基于多源试验数据的反舰导弹抗干扰性能评估方法

费惠佳，崔连虎(中国人民解放军91336部队，河北秦皇岛066326)



基于多源试验数据的反舰导弹抗干扰性能评估方法

费惠佳，崔连虎
(中国人民解放军91336部队，河北秦皇岛066326)

摘要:抗干扰性能评估是反舰导弹试验鉴定的一项重要任务。分析了反舰导弹抗干扰性能评估的基本问题和方法，并提出了基于多源试验数据的评估方法;利用基于投影模型的直觉模糊的信息集成方法和基于动态直觉模糊的信息集成方法对抗干扰性能评估指标体系逐层进行运算，全面、直观地反映反舰导弹的抗干扰能力。

关键词:反舰导弹;抗干扰性能评估;多源试验数据;直觉模糊

0　引言［1-2］

对反舰导弹抗干扰能力进行有效的评估，确保反舰导弹的复杂电磁环境适应能力，是武器装备试验鉴定的一项重要任务。基于多源试验数据的反舰导弹抗干扰能力综合评估，是综合利用外场飞行试验、内场仿真试验提供的试验信息，通过对多源试验数据信息进行融合处理，对反舰导弹的抗干扰性能做出综合性的评价。可在提高效费比的同时，有效提升评估信息的全面性和评估结果的有效性，不仅能够为反舰导弹试验鉴定提供决策信息支撑，而且还能发现反舰导弹抗干扰能力分类指标中的薄弱环节，为改进反舰导弹的抗干扰技术、提高反舰导弹抗干扰能力发挥促进作用。本文主要讨论如何利用直觉模糊信息集成理论解决基于多源试验数据的反舰导弹抗干扰性能评估问题。

1　抗干扰性能评估的基本问题和方法［3-6］

1．1基本问题

1)干扰效果评估中的多因素问题

影响导引头干扰效果的因素有很多，而所有这些因素之间的相互关系颇为复杂。理想的情况是，列举出所有影响干扰效果的因素，并给出它们与最终干扰效果的清晰的函数关系，而这些函数关系往往十分复杂，通常难以用数学表达式明确地描述。如果考虑所有的因素，评估问题将变得十分繁杂，所以评估过程中只能尽可能相对完备地选取因素集，近似地估计它们与最终干扰效果的关系，得出相对准确、全面的结果。

2)评估指标粒度问题

反舰导弹抗干扰性能评估指标体系按照层次之间的递进关系进行分解直至具有明确内涵及测度性的最底层，指标之间的关联尽可能少。评估指标体系粒度不必很细，层次也不必太深，能在一定层次反映出反舰导弹的抗干扰性能即可。比如对反舰导弹在干扰条件下的跟踪性能，反舰导弹的抗干扰性能评估层次只需要关注通过试验数据分析其距离跟踪精度和角度跟踪精度等指标，对跟踪精度受干扰是由哪些因素造成的则不做考虑。

3)干扰效果评估中的模糊问题

我们平时习惯说某干扰效果“好”或“坏”，但这并不能表达干扰效果好到什么程度或者坏到什么程度，甚至很难说清“好”与“坏”的界限在哪里。用模糊数学的观点来说，干扰效果的这种特性就是模糊性，在雷达对抗过程中，影响导引头干扰效果的诸多因素，大多具有固有的模糊性，它们之间的关系更具有很强的不确定性和模糊性，理论和实践均已证明，运用模糊数学的方法处理具有模糊性的问题较之传统的数学方法有独特的优势。将模糊的方法引入干扰效果评估或电子对抗领域，是解决这一类问题极具潜力的新途径。

1．2基本评估方法

目前，国内外雷达界在雷达抗干扰能力评估方面，做了不少卓有成效的工作，提出了以功率准则、信息准则、概率准则、战术应用准则(效率准则)等为代表的评估准则;研究了丰富多样的评估方法，如专家调研法、WSEIAC法、层次分析法、模糊法、多属性决策法、灰色评估法、神经网络法等，在此基础之上，又发展出综合运用多种评估方法的评估方案，如模糊层次分析法、基于专家知识的多属性决策方法等。上述各种评估方法在军事系统中早有应用，每种方法都各自的优缺点。

2　直觉模糊信息集成方法

反舰导弹抗干扰能力评估是一个多指标、多层次的综合型问题，评估结果不仅要体现对反舰导弹个体型号抗干扰能力的综合评价，而且要反映不同型号个体之间的差异性，以对在不同战场环境下优化反舰导弹作战效果提供决策支持。近年来，直觉模糊信息集成理论逐渐成为研究热点，为方案选优、综合评估等多属性决策方法提供了有力的分析评估工具，本文主要研究将直觉模糊信息集成方法应用于反舰导弹的抗干扰能力综合评估。

