蘭春艷，劉益辰，楊 格

(中國船舶工業(yè)系統(tǒng)工程研究院，北京 100094)

0 引 言

目前工程上常用的威脅等級(jí)判斷方法為：偵察設(shè)備對(duì)輻射源參數(shù)進(jìn)行截獲、測(cè)量、分析后，與現(xiàn)有先驗(yàn)信息(數(shù)據(jù)庫等)進(jìn)行匹配，對(duì)已有先驗(yàn)信息的輻射源參數(shù)能夠順利完成識(shí)別，進(jìn)而獲得輻射源的威脅等級(jí)；而未有先驗(yàn)信息的輻射源參數(shù)，威脅等級(jí)便無法獲得。隨著現(xiàn)代戰(zhàn)場上軍事電子信息技術(shù)的快速發(fā)展，基于可重構(gòu)射頻和軟件定義接收機(jī)/激勵(lì)器等的應(yīng)用，使得具有先進(jìn)技術(shù)的雷達(dá)、通信系統(tǒng)信號(hào)波形呈現(xiàn)復(fù)雜多變的特點(diǎn)[1]，電子偵察先驗(yàn)信息難以獲得。因而現(xiàn)代戰(zhàn)場需要在沒有先驗(yàn)信息的情況下，偵察到輻射源參數(shù)后，實(shí)時(shí)定量地對(duì)輻射源威脅等級(jí)進(jìn)行判斷后排序[2]，以便為指揮員臨場決策提供依據(jù)、合理使用有限的干擾資源。

針對(duì)上述這種問題，已有很多相關(guān)研究。文獻(xiàn)[2]、[3]建立隸屬度函數(shù)，利用層次分析法確定權(quán)重，給出輻射源威脅程度的綜合評(píng)估。文獻(xiàn)[4]利用粗糙集理論確定屬性權(quán)重，結(jié)合TOPSIS算法，獲得了輻射源威脅程度的量化。文獻(xiàn)[5]采用區(qū)間數(shù)表示模糊信息，結(jié)合灰色關(guān)聯(lián)理論獲得的關(guān)聯(lián)度量化輻射源威脅程度。文獻(xiàn)[6]利用熵權(quán)法確定權(quán)重，建立集對(duì)分析和粗糙集綜合評(píng)價(jià)模型分析輻射源威脅程度。文獻(xiàn)[7]運(yùn)用D/S證據(jù)理論給出威脅程度的基本可信度，進(jìn)而判定輻射源威脅等級(jí)。文獻(xiàn)[8]將層次分析法獲得的權(quán)重與威脅屬性進(jìn)行模糊乘積，以此作為威脅綜合指數(shù)評(píng)估威脅程度。文獻(xiàn)[9]建立綜合屬性權(quán)重模型，計(jì)算基于區(qū)間數(shù)模糊綜合屬性值對(duì)威脅進(jìn)行估計(jì)。除此之外，還有基于支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等人工智能算法。綜上所述，基于層次分析、灰色關(guān)聯(lián)理論等方法比較依賴專家經(jīng)驗(yàn)及偏好，不同專家的領(lǐng)域知識(shí)，經(jīng)驗(yàn)不同，會(huì)導(dǎo)致結(jié)果差異較大；基于粗糙集、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等算法需要大量先驗(yàn)數(shù)據(jù)進(jìn)行訓(xùn)練，并且對(duì)訓(xùn)練數(shù)據(jù)未涉及到的新數(shù)據(jù)適應(yīng)性有限?？紤]到艦載電子對(duì)抗系統(tǒng)偵察數(shù)據(jù)有限，算法的準(zhǔn)確性、穩(wěn)定性等因素，為了克服單純依賴專家經(jīng)驗(yàn)、先驗(yàn)訓(xùn)練數(shù)據(jù)有限的局限，本文選擇在將輻射源威脅等級(jí)判斷、排序等價(jià)于多屬性決策問題[3]的經(jīng)典描述基礎(chǔ)上，將層次分析結(jié)合熵權(quán)法，綜合考慮專家經(jīng)驗(yàn)及數(shù)據(jù)帶來的信息，并且引入TOPSIS算法，為輻射源威脅等級(jí)的判斷、排序提出一種新的易于實(shí)現(xiàn)的解決方式。

本文第1節(jié)簡要介紹了研究背景及必要性；第2節(jié)描述了以電子偵察得到的不同輻射源參數(shù)為研究對(duì)象、以威脅等級(jí)排序?yàn)槟繕?biāo)，利用多屬性決策模型與TOPSIS算法為理論依據(jù)建立的輻射源威脅等級(jí)排序模型，并詳細(xì)介紹了模型中各部分采用的算法及步驟；第3節(jié)給出了基于Matlab平臺(tái)的仿真實(shí)例與仿真結(jié)果；最后得出結(jié)論。

1 輻射源威脅等級(jí)排序模型

多屬性決策分析要經(jīng)過決策矩陣建立、遞歸層次結(jié)構(gòu)構(gòu)建、屬性值歸一化、屬性權(quán)重確定、綜合屬性效用值計(jì)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(gè)相互制約的決策準(zhǔn)則，可以在多屬性條件下對(duì)決策對(duì)象進(jìn)行有效的比較、排序和選擇[4]。

