雷达综合抗干扰效能评估方法指标研究

何小锋

(91404部队，河北 秦皇岛 066000)

0 引 言

现代战争是高科技的战争，不仅仅是制空权、制海权之间的竞争，更是制电磁权之间的竞争。当今几场局部高科技战争如伊拉克战争、利比亚战争中表现的尤为突出，美国凭借着强大的电磁设备取得了战争的胜利。战场上电磁环境复杂多变，战争双方干扰和反干扰你来我往。由于电磁波看不到摸不着，评估电子装备的性能非常困难，作战效果的评估往往采用战后数据的分析。所以，如何准确、时效地评价雷达系统的抗干扰性能已成为雷达研制和使用部门人员关心的重要课题。

战场上电磁环境复杂，干扰类型、干扰功率、干扰密度、雷达设备性能、体制、综合抗干扰措施存在差异，要准确、实时、全面地评估对抗效能是非常复杂的系统工程。目前的文献资料主要介绍了雷达抗干扰的评估准则、方法、指标体系。欧美以及国内专家从理论到工程应用方面对雷达抗干扰效能评估方面作了大量研究工作，取得了大量的理论研究成果。但是，由于抗干效能评估的复杂性，抗干扰效能评估实际评估效果报道几乎没有。

抗干扰效能评估方案主要有试验法、仿真法和解析计算法。解析法结合仿真及局部试验的方式评估雷达的干扰抗干扰性能仍是目前主要的方法。本文总结了关于抗干扰评估的方法，分析了加权模型、多层次模糊模型、神经网络评估模型，建立了战场探测系统综合评估模型。基于此模型，利用仿真数据对3种评估模型雷达进行了演算，比较了3种方法的优缺点，对综合探测抗干扰效能评估提供了一定的借鉴作用。由于试验数据的局限性，需要进一步通过数据优化模型。

1 评估准则以及评估方法

抗干扰评估准则主要有功率准则、概率准则和效率准则[1-2]。功率准则、概率准则主要针对噪声压制和转发式干扰。效率准则也叫战术准则。效率准则将抗干扰效果和作战使命联系起来，采取抗干扰措施前后的指标变化来评估，采用抗干扰措施前后的指标变化表征抗干扰效能。利用效率准则，通过直接比较不同环境下的指标变化检测数据就可以得出雷达抗干扰评估结果。目前比较常用的评估方法主要有加权模型、多层次模糊模型、神经网络评估模型。

1.1 加权评估

加权评估模型[3-4]是传统的评估方法。它首先确定评估指标模型，可定义单层和多层评估指标模型，根据评估指标模型通过专家打分等形式。本文评估模型见第2节，确定各层指标的重要性判断矩阵，计算各指标在系统效能评价体系中的重要性权重，通过试验计算评估模型指标值，利用各指标重要性权重对各评估指标进行加权得到抗干扰效能。加权评估流程如图1所示。原则上讲，通过大量对抗试验，加权评估获取相应的数据，再根据效率准则来评价雷达抗干扰效果，得出的结果是最可靠的。但实际上，大量对抗实验的实现往往受到各种因素的制约而难以有效地进行，并且加权评估指标采用专家打分的形式，有一定局限性。

图1 加权评估流程

1.2 多层次模糊评估

多层次模糊评估[5-7]是通过应用模糊数学的处理方法，对各因素集建立相应的模糊评价模型，得到最终干扰效果的一个模糊判决模型。

多层次模糊评估首先建立多层次模糊评估模型，然后确定评估指标，计算指标权重；另一方面，需要计算评估指标值和建立评估集，根据隶属度函数、指标计算结果和评估集得到评价模糊矩阵，其流程如图2所示。

图2 模糊评估流程

(1) 建立模糊评判模型

首先确定综合评判模型。对于雷达抗干扰性能的评估，评估的有关因素很多，很难合理地给出权重的分配，即很难真实地反映各因素在整体评判中的地位。多层次模糊评估考虑采取多级评判，将复杂的因素分解为较简单的下一级诸因素。单因素评判便可由下一级诸因素的综合评判获得。在雷达抗干扰性能评估中，因素集就是评估的指标体系。

(2) 建立权重集

各个因素在评估中具有的重要程度不同。对于重要的因素应特别看重。对于不十分重要的因素，虽然应当考虑，但不必看重。对各个因素按其重要程度给出不同的权重，就可以得到因素集权重。

(3) 确定评估集

确定评估集，用诸如“很好、好、中等、差、很差”的一组模糊语言评价抗干扰效果的优劣。这组语言同时将抗干扰效果分成对应的若干等级。

(4) 计算模糊综合评判矩阵

模糊数学用0～1之间的数描述模糊性，表明了两个事物与概念相互符合的程度，也就是隶属度。隶属度随指标因素变化的函数就是隶属函数。确定隶属函数的常用方法有模糊统计法、三分法、模糊分布、专家打分法等，其中最常用的为模糊分布法。对于评价级别的划分，可以采用将[0,1] 区间分成若干段的方法，每一段对应地表示一个等级。隶属度评判矩阵解决了指标变化引起的权重变化，例如压制干扰时假目标剔除率的权重随之变化。

(5) 模糊综合评判

采用极大极小型、乘积取大型、加权平均型等，均满足保序性和综合性，进一步给出明确的评估结果。

1.3 BP神经网络评估法

BP神经网络[8-10]是应用最广泛的神经网络。它基于反向传播学习算法的多层网络模型，由输入层、输出层和隐层(可1层或多层)及其前向连接而成，具有非线性映射能力强、容错能力好、局部寻优能力强等特点。BP 神经网络由丰富的神经元组成，通过迭代训练修正神经元的权值和阈值，可以实现任意的非线性映射关系。BP 神经网络成为一种抗干扰效能评估的有效手段。典型的神经网络模型如图3所示。

