基于二型模糊神经网络的电子战效能评估

夏军成，李　迪，李　超

(中国船舶重工集团公司第723研究所，扬州 225001)

基于二型模糊神经网络的电子战效能评估

夏军成，李迪，李超

(中国船舶重工集团公司第723研究所，扬州 225001)

摘要：电子战系统效能是一个综合指标，其部分因素包含信息不完全和不确定性，效能评估过程也相对涉及许多难以量化的模糊因素。为了评估电子战系统作战效能，首先给出了效能评估的指标体系，然后提出了基于二型模糊神经网络的电子战效能模型。仿真结果表明该方法简单有效而可行。

关键词：二型模糊神经网络；电子战效能模型；效能评估

0引言

电子战是现代战争掌握电磁权的重要乎段，也是电子战领域的一个重要课题[1-2]。评估电子战作战效能对实战、试验乃至电子战设备的研制都十分重要。作战任务的效能是多元函数，其由侦察、干扰等一系列动作构成，并且在评估过程中发现，由于电子战总体性能、人员情况、各设备情况等因素的影响，很难建立效能评估模型，并且模型当中的信息存在模糊性和不完全性。所以，效能评估算法也变得相对复杂。

近年来，模糊神经网络[3-5]由于结合了神经网络及模糊理论的双重优点，在各个领域都取得了丰硕的成果。在效能评估方面，也有众多研究学者为模糊神经网络建立评估模型。但所采用的模糊神经网络为一型模糊神经网络。本文将引入区间二型模糊神经网络[6]，其由前评和后评构成，前评为模糊集，后评为多层神经网络，可以用来逼近任意非线性函数，相对于一型模糊神经网络，其泛化能力更强。

1电子战评估指标体系建立

电子战效能评估是一个复杂的系统工程，影响因素很多。一般认为，电子战效能由电子支援、进攻和防护能力三大部分综合而成。电子战支援能力由对无线电信号的威胁识别告警、测向定位、设备维护保障、人员操纵技术、环境适应能力组成；电子进攻能力主要包括电子干扰、反辐射攻击、定向攻击、电子欺骗能力；电子防护能力按实施防护手段和方法的不同可分为抗干扰、电磁加固、屏蔽能力等多方面。评价体系如图1所示。

2二型模糊神经网络评估模型建立

效能评估系统实现过程是由自适应训练和映射组成。本文利用模糊神经网络对电子战系统的效能评估系统进行建模，由于是多输入，如采用单输出，其结构上不对称，使训练学习过程容易崩溃，因此采用多输出以满足系统需求。

图1　电子战效能评估指标体系

假设系统是多输入多输出系统，该系统具有no个输出，nu个输入，控制输入与输出向量分别用u=(u1,u2,…,unu)和yp=(yp1,yp2,…,ypno)表示，其中，nu,no分别代表输入输出维数，二型模糊神经网络结构如图2所示，每层的数学含义如下：

图2　二型模糊神经网络结构

第1层：该层直接将当前状态x(t)=(u(t),yp(t))作为输入。

第3层:该层每个节点对应一个模糊规则,以及作为空间激活强度Fi的函数节点。

第4层:该层的节点用来形成内反馈回路, 递归节点与当前节点的空间激活强度有关，并且依赖于前一时刻临时激活强度。

第5层:该层节点又称为后评节点，其作用在于将时间延迟算子与外部输入两者构造成一个线性模型。

(1)

2.1　模糊网络结构学习

通过在线学习产生规则，修正二型模糊神经网络结构。在结构学习过程中，二型模糊规则的产生由空间激活强度算子来决定，而其又具有区间界限，所以，这里取其中心值为：

(2)

(3)

每个新二型模糊集的中心值预先设定(设置σj=0.5)，新数据x(t)以后的每块输入表示为：

(4)

当新的模糊规则产生之后，其对应的二型模糊集的宽度及不确定均值可表示为：

(5)

(6)

