)助其進(jìn)行下一步的故障信息判別。雷達(dá)現(xiàn)場工作站能夠?qū)?yīng)用設(shè)備進(jìn)行準(zhǔn)確的監(jiān)控與預(yù)報(bào)，并且具有一定強(qiáng)度的診斷與分析能力，可獨(dú)立處理簡單的故障問題[4]。而當(dāng)雷達(dá)設(shè)備出現(xiàn)嚴(yán)重故障行為時(shí)，因特網(wǎng)將自動(dòng)發(fā)起診斷服務(wù)請(qǐng)求，在確定故障診斷中心與現(xiàn)場測試儀間的連接關(guān)系趨于穩(wěn)定后，開始對(duì)雷達(dá)故障信息的傳輸與反饋。

圖1 系統(tǒng)框架結(jié)構(gòu)

1.2 客戶機(jī)/服務(wù)器模式

系統(tǒng)客戶機(jī)/服務(wù)器模式的診斷原理是通過合理分配的方式，將雷達(dá)故障信息整合成統(tǒng)一的傳輸數(shù)據(jù)包，再遵照Internet網(wǎng)絡(luò)的連接需求，將這些信息參量反饋至內(nèi)、外部服務(wù)器主機(jī)中。在系統(tǒng)對(duì)外服務(wù)器的對(duì)應(yīng)信息診斷模式中，客戶機(jī)結(jié)構(gòu)直接與系統(tǒng)防火墻與路由器相連，可借助交換機(jī)設(shè)備確定外部雷達(dá)工作站中故障信息的實(shí)際傳輸情況，再將其轉(zhuǎn)換成文本信息，存儲(chǔ)于系統(tǒng)數(shù)據(jù)庫主機(jī)中。系統(tǒng)對(duì)內(nèi)服務(wù)器對(duì)應(yīng)信息診斷模式中的服務(wù)器結(jié)構(gòu)，只負(fù)責(zé)管理與之關(guān)聯(lián)的內(nèi)部雷達(dá)工作站[5]。與外部雷達(dá)工作站不同的是，內(nèi)部雷達(dá)工作站的記錄能力有限，僅能分析待傳輸氣象探測信息的應(yīng)用有效性，可在滿足多維高斯貝葉斯算法處理需求的同時(shí)，改變已存儲(chǔ)故障信息文本的存儲(chǔ)形式，并從中提取相對(duì)有用的數(shù)據(jù)文件，以供系統(tǒng)其他硬件執(zhí)行設(shè)備的調(diào)取與利用。系統(tǒng)客戶機(jī)/服務(wù)器診斷模式示意圖如圖2所示。

圖2 系統(tǒng)客戶機(jī)/服務(wù)器診斷模式

1.3 服務(wù)器

服務(wù)器是雷達(dá)故障信息診斷系統(tǒng)的主要組成元件之一，它能夠直接面向客戶機(jī)/服務(wù)器主機(jī)，對(duì)相關(guān)數(shù)據(jù)與信息接口進(jìn)行管理，從而生成全新的系統(tǒng)信息顯示界面。在多維高斯貝葉斯算法作用下，服務(wù)器始終保持原有的Windows NT形式，且考慮到氣象雷達(dá)故障信息的跨平臺(tái)傳輸特性，診斷系統(tǒng)在后續(xù)應(yīng)用過程中需要兼顧到數(shù)據(jù)傳輸文件的擴(kuò)展性與實(shí)踐性，可利用Java語言對(duì)這些信息參量進(jìn)行編程處理，一般情況下，完成編碼后的數(shù)據(jù)傳輸文件可直接存儲(chǔ)于SQL Server 7.0數(shù)據(jù)庫結(jié)構(gòu)體之中[6]。由于客戶機(jī)/服務(wù)器模式的限制性影響，系統(tǒng)服務(wù)器必須以應(yīng)用環(huán)境中的Internet網(wǎng)絡(luò)作為核心搭建依據(jù)，一方面需要在診斷雷達(dá)故障信息參量的同時(shí)，設(shè)置全新的節(jié)點(diǎn)連接標(biāo)準(zhǔn)，另一方面需要根據(jù)氣象雷達(dá)現(xiàn)場的實(shí)際應(yīng)用現(xiàn)狀，對(duì)系統(tǒng)環(huán)境中的現(xiàn)有故障行為進(jìn)行精準(zhǔn)判斷，從而實(shí)現(xiàn)對(duì)Intranet網(wǎng)關(guān)內(nèi)IP地址協(xié)議的分配與部署[7]。

