任喜珂，劉東青，姜 磊，黃 誠

（95510部隊，貴陽550025）

0 引 言

某型干擾機在未來大規(guī)模作戰(zhàn)和應對周邊突發(fā)事件中可對敵空、海作戰(zhàn)體系中的指揮通信、衛(wèi)星導航和雷達敵我識別等系統(tǒng)實施防區(qū)外干擾壓制，為我空中進攻作戰(zhàn)和多軍兵種聯(lián)合作戰(zhàn)提供信息對抗支援。隨著通信對抗技術的不斷發(fā)展、通信電子對抗偵察、干擾裝備的不斷升級更新和列裝部隊，未來戰(zhàn)場電磁環(huán)境將日趨復雜，對某型干擾機通信對抗訓練效果進行定量評定也就十分必要。

通信對抗電磁環(huán)境具有工作頻率范圍寬、調制方式多、工作體制多、信息種類多的特點。對某型干擾機通信對抗訓練效果的評估不僅包含定量指標，也包含定性指標。通信對抗訓練效果評估不僅是模糊的，且不同專家對其評估指標理解具有隨機性的特點，其測量結果由于電磁環(huán)境影響也具有不確定性。因此，對通信對抗訓練效果進行評估時，既要考慮各個評估指標的模糊性，也要考慮訓練效果評估值向評語映射的不確定性。20世紀90年代初期，李德毅院士在傳統(tǒng)模糊數學和概率統(tǒng)計的基礎上提出了定性定量互換的云模型，把模糊性和隨機性完全集成在一起，構成定性和定量相互映射，實現(xiàn)了定量與定性概念之間的不確定性轉換。［1］何洪成采用云重心評判方法，較好地把主客觀信息融合在一起，構成了定性和定量間的映射，有效地處理系統(tǒng)的不確定性。［2］雷志良等人運用層次分析法確定指標權重，使用云模型對系統(tǒng)的效能進行評估，解決了多指標綜合評價問題，全面、客觀地反映了系統(tǒng)的性能。［3］羅赟騫等人針對網絡性能評估中存在的模糊性和隨機性問題，采用云模型和熵值理論建立綜合評估模型，實現(xiàn)了評語與評估指標值之間的不確定映射，并且保留了評估過程中的隨機性。［4］在對通信對抗訓練進行效果評估時，由于人的主觀因素以及客觀復雜電磁環(huán)境的影響，導致其評估過程中存在較大的模糊性和隨機性問題，基于云理論的評估方法即可較好地解決通信對抗訓練效果評估中存在的問題。

本文綜合上述評估方法的優(yōu)點，首先采用層次分析法建立評估指標體系，然后通過熵權法求出各指標的權重，最后使用云模型對通信對抗訓練效果進行綜合評估，得出定量的評估值。

1 基于云模型的通信對抗訓練效果評估模型

云模型可以改變定性與定量值之間的不確定性。假設U是一個用精確數值表示的定量論域，C是U上的定性概念，若定量值x∈U，且x是定性概念C的一次隨機實現(xiàn)，x對C的確定度μ(x)∈[0，1]有穩(wěn)定傾向的隨機數μ：U→[0，1] ?x∈Ux→μ(x)，則x在論域U上的分布稱為云，每一個x被稱為一個云滴。［1］云由許多云滴組成，云的整體形狀反映了定性概念的重要特性，云滴則是對定性概念的定量描述。云滴的產生過程表示定性概念和定量值之間的不確定性映射。［4］

正態(tài)云是最重要的云模型，其期望曲線是一個正態(tài)型曲線，通常由期望Ex、熵En和超熵He三個特征值表征：期望Ex是一個概念在其所處論域中的中心值，是定性概念最具有代表性的值［3］；熵En是定性概念的可度量程度，反映了在概念空間中可以接受的云滴的取值范圍，體現(xiàn)了定性概念的不確定性，［3］熵越小越好，說明期望越能代表概念，熵越大，取值范圍越模糊；超熵He是熵的熵，它是熵的不確定性的量度，由熵的隨機性和模糊性決定，反映了云滴的離散程度［3］，超熵越大，云的離散程度越大，隸屬度越大，云的厚度也越大。

建立合理完備的指標體系是進行通信對抗訓練效果評估的基礎。因此，按照合理性、實用性、客觀性的構建原則，采用層次結構模型，構建某型干擾機通信對抗訓練效果評估指標體系，如圖1所示。

圖1 訓練效果評估指標體系

2 基于熵權法的通信對抗訓練效果評估指標權重

目前，對通信對抗訓練效果進行評估時通常采用主觀方法確定權重，導致評估結果由于人的主觀因素出現(xiàn)偏差。在信息論中，熵值反映信息的無序化程度，可以用來度量信息的大小，某項指標攜帶的信息越多，表示該指標對決策的作用越大，而信息熵能度量指標所攜帶信息的大?。?］。因此，該干擾機的通信對抗訓練效果評估可采用熵權法來確定指標權重的相對大小。熵權法根據各指標的變化，利用信息熵計算各指標的熵權，然后通過熵權修改各指標的權重，從而得到更為客觀的指標權重。

假設在訓練效果評估中有m個要素，每個要素有n個指標，第j個要素的第i個指標的值為xji（1≤i≤n，1≤j≤m），形成原始矩陣為X＝（xji）m×n。計算步驟如下：