在上面的模糊神经网络结构学习过程中，其隶属函数共享一个范围，而每个隶属函数的不确定均值范围可以通过下面的参考学习算法来调整。

2.2　参数学习算法

二型模糊神经网络的结构学习过程与参数学习过程同时进行。对任意一个新输入，不论其是否产生新的模糊规则，该网络中的所有参数都需重新调整，所以参数学习过程的最终目的是为了减少误差：

(7)

前件参数的信区这里采用梯度下降法：

(8)

式中:η为学习变量，本文中取值η=0.03，则：

(9)

(10)

(11)

(12)

(13)

(14)

式中:Pl，gl，pr，gr分别为L维、M-L维、R维、M-R维单位列向量;E1，E2，E3，E4分别为L维、M-L维、R维、M-R维误差列向量。

(15)

3仿真实例

在电子战效能评估中，其效能评估指标大部分采取定性描述。数值评估指标体系如表1所示，同时选取电子战效能资料为学习样本，如表2所示。以表2训练样本数据为样本输入，对二型模糊神经网络进行训练，结果见表3。

表1　数值评估指标体系

表2　训练样本

表3　网络训练结果

为了验证二型模糊神经网络的效能评估能力，随机选取指标值分别为5.3，4.6，4.4，3.8，5.2，7.8，3.2，6.7，4.2，6.8，3.6，4.6，5.5，6.3，5.5，4.3。通过数值对比和专家评估打分，可以判断该电子战的作战效能为一般，而二型模糊神经网络的输出值为0.067 5,0 .997 1, 0.071 3, 0.084 3，其效能评估为一般。可见专家的定性判断结果与二型模糊神经网络的效能评估结果两者基本一致。

4结束语

本文针对电子战作战系统的效能评估特点，提出符合电子战作战系统特点的自适应作战效能评估模型：从电子支援能力、电子干扰能力及电子防护能力3个方面对电子战的作战效能作出综合评估。利用二型模糊神经网络对电子战作战效能进行评估，将定性分析与定量分析相结合。仿真实例表明该方法是有效的和可行的。

参考文献

[1]周刚.电子战系统作战效能FUZZY评估[J].舰船电子对抗,2002,25(1):7-9.

[2]刘永红.电子对抗系统作战效能模型及其应用[J].电子对抗技术,2002,17(5):27-32.

[3]陈绍顺,王颖龙,任全.基于模糊神经网络的导弹武器攻击系统的效能评估模型[J].导弹与航天运载技术,2004(31)：51-54.

[4]蔡镜, 陈晓,包元晖.基于模糊神经网络的单兵装备效能评估专家系统[J].计算机工程与科学,2005,6(27)：98-102.

[5]李智生,李钊.基于模糊神经网络的雷达对抗效能评估[J].专题技术与工程应用，2006,12(26)：48-52.

[6]陈向坚，李迪，白越，续志军.模糊神经网络在自适应双轴运动控制系统中的应用[J].光学精密工程,2011,19(8)：1644-1650.

Efficiency Evaluation of EW Based on Type ⅡFuzzy Nerve Network

XIA Jun-cheng,LI Di,LI Chao

(The 723 Institute of CSIC,Yangzhou 225001,China)

Abstract:The efficiency of electronic warfare (EW) system is a compositive index,and the information involved in part factors is incomplete and uncertain,so the process of efficiency evaluation may relate to many fuzzy factors that are difficult to be quantified.In order to evaluate the campaign efficiency of EW system,this paper firstly presents the index system of efficiency evaluation,then brings forward the EW efficiency model based on type Ⅱ fuzzy nerve network.The simulation result shows that the method is simple,effective and feasible.

Key words:type Ⅱ fuzzy nerve network;electronic warfare efficiency model;efficiency evaluation

收稿日期:2014-11-11

DOI:10.16426/j.cnki.jcdzdk.2015.03.020

中图分类号：TN97

文献标识码：A

文章编号：CN32-1413(2015)03-0074-03