1.4 信息查詢模塊

信息查詢模塊的功能是完成系統(tǒng)的故障信息學(xué)習(xí)過程，所采用方式包括數(shù)據(jù)分析、實(shí)例推理、多維網(wǎng)絡(luò)環(huán)境構(gòu)建等多種，可通過學(xué)習(xí)行為推廣的方式，實(shí)現(xiàn)對(duì)已存儲(chǔ)氣象雷達(dá)故障信息參量的修改、添加與刪除。待查詢信息的獲取方式有人工獲取、非人工獲取、自動(dòng)獲取、非自動(dòng)獲取四種[8]。隨著多維高斯貝葉斯算法作用能力的增強(qiáng)，信息查詢模塊可在結(jié)合氣象雷達(dá)現(xiàn)場維護(hù)經(jīng)驗(yàn)的同時(shí)，借助互聯(lián)網(wǎng)調(diào)取大量的文件信息參量，再通過雷達(dá)手冊(cè)，對(duì)這些數(shù)據(jù)信息進(jìn)行加工與分析。在系統(tǒng)應(yīng)用環(huán)境中，信息查詢模塊的連接始終遵循Access數(shù)據(jù)庫中故障信息的事實(shí)表單，且由于因特網(wǎng)框架的存在，查詢模塊結(jié)構(gòu)體可準(zhǔn)確定義故障信息之間的實(shí)際連接關(guān)系，并可通過人工診斷與機(jī)械診斷相結(jié)合的方式，實(shí)現(xiàn)對(duì)氣象雷達(dá)故障行為關(guān)系的準(zhǔn)確排查[9]。因此，信息查詢模塊的引入大大提高了雷達(dá)故障信息的診斷與查詢效率，也可在執(zhí)行過程中體現(xiàn)SCADA診斷程序的實(shí)際應(yīng)用價(jià)值。信息查詢模塊的結(jié)構(gòu)示意圖如圖3所示。

圖3 信息查詢模塊的結(jié)構(gòu)示意圖

2 基于多維高斯貝葉斯算法的雷達(dá)故障信息感知

在相關(guān)硬件體系結(jié)構(gòu)的支持下，按照信息松弛度計(jì)算、迭代門限判定、多維系數(shù)信號(hào)處理的執(zhí)行流程，實(shí)現(xiàn)基于多維高斯貝葉斯算法的雷達(dá)故障信息感知。

2.1 基于多維高斯貝葉斯算法的信息松弛度計(jì)算

信息松弛度計(jì)算的主要思想是通過線性規(guī)劃的方式，解決診斷系統(tǒng)內(nèi)的氣象雷達(dá)故障優(yōu)化問題，從而實(shí)現(xiàn)對(duì)雷達(dá)故障信息信號(hào)的重構(gòu)處理。這一類方法主要包括有噪聲環(huán)境下的故障信息數(shù)據(jù)分辨、無噪聲環(huán)境下的故障信息數(shù)據(jù)分辨，除了原始的噪聲庫匹配權(quán)限外，還需要對(duì)多維高斯貝葉斯算法進(jìn)行詳細(xì)分析，以解決相關(guān)指數(shù)參數(shù)的主動(dòng)性差的問題[10]。

采用維高斯貝葉斯算法將有噪聲與無噪聲環(huán)境下的數(shù)據(jù)進(jìn)行信息匹配，有噪聲環(huán)境是指雷達(dá)故障信息所處的非平靜傳輸背景，一般情況下，滿足該形式的故障診斷指令具備較強(qiáng)的抗干擾能力，可在混合文件中，直接調(diào)取所需的數(shù)據(jù)信息參量，并可在滿足多維高斯貝葉斯算法的前提下，將這些數(shù)據(jù)信息排列成松弛傳輸狀態(tài)。無噪聲環(huán)境是指雷達(dá)故障信息所處的平靜傳輸背景，一般情況下，滿足該形式的故障診斷指令抗干擾能力相對(duì)較弱，很難在混合文件中快速調(diào)取所需的數(shù)據(jù)信息參量，最終所排列出的數(shù)據(jù)信息松弛傳輸狀態(tài)也只能保持混合狀形式[11]。設(shè)x1代表有噪聲環(huán)境下的信息松弛度，x2代表無噪聲環(huán)境下的信息松弛度，C1、C2分別代表有噪聲與無噪聲環(huán)境下的數(shù)據(jù)信息匹配權(quán)限。聯(lián)立上述物理量，基于多維高斯貝葉斯算法可將信息松弛度計(jì)算式定義為：

