韋 旭，潘誼春，程柏林，韓 俊，何 緩

(空軍預警學院,湖北 武漢 430019)

0 引 言

隨著對雷達輻射源信號分選與識別技術(shù)的深入研究，其在電子戰(zhàn)中扮演了越來越重要的角色，也標志著現(xiàn)代雷達對抗裝備和信息處理技術(shù)水平的發(fā)展和成熟。近年來，隨著雷達輻射源信號特征提取方法的大量出現(xiàn)，如何科學合理地對其進行評估成為研究熱點。

傳統(tǒng)基于滿意、粗集理論和主成分分析的特征選擇法[1-3]對雷達輻射源信號特征進行了較為有效的評估，但單一的評估指標存在片面的問題，也無法適應信息戰(zhàn)的要求。為此，不少學者從多指標評估出發(fā)，形成了科學合理的系統(tǒng)評估方法，如模糊綜合評估法、模糊層次分析法、TOPSIS法等[4-6]。但雷達輻射源信號特征提取評估的研究還不夠深入，存在評估方法單一和缺乏科學性等問題，為此本文提出了一種新的評估方法。基于構(gòu)建的雷達輻射源信號特征提取評估指標體系，首先采用AHP法和灰色理論得到主客觀權(quán)重，并進行線性融合，使所得權(quán)重既能充分考慮用戶需求，又能具有一定的客觀性，然后采用雙向投影方法刻畫與正負理想解的關系，以一致性系數(shù)代替?zhèn)鹘y(tǒng)的貼近度，最后基于不同用戶需求完成方案排序。

1 指標體系構(gòu)建與問題描述

1.1 指標體系構(gòu)建

雷達輻射源信號特征提取評估指標體系構(gòu)建的關鍵是選取科學合適的指標，但實際復雜多變的電磁環(huán)境使特征提取的評估變得較為困難。因此，在充分考慮雷達輻射源信號特征的影響因素前提下，建立復雜性、分離性、穩(wěn)定性和適應性作為評估特征提取的4個準則，它們從多角度對特征提取進行了較為合理有效的描述，可以體現(xiàn)其性能和特點。為了對準則的刻畫更為形象，在4個準則下再細化為9個具體指標，由此基于目標、準則和指標3層結(jié)構(gòu)建立雷達輻射源信號特征提取評估指標體系，如圖1所示。其中，雷達輻射源信號特征提取的評估為最終目標；特征提取的復雜性、分離性、穩(wěn)定性和適應性是指標體系的中間層；指標體系的末端即為指標層，分別為時間復雜度、空間復雜度、類內(nèi)類間距離、B距離、分布指標、特征抗噪性、信噪比(SNR)敏感性、類型適應性和參數(shù)適應性這9個具體指標。其中，評估指標的量化方法參見文獻[7]，本文不再贅述。

圖1 雷達輻射源信號特征提取評估指標體系

1.2 問題描述

假設雷達輻射源信號特征提取評估問題的方案集記為X={x1,x2,…,xm}，圖1的指標層記為指標集C={c1,c2,…,cn}，方案數(shù)記為M={1,2,…,m}，指標數(shù)記為N={1,2,…,n}，第i個方案第j個指標的值記為yij，所構(gòu)成的原始決策矩陣記為Y=(yij)m×n，對原始決策矩陣Y采用如下的規(guī)范化方法進行處理，所得的規(guī)范化決策矩陣記為Z=(zij)m×n，則：

(1)

2 基于AHP法和灰色理論的權(quán)重確定

基于雷達輻射源信號特征提取評估指標體系，根據(jù)實際戰(zhàn)場環(huán)境和用戶需求，本文假設存在3種情況：(1)要求實時處理；(2)要求高準確率；(3)兼顧處理速度和準確率。為了在不同情況下得到較為合理的指標權(quán)重，首先基于用戶需求采用AHP法確定主觀權(quán)重，然后對規(guī)范化決策矩陣基于灰色理論確定客觀權(quán)重，最后進行主客觀權(quán)重的融合。權(quán)重確定方法如圖2所示。