图3 BP神经网络模型

神经网络评估方法需要大量的学习样本，并且输入输出样本必须具有权威性。这样经过训练的BP网络才能真实、可靠地反映雷达的综合抗干扰能力，对于不是样本集中的输入也能给出合适的输出，克服了人为确定权重的困难及模糊性和随机性的影响。这是一种智能综合评价方法。

2 基于多传感器融合的指标模型

建立合理的评估指标模型是抗干扰效能评估的依据和基础。为了全面反映战场雷达综合抗干扰作战效能，建立一套多层次的、完整的指标模型才能对抗干扰效能做出全面的客观评估。本节在文献[11]的基础上，引入了信息融合处理的指标。指标模型主要选取决定雷达性能的战术指标，更好地反映作战效能。同时，选取了单雷达的固有抗干扰措施指标。单传感器性能指标客观上可反映雷达的抗干扰性能。主要指标包括雷达威力变化、精度改善、假目标剔除率、真目标识别率(TTR)，以及航迹质量、抗干扰措施。其中，前5个指标不但适用于单雷达抗干扰，也适用于综合抗干扰信息融合抗干扰指标。建立的指标模型如图4。

图4 战场综合抗干扰效能评估指标

(1) 雷达探测威力

雷达威力变化指标用来表示干扰前后和采取抗干扰措施前后的威力变化程度。采取抗干扰措施前后威力改善程度用于抗干扰效能评估。由于干扰前后和采取抗干扰措施前后的威力变化程度需要录取数据，无法实时处理，威力基准可采用雷达的性能指标，对典型目标、RCS录入数据库，可通过等效换算得到不同距离单元的信噪比。当雷达受到干扰后，通过识别目标类型，计算雷达威力的变化。

(2) 精度改善

用于抗干扰效能评估时，测距/测角精度改善因子是指干扰机开启，雷达采取抗干扰措施前后雷达系统测角和测距的变化。由于精度计算需要目标位置真值，同威力变化，需要录取数据，目标装备GPS，指标只能在试验时得到。为了得到相近的计算，可根据目标信噪比变化，目标航迹的平滑拟合得到假定精度。

(3) 假目标剔除率

假目标数是指在一个波束驻留内假目标多少。假目标数量减少的越多表示抗干扰效果越好。假目标剔除率是指采取抗干扰措施前后检测到的假目标数的变化，由下式进行计算：

其中，N0表示采取抗干扰措施前覆盖空域内雷达检测到的虚警目标个数，Nk表示采取抗干扰措施后覆盖空域内雷达检测到的虚警目标个数。

(4) 真目标识别率(TTR)

真目标识别率是指在给定时间范围内覆盖空域中真实目标被正确检测的概率，真目标识别率由下式进行计算：

其中，N0表示雷达受到干扰时给定时间范围内覆盖空域中真实目标的数量，Nk表示采取抗干扰措施后给定时间范围内覆盖空域中能够检测到真实目标的数量。

(5) 航迹质量

航迹质量一定程度上反映了目标检测的概率。航迹质量定义为正常跟踪的一段时间内接收到的存在有效点迹的帧数/总帧数。跟踪时间内的总帧数为Nmax，其中有效点迹的帧数为N，则航迹质量K为

(6) 固有抗干扰措施

抗干扰措施是雷达的固有属性。目前的抗干扰措施主要有副瓣对消、副瓣匿影、频率分集、频率捷变等，根据雷达自身的抗干扰措施进行打分。

3 仿真分析

根据第2节建立的评估模型建立仿真的指标体系。假设战场包括了3部雷达，雷达性能不同，受到干扰的程度不同。建立评价集，按“优、良、一般、较差、差”区分，设定评价集矩阵V=[1，0.8，0.6，0.5，0.4]。根据文献建立样本数据，采用传统的加权评估法，基于层次分析(AHP) 的模糊法和神经网络对样本数据进行评估。

表1 列出了对3部雷达样本加权评估、AHP模糊评估和神经网络评估对应的评估值(已归一化)。其中，数据1为3部雷达同一试验中不同性能指标评价集，数据1、2、3是相同3部雷达不同试验结果的评价集。图5给出了9组样本的评估结果。从图中可以看到，3种方法对样本评估基本一致，最大值为第1组数据神经网络和加权评估差0.12。加权评估需要对各指标设定权重。由于固定性能指标忽略了威力、精度的重要性，偏差较大，模糊综合评估法和神经网络法的结论是一致的。

AHP模糊评估建立了指标的综合评判矩阵，能够得出相对正确的结论。神经网络法需要通过训练探求输入输出之间的内在联系，找到它们之间的非线性映射关系。由此对比结果可以证实3种方法在特定条件下一致。模糊评估法和加权法必须有专家的参与。相比之下，神经网络法只有在样本获取时寻求了专家的帮助。网络一旦训练好就不再需要其他外部条件，降低了主观因素和随机因素的影响。神经网络法在这一方面更占优势。表中利用神经网络模型对3部雷达的综合效能进行了评估。由于3部雷达共享数据，评估结果更偏重固有性能高的雷达。

表1 抗干扰性能比较

图5 3种评估方法评估结果

4 结束语

本文根据文献总结了关于抗干扰评估准则，分析了加权模型、多层次模糊模型、神经网络评估模型，建立了战场探测系统综合评估模型。基于此模型，利用仿真数据对3种评估模型雷达进行了演算，比较了3种方法的优缺点。由于目前的文献资料主要集中在理论研究方面，文献报道的试验数据较少，本文建立的战场探测系统综合评估模型对工程应用有一定的借鉴意义，但仍需要大量的数据进一步分析验证。