(1)

式中，K1、K2代表有噪聲與無噪聲環(huán)境下的故障診斷指令抗干擾強(qiáng)度值，σ1、σ2代表有噪聲與無噪聲環(huán)境下的混合數(shù)據(jù)信息區(qū)分強(qiáng)度值，q1、q2分別代表兩個(gè)不同的雷達(dá)故障信息參量，α1、α2代表有噪聲與無噪聲環(huán)境下的故障信息診斷權(quán)重系數(shù)。

2.2 迭代門限判定

(2)

2.3 基于多維高斯貝葉斯算法的多維系數(shù)信號(hào)處理

多維系數(shù)信號(hào)處理的創(chuàng)新之處在于，多維高斯貝葉斯算法的權(quán)值選取是基于上一次迭代門限判定所得到的原始信息診斷估計(jì)結(jié)果，一般情況下，迭代門限判定結(jié)果越大，原始雷達(dá)故障信息診斷估計(jì)結(jié)果也就越精準(zhǔn)，最終處理所得的多維信號(hào)也就越符合系統(tǒng)應(yīng)用需求。一個(gè)較大的權(quán)重值，可使得系統(tǒng)在下一次迭代處理中獲得更為廣泛的信號(hào)域空間，反之一個(gè)較小的權(quán)重值，則會(huì)使得系統(tǒng)在下一次迭代處理中獲得極為局限的信號(hào)域空間[14-15]。采用這樣的信號(hào)處理方式，可在在臨近信息節(jié)點(diǎn)間建立對(duì)應(yīng)的配對(duì)關(guān)系，從而使得多維高斯貝葉斯算法能夠直接作用于迭代門限的判定結(jié)果，一方面總結(jié)服務(wù)器、信息查詢模塊等多個(gè)硬件執(zhí)行設(shè)備的實(shí)際應(yīng)用能力，另一方面使得待診斷雷達(dá)故障信息在恢復(fù)性能上的應(yīng)用價(jià)值得到有效提升。設(shè)i0代表最小的系統(tǒng)信息多維處理?xiàng)l件，in代表最大的系統(tǒng)信息多維處理?xiàng)l件，n代表處理極值之間的數(shù)據(jù)信息存儲(chǔ)差量，聯(lián)立公式(2)，可將多維系數(shù)信號(hào)處理結(jié)果表示為：

(3)

式中，g代表信號(hào)域空間內(nèi)的雷達(dá)故障信息傳輸權(quán)限指標(biāo)，bmax代表故障信息數(shù)據(jù)的最大特征參量，bmin代表故障信息數(shù)據(jù)的最小特征參量，λ代表雷達(dá)故障信息的多維傳輸系數(shù)值。

3 診斷系統(tǒng)接口技術(shù)

按照雷達(dá)故障信息嵌入、Access數(shù)據(jù)庫連接的處理流程，實(shí)現(xiàn)雷達(dá)故障信息診斷系統(tǒng)的順利應(yīng)用。