圖2 權(quán)重確定方法

AHP法[6]可以充分體現(xiàn)用戶的主觀意愿，不受決策矩陣的影響，確定最符合用戶需求的指標權(quán)重。在實時處理的情況下，用戶更注重復雜性準則；在高準確的情況下，用戶更注重分離性準則；在2種兼顧的情況下，用戶同時注重復雜性和分離性準則。權(quán)重確定步驟如下：

Step1：根據(jù)評估指標體系和斯塔相對重要性等級表，在不同情況下構(gòu)造準則層的判斷矩陣：A=(aij)k×k，aij表示ai相對于aj的重要性，k為元素個數(shù)。

Step2：采用本征向量法對判斷矩陣A進行求解，得到最大實特征根λmax和其對應的歸一化特征向量。

Step3：對判斷矩陣A進行一致性檢驗，即：RC=IC/IR，IR為隨機一致性指標，IC為相容性指標：IC=(λmax-k)/(k-1)。

Step4：當RC<0.1時，判斷矩陣A符合一致性要求，其對應的歸一化特征向量即為準則層的權(quán)重α(k)=(α(1),α(2),…,α(k))；反之，返回Step1，重新構(gòu)造判斷矩陣進行求解和檢驗。

Step5：同理可得指標層相對于準則層的權(quán)重：α(n1),α(n2),…,α(nk)，其中：n1+n2+…+nk=n。

Step6：采用線性加權(quán)對兩層權(quán)重進行處理，即：α(i)α(ni),i=1,2,…,k。

則基于AHP法所得的主觀權(quán)重即為：α=(α1,α2,…,αn)。

灰色理論[8]是鄧聚龍教授提出的用于解決不確定決策問題的分析方法，其中關聯(lián)度分析是主要的應用之一。通過關聯(lián)度分析，可以從形狀相似性反映各方案與理想方案間的接近程度[9]，體現(xiàn)決策矩陣中數(shù)據(jù)的客觀聯(lián)系，得出較為合理的客觀權(quán)重。但傳統(tǒng)灰色理論的權(quán)重確定方法都是基于正理想序列，沒有考慮與負理想序列的關系，所得的客觀權(quán)重存在片面的問題。為此本文提出一種改進方法，步驟如下：

Step1：根據(jù)規(guī)范化決策矩陣Z=(zij)m×n，假設正負理想序列分別為：

(2)

Step2：計算各方案序列與正負理想序列的關聯(lián)系數(shù)為：

(3)

(4)

在戰(zhàn)場環(huán)境和用戶需求的背景下，為了使所得權(quán)重既能充分滿足用戶需求，又能具有一定的客觀性，對以上2種權(quán)重進行線性加權(quán)，得到不同情況下的主客觀融合權(quán)重，即為ω=(ω1,ω2,…,ωn)，其中ωj=ηαj+(1-η)βj，η為主客觀權(quán)重的分配比。

3 改進的TOPSIS評估模型

TOPSIS是一種依據(jù)多指標對多方案進行選優(yōu)的評估方法，其關鍵是選出正理想解和負理想解完成對各方案的排序。傳統(tǒng)的TOPSIS以歐氏距離反映各方案與正負理想解的接近程度，無法較好地刻畫各方案內(nèi)部因素與正負理想解的關系?；谝陨蠁栴}，本文提出一種改進的TOPSIS評估模型，即建立一種雙向投影[10]的度量方法代替歐氏距離，以較好地刻畫各方案與正負理想解的內(nèi)部關系。

3.1 雙向投影方法

根據(jù)主客觀融合權(quán)重ω和規(guī)范化決策矩陣Z=(zij)m×n，得到加權(quán)規(guī)范化決策矩陣R=(rij)m×n，假設任意方案、正理想解和負理想解分別為：

(5)

則以r+、r-和ri構(gòu)造以下3個向量：

(6)

