基于云重心评价法的雷达辐射源威胁评估

收稿日期：2016-05-15修回日期：2016-08-02基金项目：全军军事类研究生基金资助项目（2015JY249）作者简介：张晓雷（1991-），男，辽宁辽阳人，硕士研究生。

研究方向：信息对抗情报融合。

*摘要：在联合防空作战背景下，建立雷达辐射源的评估指标集，利用云重心评价法，通过云模型初始化、拟定系统状态、确定指标权重、计算加权偏离度和确定评估模型的评语集5个步骤对目标进行威胁评估。

计算指标权重多数利用AHP 法、环比法等，受主观因素影响较大，为减少人为因素的干扰，采用排队法计算各指标的权重。

最后进行仿真和案例分析，表明该方法的有效性和实用性。

关键词：云重心，理论排队法，雷达辐射源，威胁评估中图分类号：TN954文献标识码：ADOI ：10.3969/j.issn.1002-0640.2017.08.003基于云重心评价法的雷达辐射源威胁评估*张晓雷1，单洁1，王刚2（1.电子工程学院，合肥230037；2.解放军61541部队100分队，北京100094）Research on Threat Assessment of Radar RadiationSource Based on Cloud Gravity Center Evaluation MethodZHANG Xiao-lei 1，SHAN Jie 1，WANG Gang 2（1.Electronic Engineering Institute of PLA ，Hefei 230037，China ；2.100squad Unit 61541of PLA ，Beijing 100094，China ）Abstract ：Under the background of joint air defense operation ，a set of evaluation indexes ofradarradiation source is set up.By using the cloud gravity center evaluation method ，thefive steps of the cloud model initialization ，the system state ，the weight of the index ，the calculation of the weighted deviation and the evaluation model are used to evaluate the threat.The methods of calculating the weight of the index weights are AHP method ，the link method and so on ，but these are heavily influenced by the subjective factors.In order to reduce the interference of human factors ，queuing method is used to calculate the weight of each index.The simulation and case analysis show that the method is effective and practical.Key words ：cloud gravity center ，queue method ，radarradiation source ，threat assessment 0引言未来要地联合防空作战，敌方雷达对抗目标，例如机载火控雷达、机载侦察预警雷达、星载侦察监视雷达等将对我方目标造成严重威胁。

战时掌握上述雷达对我构成的威胁程度是指挥员判明战场电磁态势的重要条件，评估所得的成果为指挥员正确下达命令提供情报保障。

文献［1］中利用多属性决策的方法对来袭雷达对抗目标进行评估，该方法的优点为简单、快捷，能够充分考虑定性与定量的评估指标，但在评估过程中该方法不能处理指标属性的不确定性所带来的影响，评估过程中涉及属性权重受主观影响较大；文献［2-4］利用云模型的方法处理效能评估的问题，但在指标权重确定上，利用AHP 法、环比法占多数，仍受主观因素影响。

本文将云重心评价法应用于雷达对抗目标的威胁评估问题；另外排队法只在对指标进行排序时应用专家经验，相比之下受主观因素的影响较小，基于此，利用排队法确定指标权重，最后进行仿真和案例分析，结果表明该方法的有效性和实用性。

文章编号：1002-0640（2017）08-0010-05Vol.42，No.8Aug ，2017火力与指挥控制Fire Control &Command Control 第42卷第8期2017年8月10··（总第42-）1建立雷达辐射源威胁评估指标建立目标层：目标层为本所求即为目标威胁度，是核心所在。

建立准则层：明确准则层时要力争考虑周全，为避免出现各属性概念交叉、重叠的现象，结合实际情况，将雷达辐射源目标威胁评估指标的准则层定为：目标平台性质、平台状态威胁、雷达状态威胁和预攻击目标性质4类。

建立指标层：以准则层指标为中心，由上至下，逐级展开，评选出多个预选指标，交由专家进行论证，得到专家的论证信息后，经过认真筛选，最终确定指标即指标体系的二级指标。

结合专家给出的结果，将指标层分为：目标平台性质下属的目标平台和平台抗干扰能力；平台状态威胁属性包括：平台的高度、速度、距离和航向角；雷达状态威胁属性包括：载频、重频、脉宽和来波方位；预攻击目标性质威胁属性包括：预攻击目标类型和预攻击目标防御能力，具体指标分类如图1所示。

图1雷达对抗目标威胁评估指标2基于云重心评价方法的算法2.1基础理论①云模型的定义：设U 是一个用确定数值表示的定量论域，概念C 是U 上的定性概念，若定量精确数值x 沂U 是定性概念C 在论域U 上的一次随机实现，x 对C 的确定度是具有稳定倾向的随机数，式（1）表示为：（1）则x 在定量论域U 上的分布称为云，表示为C （x ），每一个x 称为一个云滴。