3.1 雷達(dá)故障信息嵌入

雷達(dá)故障信息嵌入是診斷系統(tǒng)中最關(guān)鍵的數(shù)據(jù)處理環(huán)節(jié)，可憑借CLIPS等工具將文本參量規(guī)劃成幾個(gè)完整的空間區(qū)域，再借助多維高斯貝葉斯算法，對(duì)各個(gè)區(qū)域中的雷達(dá)故障信息進(jìn)行按需提取，從而使系統(tǒng)人機(jī)界面呈現(xiàn)出相對(duì)穩(wěn)定的顯示形式[16-17]。CLIPS工具在執(zhí)行系統(tǒng)開發(fā)指令時(shí)，可將所有雷達(dá)故障信息完全嵌入至高級(jí)編譯語言中，而出于應(yīng)用完整性考慮，在多維高斯貝葉斯算法的作用下，本系統(tǒng)借助VC++軟件實(shí)現(xiàn)對(duì)信息參量的混合編程處理。在實(shí)際處理過程中，由于迭代門限判別值、多維系數(shù)信號(hào)處理量等物理系數(shù)的影響，雷達(dá)故障信息的傳輸方向只能由初始節(jié)點(diǎn)指向終止節(jié)點(diǎn)，且隨著多維高斯貝葉斯算法作用能力的增強(qiáng)，這些傳輸物理量只能在Access數(shù)據(jù)庫中進(jìn)行多次累計(jì)，直至其數(shù)值結(jié)果達(dá)到既定數(shù)值水平后，才能借助CLIPS工具實(shí)現(xiàn)基于VC++軟件的數(shù)據(jù)編碼與傳輸執(zhí)行。雷達(dá)故障信息嵌入處理流程圖如圖4所示。

圖4 雷達(dá)故障信息嵌入處理流程圖

3.2 Access數(shù)據(jù)庫連接

Access數(shù)據(jù)庫中同時(shí)包含兩個(gè)信息診斷客戶端，其中一個(gè)設(shè)備應(yīng)用元件與信息查詢模塊相連，可在獲取雷達(dá)故障信息的同時(shí)，將這些數(shù)據(jù)文件整合成滿足多維高斯貝葉斯算法執(zhí)行需求的傳輸形式，并將其全部轉(zhuǎn)存于Access主機(jī)之中；另一個(gè)設(shè)備應(yīng)用元件可在服務(wù)器的作用下，記錄雷達(dá)故障信息的實(shí)際傳輸形式，并可在不違背多維高斯貝葉斯算法執(zhí)行標(biāo)準(zhǔn)的情況下，將這些數(shù)據(jù)參量整合成完全順向或完全逆向的存儲(chǔ)形式[18]。Internet服務(wù)器存在于Access數(shù)據(jù)庫中部，能夠承接系統(tǒng)信息診斷客戶端的連接請(qǐng)求，并可聯(lián)合Web網(wǎng)絡(luò)主機(jī)，將這些雷達(dá)故障信息劃分成待存儲(chǔ)文本與已存儲(chǔ)文本兩類，其中待存儲(chǔ)文本放置于信息存儲(chǔ)元件中，已存儲(chǔ)文本放置于Access主機(jī)之中[19]。至此，實(shí)現(xiàn)各項(xiàng)軟、硬件執(zhí)行環(huán)境的搭建，在多維高斯貝葉斯算法的作用下，完成雷達(dá)故障信息診斷系統(tǒng)的應(yīng)用。Access數(shù)據(jù)庫連接原理如圖5所示。

圖5 Access數(shù)據(jù)庫連接原理

4 系統(tǒng)應(yīng)用性分析

4.1 驗(yàn)證方法

為驗(yàn)證基于多維高斯貝葉斯算法雷達(dá)故障信息診斷系統(tǒng)的實(shí)際應(yīng)用價(jià)值，設(shè)計(jì)如下對(duì)比實(shí)驗(yàn)。在氣象雷達(dá)探測環(huán)境中設(shè)置實(shí)驗(yàn)用天氣雷達(dá)，利用傳輸數(shù)據(jù)線導(dǎo)出其中已存儲(chǔ)的數(shù)據(jù)信息，選取其中相對(duì)穩(wěn)定的信息參量，將其平均分成兩部分，分別作為實(shí)驗(yàn)組與對(duì)照組分析數(shù)據(jù)，其中實(shí)驗(yàn)組探測主機(jī)搭載基于多維高斯貝葉斯算法雷達(dá)故障信息診斷系統(tǒng)，對(duì)照組探測主機(jī)搭載遠(yuǎn)程故障診斷原型系統(tǒng)。

4.2 應(yīng)用效果分析

雷達(dá)故障信息診斷效率能夠反應(yīng)診斷系統(tǒng)的實(shí)際應(yīng)用能力，一般情況下，診斷效率越高，系統(tǒng)的診斷能力也就越強(qiáng)，反之則越弱。圖6記錄了實(shí)驗(yàn)組、對(duì)照組雷達(dá)故障信息診斷效率的具體數(shù)值變化情況。