2．1基于投影模型的直觉模糊的信息集成方法

权重向量ω= (ω1，ω2，…，ωm)T为指标Gj(j = 1，2，…，m)的权重向量，待评估项目Yi的得分向量为S(Yi) = (S(di1)，S(di2)，…，S(dim) )T，定义Yi的加权得分向量为:

取理想点加权得分均为1，则Sω(Y+) = (ω1，ω2，…，ωm)T，可将式(4)变换为如下形式:

定义S'ω(Yi)和S'ω(Y+)之间夹角的余弦函数为:

定义S'ω(Yi)在S'ω(Y+)上的投影公式为:

利用DIFWA算子对待评估项目集进行评估，步骤如下:

把所有的直觉模糊决策矩阵D(tk) = (dij(tk) )n×m集成为综合的直觉模糊决策矩阵D = (dij)n×m。

分别计算项目Yi和直觉模糊正、负理想点之间的距离:

计算每个项目的贴近系数:

根据项目的贴近系数c(Yi)对所有项目进行排序，贴近系数c(Yi)越大，说明其评估结果越好。

3　基于直觉模糊的反舰导弹抗干扰性能评估

3．1反舰导弹抗干扰性能评估层次模型

本文将反舰导弹抗干扰性能综合评估分为从下至上四个层次，如图1所示。第一层为抗干扰性能单项指标，可由试验数据分析得出;利用基于投影模型的直觉模糊信息集成方法对各单项评估指标进行信息融合，得到各单项指标的综合评估信息，即评估问题中的第二层:目标检测性能、跟踪性能和命中性能的评估结果;第三层是试验手段层次，综合利用外场飞行试验、内场半实物仿真试验和数字仿真试验三种试验方法的试验数据;第四层为反舰导弹的抗干扰性能综合评估，利用不确定动态直觉模糊信息集成方法对各种试验手段下的综合评估信息进行融合，最终得到基于多源试验数据的评估结果。

3．2多源试验数据一致性检验

由于试验数据来源于不同的试验手段，即使按照相同的试验条件构造试验环境，由外场飞行试验、半实物仿真试验和数字仿真试验观测的试验数据仍然会存在较大差异。基于多源试验数据的反舰导弹抗干扰性能评估要求不同来源的试验数据具有一致性，报告将这种一致性归纳为两个方面:一是试验数据自身的合理性，又称动态一致性，例如仿真试验中导弹飞行高度、速度、过载等参数不能超出导弹实际所具备的能力相对的参数，主要通过判别比较法、Theil不等式法、误差分析法、灵敏度分析法、正态总体一致法等方法进行检验;二是多源试验数据试验分析结果的一致性，又称静态一致性，如根据外场飞行试验和半实物仿真试验数据分析，在相同试验条件下A的跟踪性能优于B，但根据数字仿真试验，相同试验条件下，B的跟踪性能却优于A，说明三种试验数据存在不一致性，不能用于试验数据融合处理。

图1　反舰的导弹抗干扰性能评估层次模型

3．3基于投影模型的直觉模糊多指标综合评估

反舰导弹抗干扰性能单项指标的评分可由试验数据分析直接得出，本文不再讨论。反舰导弹的目标检测性能、目标跟踪性能和命中制导性能的评估结果，以各单项指标的评分为基础进行计算，对三个性能指标的评估采用同一评估方法，以跟踪性能指标的评估为例进行评估。

有三个型号的导引头，分别标记为Y1、Y2、Y3。评估指标包括:角度跟踪精度G1;距离跟踪精度G2;跟踪时间饱和度G3;跟踪不连续度G4。各指标对应的权重向量为ω= { 0．3，0．3，0．2，0．2}。假设各单项指标的评分如表1所示。

表1　单项指标得分

利用式(2)计算各型号的加权得分向量模，得:

利用式(11)可将各得分向量在理想点上的投影计算结果映射到区间［0，1］，映射后各型号导引头跟踪性能评分分别为: s(Y1) = 0．702，s(Y2) = 0．466，s(Y3) = 0．85。

无论是对表1进行直观观察，还是利用式(2)、式(7)计算结果进行分析，都能得出一致结论:各型号反舰导弹在干扰情况下的跟踪性能由强到弱依次为Y3、Y1、Y2。最后将结果映射到区间［0，1］，主要是为了下一步多种试验手段信息融合计算方便。

3．4基于动态直觉模糊的多源试验信息融合

3．4．1直觉模糊决策矩阵

利用3．3节方法可计算出各个型号导引头在不同试验手段下的目标检测性能、目标跟踪性能和制导命中性能评分，根据不同试验手段分别构造直觉模糊决策矩阵。直觉模糊决策矩阵各元素包括隶属度、非隶属度和犹豫度三个点数据，隶属度可直接取值为3．3节各指标的计算结果，犹豫度忽略不计，非隶属度按如下方法计算:设指标Gi对型号Y的隶属度为αi，则其非隶属度取值为βi= 1－αi。这样并不是不考虑犹豫度的影响，而是将犹豫度并入非隶属度一同考虑，这可能会导致评分结果较实际值偏低，或者可认为评分要求更加严苛。设有三个型号导引头Y1、Y2、Y3，现考察三个型号导引头在不同试验手段下的目标检测性能(G1)、目标跟踪性能(G2)和制导命中性能(G3)，构造直觉模糊矩阵如表2～4所示。