云模型是用语言值表示某个定性概念与定量数值之间的不确定转换的模型，能够很好处理数据的模糊性和随机性带来影响。

②云的数字特征用期望值E x 、熵E n 和超熵H e 进行表征。

E x 表示云滴在论域空间中分布的期望，最能反映所描述的定性概念，亦是最能代表该定性概念的点。

E n 表示定性概念不确定性的度量，由概念的模糊性和随机性共同决定。

H e 表示熵的不确定性度量，即熵的熵，由熵的随机性和模糊性共同决定。

通常可将云重心表示为T=a ×b ，a 表示云重心的位置，b 为高度。

E x 即为云重心的位置，描述的是相关模糊概念的信息中心值，另外一般情况下云重心的高度取常数为0.317，E x 相同的云即可通过比较云重心的高度来判断两者的重要性。

2.2云重心评价方法实现步骤Step1：云模型初始化在上述评估指标体系中按照表达方式的不同分为两种，一种是用精确数值表示，例如目标的距离、高度等；另一种是用语言值进行描述的，例如平台类型、平台抗干扰能力等。

在此基础上，将给出的目标n 个指标组成决策矩阵，分两种情况，一种为n 个指标用精确数值表示，公式如下：（2）（3）另一种情况是用语言值表示的指标，亦可以用云模型进行表示，则n 个语言值表示的一个指标就可以用一个一维综合云表征。

公式如下：（4）（5）式中，当给出的指标为精确数值时，则即为所给量的值。

相反，当给出的指标为语言值时，则张晓雷，等：基于云重心评价法的雷达辐射源威胁评估11··1311（总第42-）火力与指挥控制2017年第8期为所表示云模型的期望值，为所表示云模型的熵。

Step2：拟定系统状态给出一批具有m 个指标的目标数据，用m 维综合云表征该目标的系统理想状态。

通常一个指标用一个云模型表征，同理，m 个指标用m 个云模型表征，那么其所表现的状态则可以用一个m 维综合云表征。

m 维综合云会随着指标所表现的系统状态的改变而改变，因其形状改变，则最终其重心也会发生变化。

设云的重心Z ，则利用m 维向量表示，其中，当重心改变时，。

Step3：确定指标权重目前，权重的确定方法有很多，常用的有专家赋值法、层次分析法、环比法等等，上述方法各有优缺点，但都存在一个共性问题即涉及主观因素较多，很难客观地进行权重确定。

为尽可能较少人为因素的干扰，本文采用排队法确定评估指标：（6）式（6）中：W 1=1，n 为指标数，i 为排队名次即为排队等级，这里需特殊说明一下，排队等级是对指标按照其相对重要程度进行的一个排列，可以出现两个指标为相同等级的情况，此时则认为两个指标的重要程度是相同的。

最终需要的是经过归一化的权重结果W *i 。

Step4：计算加权偏离度假设理想状态下系统各指标是给定的，m 维综合云的重心位置向量为，高度向量为，其中。

分两种情况，一种为理想状态下云重心向量，同理某一状态下的m维综合云重心向量。

为了比较几种情况下云模型重心的变化程度，引用加权偏离度（θ）用来比较理想状态下和某种情况下云重心的变化情况，进而得出相应结论，通常θ值的大小能够充分反映两者之间的差异情况，值越小则表征两者相差不大，值越大则表示两者相差越大。

将此状态下重心向量进行归一化：式中：（7）i =1，2，…，m此时，该状态下的云重心向量既有大小又有方向但却没有量纲，理想状态下该向量为（0，0，…，0）。

具体的加权偏离度计算方法是将指标归一化后的向量值乘以其权重值，从1，2，…，m ，直至最后相加完毕，具体如式（8）：（8）式中，W *i 为第j 个单项指标的权重值。

Step5：确定评估模型的评语集采用9级评语构成评语集，分别为无、很小、较小、中等、一般、大、较大、很大和重大9级，将评语至于连续的语言值标尺上，并且利用云模型进行实现，构成一个定性评测的云发生器，如图1所示［5-6］：图1评估模型评语集上述求得的θ值不一定完全符合要求，根据云评语集相邻的中心值与θ的距离存在一定关系，分为两种情况：①当激活某个评语值，该值与所在区间两端的值的差值的绝对值大于给定的阈值Φ，此时该评语值可作为最终的评测结果输出。

②当激活某个评语值，该值与所在区间两端值的差值的绝对值小于给定的阈值Φ，此时不可将该评语值作为最终的评测结果输出。

在原来的基础上，利用云理论中的综合云的原理，生成一个新的云对象，将其期望值作为评测结果输出，此期望值对应的定性表述可由专家或用户另外给出。

12··1312（总第42-）序号目标类型目标抗干扰能力高度/m1战斗机小30002巡航导弹大3003战斗机大25004舰艇中速度/km/h 1200150018000距离/km 航向角/°载频/GHz 1201351071213010105200456重频/Hz 110018001350950脉宽/μs 来波方位预攻击目标类型预攻击目标防御能力5瞬变机场较小0.1不变指挥所较大1.2瞬变导弹阵地较小2.1慢变港口较大3案例仿真及分析下面利用云重心理论对雷达辐射源的威胁程度进行评估，具体评估步骤如下：①假设给出的4批目标已是在识别的基础上，经过情报分析人员的预处理、分析、处理、整编之后的结果，4批目标数据如表1所示。