3個向量對應的模值分別為：

(7)

r-r+與r-ri、rir+的夾角余弦值分別為：

(8)

r-ri在r-r+上的投影和r-r+在rir+上的投影分別為：

(9)

由式(9)可知，Prjr-r+(r-ri)越大，向量r-ri越接近r-r+，則方案ri越接近正理想解r+，反之亦然；Prjrir+(r-r+)越大，向量r-r+越接近rir+，則方案ri越接近負理想解r-，反之亦然。

3.2 評估步驟

Step1：利用式(1)將決策矩陣Y規(guī)范化為Z，以消除量綱和指標類型的影響。

Step2：結(jié)合AHP法和灰色理論的權(quán)重確定步驟，得到不同情況下的主客觀融合權(quán)重ω。

Step3：參照式(5)～(9)計算得到投影向量Prjr-r+(r-ri)和Prjrir+(r-r+)。

Step4：為了對方案進行合理排序，需要充分考慮與正負理想解的關系，為此綜合Prjr-r+(r-ri)和Prjrir+(r-r+)使其一致變化即得最優(yōu)[11]，則建立以下函數(shù)求其最小值：

f(λi)=[(1-λi)Prjr-r+(r-ri)]2+

[λiPrjrir+(r-r+)]2

(10)

式中：λi為一致性系數(shù)。

令df(λi)/dλi=0，可求得：

(11)

由式(11)可知，λi越大，方案ri越優(yōu)，即以一致性系數(shù)代替貼近度進行方案排序。

4 實例應用與分析

為了對本文的評估方法進行分析，本文選取“自相關函數(shù)+三維熵”“FFT+三維熵”“Welch功率譜+相像系數(shù)”“FFT+相像系數(shù)”“模糊函數(shù)+Radon變換+復雜度”“模糊函數(shù)+縱向切片+小波包”這6種特征提取方法作為方案集進行評估。根據(jù)圖1所示的雷達輻射源信號特征提取評估指標體系，通過仿真實驗得到原始決策矩陣，如表1所示。

表1 原始決策矩陣

Step1：在評估指標體系中，c3、c4、c7為效益型指標，其他為成本型指標，按式(1)對原始決策矩陣進行規(guī)范化處理，得到規(guī)范化決策矩陣，如表2所示。

表2 規(guī)范化決策矩陣

Step2：為了使確定的權(quán)重既滿足用戶需求又具有一定的客觀性，首先根據(jù)AHP法的權(quán)重確定步驟得到主觀權(quán)重α，然后基于灰色理論得到客觀權(quán)重β，最后進行主客觀權(quán)重融合，分配比γ=0.5，η=0.7，不同情況下的各指標權(quán)重如表3所示。

表3 不同情況下的各指標權(quán)重

Step3：在不同情況下，根據(jù)雙向投影方法得到投影向量Prjr-r+(r-ri)和Prjrir+(r-r+)，如表4所示。

表4 不同情況下的投影向量

Step4：根據(jù)表4和式(11)，可以得到不同情況下用于方案排序的一致性系數(shù)λi，如表5所示。

表5 不同情況下的一致性系數(shù)

由表5可知，在要求實時處理的情況下，方案排序為x4>x1>x2>x3>x5>x6，方案x4最優(yōu)；在要求高準確的情況下，方案排序為x3>x1>x4>x5>x6>x2，方案x3最優(yōu)；在兼顧處理速度和準確率的情況下，方案排序為x3>x4>x1>x2>x5>x6，方案x3最優(yōu)。因此，本文的評估方法可用來選出最符合用戶需求的方案。

為了說明本文評估方法的有效性，將本文方法與目前常用的評估方法[12](線性加權(quán)、傳統(tǒng)TOPSIS、灰色關聯(lián)決策)進行比較，在相同仿真條件下，得到不同方法的排序結(jié)果，如表6所示(本文方法、線性加權(quán)、傳統(tǒng)TOPSIS、灰色關聯(lián)決策分別記為M1、M2、M3、M4)。

