蘭春艷,劉益辰,楊 格
(中國船舶工業系統工程研究院,北京 100094)
目前工程上常用的威脅等級判斷方法為:偵察設備對輻射源參數進行截獲、測量、分析后,與現有先驗信息(數據庫等)進行匹配,對已有先驗信息的輻射源參數能夠順利完成識別,進而獲得輻射源的威脅等級;而未有先驗信息的輻射源參數,威脅等級便無法獲得。隨著現代戰場上軍事電子信息技術的快速發展,基于可重構射頻和軟件定義接收機/激勵器等的應用,使得具有先進技術的雷達、通信系統信號波形呈現復雜多變的特點[1],電子偵察先驗信息難以獲得。因而現代戰場需要在沒有先驗信息的情況下,偵察到輻射源參數后,實時定量地對輻射源威脅等級進行判斷后排序[2],以便為指揮員臨場決策提供依據、合理使用有限的干擾資源。
針對上述這種問題,已有很多相關研究。文獻[2]、[3]建立隸屬度函數,利用層次分析法確定權重,給出輻射源威脅程度的綜合評估。文獻[4]利用粗糙集理論確定屬性權重,結合TOPSIS算法,獲得了輻射源威脅程度的量化。文獻[5]采用區間數表示模糊信息,結合灰色關聯理論獲得的關聯度量化輻射源威脅程度。文獻[6]利用熵權法確定權重,建立集對分析和粗糙集綜合評價模型分析輻射源威脅程度。文獻[7]運用D/S證據理論給出威脅程度的基本可信度,進而判定輻射源威脅等級。文獻[8]將層次分析法獲得的權重與威脅屬性進行模糊乘積,以此作為威脅綜合指數評估威脅程度。文獻[9]建立綜合屬性權重模型,計算基于區間數模糊綜合屬性值對威脅進行估計。除此之外,還有基于支持向量機、神經網絡等人工智能算法。綜上所述,基于層次分析、灰色關聯理論等方法比較依賴專家經驗及偏好,不同專家的領域知識,經驗不同,會導致結果差異較大;基于粗糙集、支持向量機、神經網絡等算法需要大量先驗數據進行訓練,并且對訓練數據未涉及到的新數據適應性有限??紤]到艦載電子對抗系統偵察數據有限,算法的準確性、穩定性等因素,為了克服單純依賴專家經驗、先驗訓練數據有限的局限,本文選擇在將輻射源威脅等級判斷、排序等價于多屬性決策問題[3]的經典描述基礎上,將層次分析結合熵權法,綜合考慮專家經驗及數據帶來的信息,并且引入TOPSIS算法,為輻射源威脅等級的判斷、排序提出一種新的易于實現的解決方式。
本文第1節簡要介紹了研究背景及必要性;第2節描述了以電子偵察得到的不同輻射源參數為研究對象、以威脅等級排序為目標,利用多屬性決策模型與TOPSIS算法為理論依據建立的輻射源威脅等級排序模型,并詳細介紹了模型中各部分采用的算法及步驟;第3節給出了基于Matlab平臺的仿真實例與仿真結果;最后得出結論。
多屬性決策分析要經過決策矩陣建立、遞歸層次結構構建、屬性值歸一化、屬性權重確定、綜合屬性效用值計算、備選方案排序等步驟[10]。
TOPSIS算法通過綜合考慮和處理多個相互制約的決策準則,可以在多屬性條件下對決策對象進行有效的比較、排序和選擇[4]。
基于此理論基礎,應用TOPSIS算法計算各輻射源(決策對象)威脅程度的相對距離值,以此作為綜合屬性效用值對決策對象進行排序,可獲得輻射源威脅等級排序模型,如圖1所示。
圖1 輻射源威脅等級排序模型
以下分別進行具體論述。
決策矩陣是各個輻射源所對應的屬性值的一個數學表征[10]。
決策矩陣U中的元素uij表示輻射源xi在屬性fj上的原始樣本值,即屬性值。X={x1,x2,…,xm},為輻射源目標集,xi表示第i個輻射源目標。F={f1,f2,…,fn},為屬性集,fj表示第j個屬性,本研究中對應輻射源參數。
決策矩陣是后續步驟所依據的基礎決策信息。
針對傳統電子對抗系統中雷達偵察設備直接探測到的輻射源參數[5],主要考慮的屬性(輻射源參數)為:載頻,脈沖重復頻率,脈沖寬度和方位。
通過已有研究成果,結合實際應用可知載頻、脈沖重復頻率、脈沖寬度、方位這4個參數屬于同一層次,因此可以構建二層結構[11],如圖2所示。
圖2 輻射源威脅的層次結構
由于輻射源參數均為直接探測的定量指標,威脅等級的“高”、“低”為相互對立的模糊概念,因此應用模糊集理論作為工具,對輻射源威脅程度進行定量化描述,即:通過建立隸屬度函數進行屬性值歸一化(或規范化)處理[11]。
(1) 載頻[2]
(2) 脈沖重復頻率[6]
(1)
(3) 脈沖寬度[7]
(2)
(4) 方位[3]
屬性權重確定為多屬性決策問題的核心,主要分為主觀賦值、客觀賦值和兩者結合的組合賦值法。主觀賦值是發揮專家作用,借助專家的主觀經驗,對決策對象進行重要性排序,進而確定出屬性權重比例的方法;客觀賦值是以客觀數據為依據,與主觀意愿無關,借助決策對象數據的變化規律,基于數學模型和統計學等理論,進而確定出各屬性權重的方法;組合賦值法是將主觀賦值法與客觀賦值法結合起來,既借鑒專家經驗,又考慮客觀數據反映的分布規律。本文應用層次分析法與熵權法結合的組合賦值法,充分考慮領域專家經驗與輻射源參數帶來信息量的大小來計算權重。
1.4.1 層次分析法