基于此理論基礎(chǔ)，應(yīng)用TOPSIS算法計(jì)算各輻射源(決策對(duì)象)威脅程度的相對(duì)距離值，以此作為綜合屬性效用值對(duì)決策對(duì)象進(jìn)行排序，可獲得輻射源威脅等級(jí)排序模型，如圖1所示。

圖1 輻射源威脅等級(jí)排序模型

以下分別進(jìn)行具體論述。

1.1 決策矩陣建立

決策矩陣是各個(gè)輻射源所對(duì)應(yīng)的屬性值的一個(gè)數(shù)學(xué)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(biāo)集，xi表示第i個(gè)輻射源目標(biāo)。F={f1,f2,…,fn},為屬性集，fj表示第j個(gè)屬性，本研究中對(duì)應(yīng)輻射源參數(shù)。

決策矩陣是后續(xù)步驟所依據(jù)的基礎(chǔ)決策信息。

針對(duì)傳統(tǒng)電子對(duì)抗系統(tǒng)中雷達(dá)偵察設(shè)備直接探測(cè)到的輻射源參數(shù)[5]，主要考慮的屬性(輻射源參數(shù))為：載頻，脈沖重復(fù)頻率，脈沖寬度和方位。

1.2 層次結(jié)構(gòu)構(gòu)建

通過已有研究成果，結(jié)合實(shí)際應(yīng)用可知載頻、脈沖重復(fù)頻率、脈沖寬度、方位這4個(gè)參數(shù)屬于同一層次，因此可以構(gòu)建二層結(jié)構(gòu)[11]，如圖2所示。

圖2 輻射源威脅的層次結(jié)構(gòu)

1.3 屬性值歸一化

由于輻射源參數(shù)均為直接探測(cè)的定量指標(biāo)，威脅等級(jí)的“高”、“低”為相互對(duì)立的模糊概念，因此應(yīng)用模糊集理論作為工具，對(duì)輻射源威脅程度進(jìn)行定量化描述，即：通過建立隸屬度函數(shù)進(jìn)行屬性值歸一化(或規(guī)范化)處理[11]。

(1) 載頻[2]

(2) 脈沖重復(fù)頻率[6]

(1)

(3) 脈沖寬度[7]

(2)

(4) 方位[3]

1.4 屬性權(quán)重確定

屬性權(quán)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(jié)合的組合賦值法。主觀賦值是發(fā)揮專家作用，借助專家的主觀經(jīng)驗(yàn)，對(duì)決策對(duì)象進(jìn)行重要性排序，進(jìn)而確定出屬性權(quán)重比例的方法；客觀賦值是以客觀數(shù)據(jù)為依據(jù)，與主觀意愿無關(guān)，借助決策對(duì)象數(shù)據(jù)的變化規(guī)律，基于數(shù)學(xué)模型和統(tǒng)計(jì)學(xué)等理論，進(jìn)而確定出各屬性權(quán)重的方法；組合賦值法是將主觀賦值法與客觀賦值法結(jié)合起來，既借鑒專家經(jīng)驗(yàn)，又考慮客觀數(shù)據(jù)反映的分布規(guī)律。本文應(yīng)用層次分析法與熵權(quán)法結(jié)合的組合賦值法，充分考慮領(lǐng)域?qū)＜医?jīng)驗(yàn)與輻射源參數(shù)帶來信息量的大小來計(jì)算權(quán)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(yīng)用較多的主觀賦值法。把專家經(jīng)驗(yàn)通過判斷矩陣量化出來，然后檢驗(yàn)矩陣的一致性，計(jì)算得出各屬性權(quán)重。具體步驟如下：

(1) 依據(jù)專家經(jīng)驗(yàn)獲得判斷矩陣

在層次分析法中，為了使判斷定量化，形成數(shù)值判斷矩陣，通常采用T.L.Saaty建議的1～9標(biāo)度方法，如表1所示。

表1 判斷矩陣標(biāo)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(jì)算得出判斷矩陣最大特征根對(duì)應(yīng)的特征向量，即為各屬性值的權(quán)重值構(gòu)成的權(quán)重向量[8]。求解方法有幾何平均法和規(guī)范列平均法，因規(guī)范列平均法計(jì)算量較小，以下主要采用此方法。

(a) 對(duì)判斷矩陣的每一列規(guī)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(jì)算判斷矩陣的近似最大特征根：

(6)

(3) 一致性檢驗(yàn)

(a) 計(jì)算一致性指標(biāo)：

(7)

(b) 計(jì)算平均隨機(jī)一致性指標(biāo)：

(8)

式中：IR表示同階平均隨機(jī)一致性指標(biāo)，其值見表2所示。

當(dāng)RC<0.1，判斷矩陣具有可接受的一致性，否則需要調(diào)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(jī)一致性指標(biāo)

1.4.2 熵權(quán)法[7]

熵權(quán)法是根據(jù)決策對(duì)象數(shù)據(jù)的分布特點(diǎn)，確定各屬性權(quán)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(quán)重也越大，計(jì)算得出各屬性權(quán)重。具體步驟如下：