由表6可知，不同評估方法的排序結(jié)果不完全一致，表明這4種方法在評估過程中各有側(cè)重。為了說明不同評估方法所得結(jié)果的可信度，本文引入肯德爾和諧系數(shù)[13]來驗證，計算步驟如下：

Step1：計算肯德爾和諧系數(shù)，即：

(12)

式中：M為評估方案數(shù)；K為評估方法數(shù)；Li為采用K種評估方法對第i個評估方案的排序等級總和。

表6 不同方法的排序結(jié)果

在置信水平α=0.05的條件下，結(jié)合本文的仿真條件，對M1、M2、M3、M44種評估方法進行肯德爾系數(shù)檢驗。在3種情況下按式(12)計算所得的肯德爾系數(shù)分別為18.71、19.57、19.43，置信水平α=0.05時的理論肯德爾系數(shù)為11.07?？梢?，3種情況下M1、M2、M3、M4評估方法的結(jié)果均是可信和一致的，即說明本文評估方法的有效性。

5 結(jié)束語

當前雷達輻射源信號特征提取評估的研究不夠深入，評估方法單一和缺乏科學性。為此，本文提出了一種基于改進TOPSIS的評估方法，該方法在構(gòu)建的評估指標體系的基礎上采用AHP法和灰色理論得到主客權(quán)重，并進行線性融合，使所得權(quán)重既能充分考慮用戶需求，又能具有一定的客觀性，然后采用雙向投影方法刻畫與正負理想解的關系，以一致性系數(shù)代替?zhèn)鹘y(tǒng)的貼近度，在不同用戶需求下完成方案排序。仿真實驗表明，該評估方法可用來選出最符合用戶需求的方案，且通過與線性加權(quán)、傳統(tǒng)TOPSIS、灰色關聯(lián)決策比較，采用肯德爾和諧系數(shù)檢驗說明這4種評估方法結(jié)果的可信度，具有一定的參考價值。

[1] ZHANG G X,JIN W D,HU L Z.A novel feature selection approach and its application[J].Lecture Notes in Computer Science,2004,33(4):665-671.

[2] 安利平,陳增強.基于粗集的多準則決策分析[J].控制與決策,2013,28(1):1-11.

[3] 陳韜偉,金煒東.基于主成分分析的雷達輻射源信號數(shù)量估計[J].西南交通大學學報,2009,44(4):501-506.

[4] 王秀華,付保川,吳宏杰.室內(nèi)光環(huán)境質(zhì)量的模糊綜合評價方法研究[J].蘇州科技大學學報(自然科學版),2017,34(3):30-36.

[5] 朱斌.雷達輻射源信號特征提取與評價方法研究[D].成都:西南交通大學,2015.

[6] 徐璟,何明浩,陳昌孝,等.基于理想排序的雷達信號識別效能評估方法[J].電波科學學報,2015,30(3):554-559.

[7] 韋旭,潘誼春,程柏林,等.雷達輻射源信號特征提取評估指標體系的構(gòu)建[J].空軍預警學院學報,2018,32(1):31-36.

[8] 萬書亭,萬杰,張成杰.基于灰色理論和變權(quán)模糊綜合評判的風電機組性能評估[J].太陽能學報,2015,36(9):2285-2291.

[9] 王望珍,李金瑾.基于博弈論與改進TOPSIS的工程評標方法[J].武漢理工大學學報(信息與管理工程版),2015,37(6):726-729.

[10] 邵良杉,趙琳琳,溫廷新,等.基于前景理論的區(qū)間直覺模糊雙向投影決策方法[J].控制與決策,2016,31(6):1143-1147.

[11] 蔣詩泉,劉思峰,劉中俠,等.信息分解下區(qū)間灰數(shù)的關聯(lián)一致性決策模型[J].控制與決策,2017,32(11):2107-2112.

[12] 張杰,徐啟建，蔣曉原，等.效能評估方法研究[M].北京:國防工業(yè)出版社,2009.

[13] 李曉康.幾種數(shù)據(jù)處理方法及其在綜合評價中的應用[J].統(tǒng)計與決策,2015(13):90-92.