基于Vague 集ELINT 系統的效能評估算法

邱日升，潘繼飛，李為圣，趙 君

（國防科技大學電子對抗學院，合肥 230037）

0 引言

ELINT 系統是一種從截獲的雷達信號中提取信息，為電子戰和其他作戰行動提供情報支援的雷達對抗情報偵察系統，具有偵察作用距離遠、獲取目標信息多而準、預警時間長、隱蔽性好等優點。ELINT 系統效能評估是研制、規劃、配置和部署ELINT 系統及作戰籌劃的依據。因此，ELINT 系統效能評估對推動ELINT 系統發展及提高整體作戰效能有著重要意義。當前，系統效能評估的方法很多，主要有以下兩種方法：一是傳統的ADC 算法［1］、AHP 算法［2］、SEA 法［3］以及指數法［4］，該類算法一般對評估指標的具體參數值以及所處狀態的概率密切相關，大都需要統計作為支撐；二是利用神經網絡法，通過大量的數據進行訓練，最后得到一個匹配的神經網絡，進而對系統進行效能評估，但是該方法需要大量數據作為支撐，且中間過程缺乏科學的解釋，操作起來難度較大［5-7］。本文基于Vague集理論，提出了一種ELINT 系統效能評估的模糊綜合評價算法。一方面，該算法不需要測得各評估指標的具體值，僅僅需要一個模糊的區間值；另一方面，該算法不需要大量的數據作為支撐，可用于小樣本的對比分析，具有很強的操作性與實用性。

1 Vague 集基本理論

1.1 Vague 集理論

1.2 Vague 集的運算

ωi為元素xi在X 上的權重，則Vague 集A 和B之間的加權相似度量為：

2 ELINT 系統評估指標體系

ELINT 系統通過截獲雷達發射的電磁波，分析敵方雷達的特征參數，從而判斷雷達的性能、類型、用途、配置和所控制的武器等有關軍事情報，以便為高級決策指揮機關和中心數據庫提供詳實的數據。主要由天線、接收機、信號處理器、輸出終端組成，如圖1 所示［10］。ELINT 系統工作時利用天線截獲空間中的輻射源信號，而后由測頻測向接收機對信號進行測量分析得到信號的脈沖描述字等信息，最后，由處理器對信號進行分選和識別［11］。

圖1 ELINT 系統組成圖

ELINT 系統的評價指標較多而且內在關聯復雜，不易統一量化處理。本文主要結合ELINT 系統工作原理，用信號截獲能力、信號測量能力和信號處理能力［12］3 項能力綜合表征系統效能。信號截獲能力主要是指ELINT 系統截獲到空間中電磁信號的能力，主要由靈敏度、方位覆蓋范圍、頻率搜索范圍、截獲概率和截獲時間構成；信號測量能力主要是對截獲信號進行脈沖描述字的測量，主要由角度測量精度、頻率測量精度、脈寬測量精度以及重頻測量精度構成；信號處理能力主要是對信號進行識別和分析，主要由信號密度、分選能力和識別能力構成［13-14］。

圖2 ELINT 系統評估指標體系

3 基于Vague 集ELINT 系統效能評估算法

3.1 評估指標模糊集表示

評估指標一般按其具體含義可分為效益型指標和成本型指標。效益型指標是指其值越大越好的指標，成本型指標是指其值越小越好的指標［15］；此外，指標的取值一般有單值數據和區間值數據兩種形式，其模糊集表示方法如下所示［16-18］：

3.2 基于Vague 集ELINT 系統效能評估流程

基于Vague 集對ELINT 系統效能進行評估時，對于不同的ELINT 系統，各指標有不同的取值。將各指標的樣本值轉換為Vague 值后，就可以按照基于Vague 集的綜合決策規則進行決策分析處理，其運算流程如下［19］：

圖3 ELINT 系統效能評估流程

3.2.1 建立指標集范圍，x4為截獲概率，x5為截獲時間，x6為角度測量精度，x7為頻率測量精度，x8為脈寬測量精度，x9為重頻測量精度，x10為信號抑制度，x11為分選能力，x12為識別能力。