(1) 采用相應(yīng)的隸屬度公式得到其隸屬度決策矩陣U；

(2) 計(jì)算第j項(xiàng)屬性下，第i個(gè)輻射源所占比重：

(9)

(3) 計(jì)算第j項(xiàng)屬性的熵值：

(10)

(4) 計(jì)算信息熵的冗余度(差異)：

dj=1-e,j=1，…，n

(11)

(5) 計(jì)算各屬性的權(quán)重：

(12)

1.4.3 組合賦值法

建立屬性最優(yōu)化模型。以屬性權(quán)重w的選取使得主觀權(quán)重與客觀權(quán)重總偏差最小為目標(biāo)[10]，得到如下約束條件下的最優(yōu)化模型：

(13)

解得：wi=αwαi+βwβi,i=1,…,n，確定了α即可計(jì)算得到組合權(quán)重值。

1.5 綜合屬性效用值及排序

屬性權(quán)重確定后，可以引入TOPSIS算法對(duì)各輻射源威脅程度與理想解之間相對(duì)距離值進(jìn)行計(jì)算[3]，以此作為綜合屬性效用值進(jìn)行各輻射源威脅等級(jí)的排序，具體步驟如下：

(1) 對(duì)決策矩陣進(jìn)行標(biāo)準(zhǔn)化：隸屬度決策矩陣U；

(2) 確定絕對(duì)正理想解和負(fù)理想解：

(14)

(15)

(3) 計(jì)算各輻射源距絕對(duì)正理想解和負(fù)理想解的距離：

(16)

(17)

(4) 計(jì)算相對(duì)貼近度：

(18)

(5) 按照相對(duì)貼近度大小對(duì)輻射源威脅等級(jí)進(jìn)行排序。

2 仿真驗(yàn)證

2.1 仿真流程圖

根據(jù)以上方法，基于Matlab平臺(tái)進(jìn)行驗(yàn)證，仿真流程如圖3所示。

圖3 仿真流程

2.2 仿真實(shí)例

(1) 條件假設(shè)

利用1～9標(biāo)度方法，假設(shè)層次分析法中的判斷矩陣如下：

(2) 仿真結(jié)果

依據(jù)圖3仿真流程，基于Matlab平臺(tái)進(jìn)行驗(yàn)證，仿真結(jié)果如表4所示。

經(jīng)過仿真計(jì)算，層次分析法權(quán)重向量為：Wα=[0.106 1,0.609 0,0.237 9,0.047 0]；熵權(quán)法權(quán)重向量為：Wβ=[0,0.245 3,0.223 5,0.249 5,0.281 6]；假設(shè)α=0.5，則組合權(quán)重向量為：W=[0.175 7,0.416 3,0.243 7,0.164 3]，實(shí)際應(yīng)用時(shí)可以根據(jù)先驗(yàn)知識(shí)或試驗(yàn)方式更合理的確定α；由此計(jì)算表中各輻射源的相對(duì)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(jí)排序?yàn)椋?>2>4>6>3>5。

表3 原始數(shù)據(jù)決策矩陣[11]

表4 威脅等級(jí)仿真結(jié)果

由以上定量計(jì)算可知，1、2威脅等級(jí)較高，3、5威脅等級(jí)較低，4、6介于中間。經(jīng)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(biāo)，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(jī)載跟蹤瞄準(zhǔn)，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(dǎo)，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(jiān)視或?qū)Ш嚼走_(dá)等，威脅程度最低。綜上，仿真結(jié)果符合定性分析結(jié)果，因此該方法的正確性得到驗(yàn)證。

(3) 工程應(yīng)用

目前實(shí)際工程中，對(duì)偵察到的大量未知輻射源目標(biāo)，主要是操作員現(xiàn)場根據(jù)經(jīng)驗(yàn)判斷威脅等級(jí)，或者在線記錄離線分析等，差異化較大且實(shí)時(shí)性不強(qiáng)?；赥OPSIS的輻射源威脅等級(jí)排序方法，可以將定性分析通過定量計(jì)算呈現(xiàn)出來，未知輻射源參數(shù)的威脅程度的相對(duì)大小一目了然，可以為指揮員臨場決策提供穩(wěn)定、實(shí)時(shí)的支撐。結(jié)合實(shí)踐，可以不斷優(yōu)化判斷矩陣、權(quán)重組合系數(shù)等，以獲得更準(zhǔn)確的結(jié)果。

3 結(jié) 論

層次分析法與熵權(quán)法組合賦權(quán)重，綜合了專家經(jīng)驗(yàn)與原始數(shù)據(jù)的信息，有助于得出更為合理的權(quán)重向量；在獲得合理權(quán)重的基礎(chǔ)上，引入TOPSIS算法得出各輻射源威脅程度的相對(duì)貼近度并進(jìn)行排序，通過仿真實(shí)例得出的輻射源威脅等級(jí)排序結(jié)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(duì)未在數(shù)據(jù)庫中的輻射源威脅等級(jí)進(jìn)行判斷，給出相對(duì)大小及排序，可為指揮員臨場決策提供支撐。