圖6 雷達(dá)故障信息診斷效率對(duì)比圖

分析圖6可知，隨著實(shí)驗(yàn)時(shí)間的增加，實(shí)驗(yàn)組、對(duì)照組雷達(dá)故障信息診斷效率均保持先波動(dòng)、再穩(wěn)定的數(shù)值變化趨勢(shì)，但實(shí)驗(yàn)組的均值水平始終高于對(duì)照組。實(shí)驗(yàn)組曲線在10 min處終止波動(dòng)趨勢(shì)，前10 min的實(shí)驗(yàn)時(shí)間內(nèi)，最大數(shù)值記錄結(jié)果達(dá)到了45%、最小數(shù)值記錄結(jié)果達(dá)到了2.5%，二者間差值為42.5%。對(duì)照組曲線在30 min處終止波動(dòng)趨勢(shì)，前30 min的實(shí)驗(yàn)時(shí)間內(nèi)，最大數(shù)值記錄結(jié)果達(dá)到了15%，最小數(shù)值記錄結(jié)果達(dá)到了7.2%，二者間差值為7.8%，遠(yuǎn)低于實(shí)驗(yàn)組數(shù)值水平。

RSR指標(biāo)能夠反應(yīng)系統(tǒng)故障診斷指令執(zhí)行所需消耗的數(shù)據(jù)成本，一般情況下，RSR指標(biāo)數(shù)值越大，系統(tǒng)故障診斷指令執(zhí)行所需的數(shù)據(jù)消耗成本也就越高，反正則越低。下表記錄了實(shí)驗(yàn)組、對(duì)照組RSR指標(biāo)的實(shí)際數(shù)值變化情況。

分析表1可知，隨著實(shí)驗(yàn)時(shí)間的增加，實(shí)驗(yàn)組RSR指標(biāo)最大值始終維持連續(xù)下降的數(shù)值變化趨勢(shì)，最小值則是在保持相對(duì)穩(wěn)定的數(shù)值波動(dòng)狀態(tài)；而對(duì)照組RSR指標(biāo)最大值在一段時(shí)間的數(shù)值穩(wěn)定狀態(tài)后，開始出現(xiàn)持續(xù)上升的數(shù)值變化趨勢(shì)，最小值則在連續(xù)上升后，開始逐漸趨于穩(wěn)定。從差值角度來看，實(shí)驗(yàn)組最大值僅能達(dá)到16.7%，而對(duì)照組最大值卻達(dá)到了29.7%，與實(shí)驗(yàn)組相比，上升了7%。應(yīng)用基于多維高斯貝葉斯算法雷達(dá)故障信息診斷系統(tǒng)后，RSR指標(biāo)出現(xiàn)了明顯下降的數(shù)值變化趨勢(shì)，而雷達(dá)故障信息的診斷效率卻得到了大幅提升，符合節(jié)約故障診斷指令執(zhí)行所需數(shù)據(jù)消耗成本的實(shí)際應(yīng)用需求。

表1 RSR指標(biāo)數(shù)值對(duì)比表

綜上可知，本文采用基于多維高斯貝葉斯算法構(gòu)建了雷達(dá)故障信息診斷系統(tǒng)，在系統(tǒng)實(shí)際應(yīng)用測試中得出，該系統(tǒng)對(duì)雷達(dá)故障信息診斷的效率較高，節(jié)約了故障診斷指令執(zhí)行所需數(shù)據(jù)消耗成本，具有一定的實(shí)際應(yīng)用性。

5 結(jié)束語

在多維高斯貝葉斯算法的應(yīng)用下，雷達(dá)故障信息診斷系統(tǒng)聯(lián)合客戶機(jī)/服務(wù)器模式、服務(wù)器、信息查詢模塊等多個(gè)硬件設(shè)備結(jié)構(gòu)體，通過計(jì)算信息松弛度處理多維系數(shù)信號(hào)，再借助已嵌入的雷達(dá)故障信息參量，實(shí)現(xiàn)對(duì)Access數(shù)據(jù)庫的連接處理。從實(shí)用性角度來看，RSR指標(biāo)數(shù)值的下降，能夠較好節(jié)約故障診斷指令執(zhí)行所需的數(shù)據(jù)消耗成本，對(duì)提升雷達(dá)故障信息診斷效率起到極強(qiáng)促進(jìn)作用。