Step1：計算第i個指標下第j個要素指標值的比重pji

Step2：計算第i個指標的熵值ei

Step3：計算第i個指標的熵權ωi

最后，可得出各指標的權重為

3 偵察與干擾效果分析

偵察效果主要包括信號截獲概率、信號參數測量、信號屬性判別、信號測向定位4個評估指標。信號截獲是通信對抗偵察的首要任務，主要由空域是否重合、頻域是否重合、時域是否重合以及能量是否足夠決定其截獲能力；信號參數測量主要由中心頻率、帶寬、調制樣式、信號相對電平、符號速率、跳頻速率、頻率集等技術參數是否測量準確來確定；信號屬性判別主要由信號內部特征、通聯(lián)關系以及網臺屬性判別是否準確來確定；信號測向定位主要由測向精度、定位精度來衡量。

干擾效果主要包括干擾目標選擇、干擾陣位設置、干擾參數設置、干擾時機選擇、干擾壓制效果五個評估指標：干擾目標主要包括空中目標、海上目標以及地面目標；干擾陣位設置主要由通干比和飛機是否處于干擾盲區(qū)來評價；干擾功率、干擾帶寬、干擾樣式、干擾頻點數是評價干擾參數設置的主要指標；干擾時機選擇主要由空域上干擾波束是否對準、時域上干擾波束對準目標時長、頻域上干擾頻點覆蓋率來確定；干擾壓制效果主要由話音中斷率（話音中斷時長／滿足干擾條件時長）、態(tài)勢中斷率（態(tài)勢中斷時長／滿足干擾條件時長）、干擾有效率（中斷時長／干擾時長）來決定。

4 實例分析

通信對抗的訓練效果評估使用云模型評估方法。首先選取關鍵性指標，再用正態(tài)云表示定性指標，并根據指標的分層綜合評價通信對抗的訓練效果。評估流程圖如圖2所示。

圖2 評估流程圖

針對某型干擾機的通信對抗系統(tǒng)，進行實例訓練效果評估，具體步驟如下：

Step 1：建立指標狀態(tài)表

從專家經驗定性評價數據庫中選取4組狀態(tài)樣本值，某型干擾機通信對抗訓練效果評估指標狀態(tài)表見表1所示。

表1 訓練效果評估指標狀態(tài)表

Step 2：建立評語量化表

該評估系統(tǒng)采用11個評語作為訓練效果的評價，并將評語進行量化，如表2所示。

表2 評語量化表

Step 3：將指標狀態(tài)表轉換為決策矩陣

根據評語量化表對應的定量值將樣本值直接轉化為數量值，由此構建出決策矩陣X：

Step 4：求各指標的云模型表示

云模型用3個特征值來表征，即期望Ex、熵En和超熵He。

根據決策矩陣X，用式（5）、（6）、（7）、（8）可分別求出各指標的期望Ex、熵En和超熵He，如表3所示。

表3 指標的Ex、En、He

Step 5：計算效能評估指標的權重

熵權法是一種客觀賦權法，可以在一定程度上避免主觀隨意性。由式（1）、（2）、（3）、（4）可計算出訓練效果評估中各指標的權重，如表4所示。

表4 各指標的權重

Step 6：計算綜合云重心向量T

選用一個p維綜合云表示具有p個性能指標的系統(tǒng)狀態(tài)。p維綜合云重心T可通過一個p維向量來表示，即

通過式（9）、（10）、（11）可求出評估系統(tǒng)訓練效果評估指標的綜合云重心向量為

Step 7：綜合云重心歸一化

假設系統(tǒng)理想狀態(tài)下各個指標的設定值是已知的，理想狀態(tài)下p維綜合云重心的位置向量為

云重心的高度向量為

則理想狀態(tài)下系統(tǒng)云重心向量為

在這種情況下，通過綜合合成云的重心向量來對向量集進行歸一化，得到一組向量

由式（14）、（15）可得綜合云重心的歸一化向量為

Step 8：計算加權偏離度

設加權偏離度為θ，則

根據式（16），可以得到加權偏離度為θ＝－0.672，即相對理想狀態(tài)的偏離度為0.672。

Step 9：輸出評估結果

將加權偏離度放入評語量化表中，則θ落在兩個評價等級之間。根據最近鄰法進行判別，將θ值與相鄰兩個評語量化值之差的絕對值進行比較，絕對值小的那一邊即為最終輸出的評估結果。在本次訓練效果評估中，θ落在“較好”與“好”之間，通過最近鄰法進行判別得出評估結果為“好”。

分析某型干擾機通信對抗訓練效果的評估過程和實驗數據，測向定位、信號截獲概率以及干擾壓制效果所占權重較高，其余指標權重較為均衡，說明在通信對抗領域信號截獲概率高，測向定位準是前提，達到有效的干擾壓制效果是最終目的。因此，在常規(guī)訓練和重大演習演訓任務中可著重訓練上述3個方面的能力，以快速提升訓戰(zhàn)水平和作戰(zhàn)能力。

5 結束語

本文以某型干擾機的通信對抗訓練效果評估為例，采用基于云理論的評估方法，較好地將主客觀信息相融合，實現(xiàn)了訓練效果評估指標值向評語的不確定性映射，有效地處理了通信對抗的模糊性、隨機性問題；同時，使用熵權方法確定訓練效果評估指標的相對權重，避免了主觀確定各評估指標權重的問題，提高了評估的準確性和可信度。因此，該評估方法可科學、客觀地對通信對抗訓練效果進行有效的定量評定，具有較大的推廣意義。