層次分析法及其衍生算法是工程上應用較多的主觀賦值法。把專家經驗通過判斷矩陣量化出來,然后檢驗矩陣的一致性,計算得出各屬性權重。具體步驟如下:
(1) 依據專家經驗獲得判斷矩陣
在層次分析法中,為了使判斷定量化,形成數值判斷矩陣,通常采用T.L.Saaty建議的1~9標度方法,如表1所示。
表1 判斷矩陣標度及其含義
(2) 求解判斷矩陣的特征根及特征向量
層次分析法已證明,計算得出判斷矩陣最大特征根對應的特征向量,即為各屬性值的權重值構成的權重向量[8]。求解方法有幾何平均法和規范列平均法,因規范列平均法計算量較小,以下主要采用此方法。
(a) 對判斷矩陣的每一列規范化:
(3)
(b) 求列平均值:
(4)
則:
W=[W1,W2,…,Wn]T
(5)
為所求的特征向量。
(c) 計算判斷矩陣的近似最大特征根:
(6)
(3) 一致性檢驗
(a) 計算一致性指標:
(7)
(b) 計算平均隨機一致性指標:
(8)
式中:IR表示同階平均隨機一致性指標,其值見表2所示。
當RC<0.1,判斷矩陣具有可接受的一致性,否則需要調整判斷矩陣,直到具有可接受的一致性為止。
表2 同階平均隨機一致性指標
1.4.2 熵權法[7]
熵權法是根據決策對象數據的分布特點,確定各屬性權重的一類客觀賦值法。把各屬性值提供的信息量量化出來,信息量越大所占權重也越大,計算得出各屬性權重。具體步驟如下:
(1) 采用相應的隸屬度公式得到其隸屬度決策矩陣U;
(2) 計算第j項屬性下,第i個輻射源所占比重:
(9)
(3) 計算第j項屬性的熵值:
(10)
(4) 計算信息熵的冗余度(差異):
dj=1-e,j=1,…,n
(11)
(5) 計算各屬性的權重:
(12)
1.4.3 組合賦值法
建立屬性最優化模型。以屬性權重w的選取使得主觀權重與客觀權重總偏差最小為目標[10],得到如下約束條件下的最優化模型:
(13)
解得:wi=αwαi+βwβi,i=1,…,n,確定了α即可計算得到組合權重值。
屬性權重確定后,可以引入TOPSIS算法對各輻射源威脅程度與理想解之間相對距離值進行計算[3],以此作為綜合屬性效用值進行各輻射源威脅等級的排序,具體步驟如下:
(1) 對決策矩陣進行標準化:隸屬度決策矩陣U;
(2) 確定絕對正理想解和負理想解:
(14)
(15)
(3) 計算各輻射源距絕對正理想解和負理想解的距離:
(16)
(17)
(4) 計算相對貼近度:
(18)
(5) 按照相對貼近度大小對輻射源威脅等級進行排序。
根據以上方法,基于Matlab平臺進行驗證,仿真流程如圖3所示。
圖3 仿真流程
(1) 條件假設
利用1~9標度方法,假設層次分析法中的判斷矩陣如下:
(2) 仿真結果
依據圖3仿真流程,基于Matlab平臺進行驗證,仿真結果如表4所示。
經過仿真計算,層次分析法權重向量為:Wα=[0.106 1,0.609 0,0.237 9,0.047 0];熵權法權重向量為:Wβ=[0,0.245 3,0.223 5,0.249 5,0.281 6];假設α=0.5,則組合權重向量為:W=[0.175 7,0.416 3,0.243 7,0.164 3],實際應用時可以根據先驗知識或試驗方式更合理的確定α;由此計算表中各輻射源的相對貼近度為:C=[0.641 5,0.601 7,0.529 9,0.597 5,0.357 0,0.593 8],可以得到輻射源的威脅等級排序為:1>2>4>6>3>5。
表3 原始數據決策矩陣[11]
表4 威脅等級仿真結果
由以上定量計算可知,1、2威脅等級較高,3、5威脅等級較低,4、6介于中間。經定性分析,輻射源1重頻較高,方位不變,表明可能已鎖定目標,故威脅程度最高;輻射源2重頻較高,方位瞬變,表明可能是機載跟蹤瞄準,威脅程度次之;輻射源4、6重頻較低,方位慢變,表明可能是搜索引導,威脅程度較低;輻射源3、5載頻、重頻均較低,方位慢變,表明可能是警戒監視或導航雷達等,威脅程度最低。綜上,仿真結果符合定性分析結果,因此該方法的正確性得到驗證。
(3) 工程應用
目前實際工程中,對偵察到的大量未知輻射源目標,主要是操作員現場根據經驗判斷威脅等級,或者在線記錄離線分析等,差異化較大且實時性不強?;赥OPSIS的輻射源威脅等級排序方法,可以將定性分析通過定量計算呈現出來,未知輻射源參數的威脅程度的相對大小一目了然,可以為指揮員臨場決策提供穩定、實時的支撐。結合實踐,可以不斷優化判斷矩陣、權重組合系數等,以獲得更準確的結果。
層次分析法與熵權法組合賦權重,綜合了專家經驗與原始數據的信息,有助于得出更為合理的權重向量;在獲得合理權重的基礎上,引入TOPSIS算法得出各輻射源威脅程度的相對貼近度并進行排序,通過仿真實例得出的輻射源威脅等級排序結果與定性分析基本一致。因此,研究表明,該方法可以合理有效地對未在數據庫中的輻射源威脅等級進行判斷,給出相對大小及排序,可為指揮員臨場決策提供支撐。