3.2.2 建立模糊集

根據式（9）和式（10），將指標樣本值由區間值或者單值數據轉換為Vague 值，構成樣本Vague 集。利用式（12），將樣本Vague 值轉換為樣本Fuzzy 值，構成樣本Fuzzy 矩陣。

3.2.3 建立期望Vague 集

區分效益型指標和成本型指標，比較待評價各系統下指標樣本的模糊值，取指標最佳期望模糊值對應的Vague 值，構成期望Vague 集B。

3.2.4 計算相似度量

通過比對各系統指標Vague 值和期望Vague 值的相似度，結合Vague 集的綜合決策規則可以對各系統優劣進行排序。ELINT 系統的不同指標在工作過程中發揮的作用是不一樣的。因此，在評價ELINT系統效能時，不同指標在決策中占的權重可能存在差異。對于各指標的權重可以由不同專家對指標權重打分，然后利用基于Vague 集的綜合決策規則確定最優指標權重，最后利用式（8）得到待測系統的加權相似度量，進而對待測系統進行評估。

4 實例仿真與結果分析

實際工作效能，得到各系統指標的樣本值，如表1所示。

4.1 建立指標樣本集

結合ELINT 系統工作原理和指標性質，各指標可以劃分為成本型指標和效益型指標。其中靈敏度、頻率搜索范圍、截獲概率、信號抑制度、分選能力、識別能力均為成本型指標，當指標取值越大時，指標能力越強；而截獲時間、角度測量精度、頻率測量精度、脈寬測量精度、重頻測量精度為效益型指標，當取值越小，指標性能越強，精度越高。因此，在評價時，要區分效益型指標和成本型指標的特點進行針對性地分析。此外，由于傳統的ELINT 系統工作頻率范圍一般在1 GHz～18 GHz 左右，因此，本文指標x3頻率搜索范圍取值范圍在1 GHz～18 GHz 范圍之內。

表1 ELINT 系統指標樣本集

表2 ELINT 系統Vague 集

4.2 建立指標模糊集

利用式（9）和式（10），將表1 中指標樣本值由區間值或者單值數據轉換為Vague 值，構成樣本Vague 集，如表2 所示。當系統的樣本指標值轉為Vague 集之后，僅僅通過Vague 集無法進行比較，所以，為了得到各系統指標的期望值，需要將各指標的Vague 集利用式（11）得到各系統的模糊集，構成模糊矩陣F。

整個評價方案的模糊矩陣F 可以表示為：

4.3 建立期望Vague 集

根據ELINT 系統工作原理，按照上文區分的成本型指標和效益型指標，結合模糊矩陣F，可以得到期望的Vague 集B，如表3 所示。

表3 期望Vague 集

4.4 計算相似度向量

根據式（7）計算A1，A2，A3，A4的Vague 集與期望Vague 集B 之間的相似度：

4.5 確定最優系統

基于Vague 集的綜合決策規則可知，待測系統Vague 集與期望Vague 集相似度越大，說明待測系統效能優于其他系統。因此，在本例中，效能排序為：

對于ELINT 系統而言，不同的指標在評估系統效能時，由于功能指向的原因在評估過程中所占的權重是存在差異的。對于當前ELINT 系統而言，系統的信號處理能力越來越重要。因此，通過專家賦權的方法，得到多個專家對指標的權重打分，而后同樣依據基于Vague 集的綜合決策規則，得到最優指標權重。

利用式（8），可以算出4 個系統的加權相似度向量：

因此，在本例中，則當系統的信號處理能力在整個ELINT 系統作用要求越來越高時，各系統的效能優劣排序為：

5 結論

ELINT 系統效能評估本質上是一個多指標綜合決策的過程，且決策過程中涉及到定性和定量的指標。本文利用Vague 集綜合決策規則對ELINT 系統進行效能評估，將所有的指標轉化到一定的區間集。綜合考量定量和定性指標的優劣，將單值評估結果轉化為定性模糊評估結果。在衡量ELINT 系統和改進ELINT 系統功能有著較好的運用前景。