表2　数字仿真直觉模糊决策矩阵(Dt1)

表3　半实物仿真直觉模糊决策矩阵(Dt2)

表4　外场飞行试验直觉模糊决策矩阵(Dt3)

3．4．2动态直觉模糊信息集成

利用2．2节方法将各直觉模糊决策矩阵集成为综合的直觉模糊决策矩阵D = (dij)3×3，设目标检测性能、目标跟踪性能和制导命中性能指标的权重向量为ω= (0．25，0．35，0．4)T，数字仿真试验、半实物仿真试验、外场飞行试验的域权重向量为ω(t) = (0．15，0．30，0．55)T，得到直觉模糊综合决策矩阵如表5所示。

表5　直觉模糊综合决策矩阵

设直觉模糊理想点为Y+= (1，0，0)T、Y－= (0，1，0)，Y+物理意义是各种干扰不会对反舰导弹各方面性能产生影响，Y－的物理意义是反舰导弹不具备任何抗干扰能力。利用式(10)计算各型号的抗干扰能力与直觉模糊理想点之间的贴近系数分别为: c(Y1) = 0．678，c(Y2) = 0．461，c(Y3) = 0．785。

贴近系数的取值区间为［0，1］，从计算结果分析，Y3与理想点Y+的贴近系数为0．785，其抗干扰能力很强; Y1与理想点Y+的贴近系数为0．678，具备较强的抗干扰能力; Y3与理想点Y+的贴近系数为0．461，其抗干扰能力一般。从表2～4进行直观观察，可得出同样的结论，经过融合后的评估信息与真实试验结果具有一致性。

需要说明的是，理想点的选取对于最终的评估结果具有重要影响，本文中所采用的Y+和Y－理想点均为该理论框架下的极值，但是实际应用中这种理想状态往往并不存在，而且工程中也不可能达到，因此，对于正负理想点的选取需要根据实际情况进行确定，一旦确定了理想点，同一层次的评估计算都要采用相同的理想点，但对于不同层次的评估计算，可采用两组不同的理想点。理想点的改变，会影响各被评估项评分在区间上的绝对位置，但不会改变各被评估项评分之间的相对位置。

4　结束语

本文提出一种基于直觉模糊信息集成方法的反舰导弹抗干扰能力综合评估方案，通过对多源试验数据信息的独立分析以及在此基础之上的信息融合，对反舰导弹的综合性能做出直观、全面的评估。各型号导引头抗干扰性能与直觉模糊理想点的贴近系数上直观体现了反舰导弹的抗干扰能力强弱，对各层次指标的综合分析，体现了评估方法的全面性。本文方法对反舰导弹抗干扰性能综合评估具有一定的参考价值。

参考文献:

［1］杨榜林，岳全发，等．军事装备试验学［M］．北京:国防工业出版社，2002．

［2］曲宝忠，孙晓峰，等．海军战术导弹试验与鉴定［M］．北京:国防工业出版社，2005．

［3］余英林，李海洲，等．神经网络与信号分析［M］．广州:华南理工大学出版社，1994．

［4］李潮，张巨泉．雷达抗干扰效能评估理论体系研究［J］．航天电子对抗，2004 (1) : 30－33．

［5］黄洪旭，张巨泉，徐晖．雷达抗干扰能力评估的现状及设想［J］．航天电子对抗，2001 (1) : 25－28．

［6］魏保华．雷达干扰效果评估准则与方法研究［D］．长沙:国防科技大学，2000．

［7］Xu ZS，Yager RR．Dynamic intuitionistic fuzzy multiple attribute decision making［J］．International Journal of Approximate Reasoning，2008，48: 246－262．

Anti-jamming performance evaluation of anti-ship missile based on multi-source test data

Fei Huijia，Cui Lianhu
(Unit 91336 of PLA，Qinhuangdao 066326，Hebei，China)

Abstract:Anti-jamming performance is very important for anti-ship missile assessment．The basic principle and methods of anti-jamming performance evaluation of anti-ship missile are analyzed，and an evaluation method base on multi-source test data is proposed．Anti-jamming performance evaluation index computation is phased through the projection model of intuitionistic fuzzy information integration and dynamic intuitionistic fuzzy information integration，which could across-the-board and obviously reflect the anti-jamming performance of anti-ship missile．

Key words:anti-ship missile; anti-jamming performance evaluation; multi-source test data; intuitioni-stic fuzzy

作者简介:费惠佳(1985－)，男，助理工程师，硕士，从事导弹制导仿真工作。

收稿日期:2015－09－25; 2015－11－27修回。

中图分类号:TN973．1; TJ761．1+4

文献标识码:A