基于云模型的某型干扰机通信对抗训练效果评估方法

任喜珂，刘东青，姜 磊，黄 诚

（95510部队，贵阳550025）

0 引 言

某型干扰机在未来大规模作战和应对周边突发事件中可对敌空、海作战体系中的指挥通信、卫星导航和雷达敌我识别等系统实施防区外干扰压制，为我空中进攻作战和多军兵种联合作战提供信息对抗支援。随着通信对抗技术的不断发展、通信电子对抗侦察、干扰装备的不断升级更新和列装部队，未来战场电磁环境将日趋复杂，对某型干扰机通信对抗训练效果进行定量评定也就十分必要。

通信对抗电磁环境具有工作频率范围宽、调制方式多、工作体制多、信息种类多的特点。对某型干扰机通信对抗训练效果的评估不仅包含定量指标，也包含定性指标。通信对抗训练效果评估不仅是模糊的，且不同专家对其评估指标理解具有随机性的特点，其测量结果由于电磁环境影响也具有不确定性。因此，对通信对抗训练效果进行评估时，既要考虑各个评估指标的模糊性，也要考虑训练效果评估值向评语映射的不确定性。20世纪90年代初期，李德毅院士在传统模糊数学和概率统计的基础上提出了定性定量互换的云模型，把模糊性和随机性完全集成在一起，构成定性和定量相互映射，实现了定量与定性概念之间的不确定性转换。［1］何洪成采用云重心评判方法，较好地把主客观信息融合在一起，构成了定性和定量间的映射，有效地处理系统的不确定性。［2］雷志良等人运用层次分析法确定指标权重，使用云模型对系统的效能进行评估，解决了多指标综合评价问题，全面、客观地反映了系统的性能。［3］罗赟骞等人针对网络性能评估中存在的模糊性和随机性问题，采用云模型和熵值理论建立综合评估模型，实现了评语与评估指标值之间的不确定映射，并且保留了评估过程中的随机性。［4］在对通信对抗训练进行效果评估时，由于人的主观因素以及客观复杂电磁环境的影响，导致其评估过程中存在较大的模糊性和随机性问题，基于云理论的评估方法即可较好地解决通信对抗训练效果评估中存在的问题。

本文综合上述评估方法的优点，首先采用层次分析法建立评估指标体系，然后通过熵权法求出各指标的权重，最后使用云模型对通信对抗训练效果进行综合评估，得出定量的评估值。

1 基于云模型的通信对抗训练效果评估模型

云模型可以改变定性与定量值之间的不确定性。假设U是一个用精确数值表示的定量论域，C是U上的定性概念，若定量值x∈U，且x是定性概念C的一次随机实现，x对C的确定度μ(x)∈[0，1]有稳定倾向的随机数μ：U→[0，1] ∀x∈Ux→μ(x)，则x在论域U上的分布称为云，每一个x被称为一个云滴。［1］云由许多云滴组成，云的整体形状反映了定性概念的重要特性，云滴则是对定性概念的定量描述。云滴的产生过程表示定性概念和定量值之间的不确定性映射。［4］

正态云是最重要的云模型，其期望曲线是一个正态型曲线，通常由期望Ex、熵En和超熵He三个特征值表征：期望Ex是一个概念在其所处论域中的中心值，是定性概念最具有代表性的值［3］；熵En是定性概念的可度量程度，反映了在概念空间中可以接受的云滴的取值范围，体现了定性概念的不确定性，［3］熵越小越好，说明期望越能代表概念，熵越大，取值范围越模糊；超熵He是熵的熵，它是熵的不确定性的量度，由熵的随机性和模糊性决定，反映了云滴的离散程度［3］，超熵越大，云的离散程度越大，隶属度越大，云的厚度也越大。

建立合理完备的指标体系是进行通信对抗训练效果评估的基础。因此，按照合理性、实用性、客观性的构建原则，采用层次结构模型，构建某型干扰机通信对抗训练效果评估指标体系，如图1所示。

图1 训练效果评估指标体系

2 基于熵权法的通信对抗训练效果评估指标权重

目前，对通信对抗训练效果进行评估时通常采用主观方法确定权重，导致评估结果由于人的主观因素出现偏差。在信息论中，熵值反映信息的无序化程度，可以用来度量信息的大小，某项指标携带的信息越多，表示该指标对决策的作用越大，而信息熵能度量指标所携带信息的大小［5］。因此，该干扰机的通信对抗训练效果评估可采用熵权法来确定指标权重的相对大小。熵权法根据各指标的变化，利用信息熵计算各指标的熵权，然后通过熵权修改各指标的权重，从而得到更为客观的指标权重。

假设在训练效果评估中有m个要素，每个要素有n个指标，第j个要素的第i个指标的值为xji（1≤i≤n，1≤j≤m），形成原始矩阵为X＝（xji）m×n。计算步骤如下：

Step1：计算第i个指标下第j个要素指标值的比重pji

Step2：计算第i个指标的熵值ei

Step3：计算第i个指标的熵权ωi

最后，可得出各指标的权重为

3 侦察与干扰效果分析

侦察效果主要包括信号截获概率、信号参数测量、信号属性判别、信号测向定位4个评估指标。信号截获是通信对抗侦察的首要任务，主要由空域是否重合、频域是否重合、时域是否重合以及能量是否足够决定其截获能力；信号参数测量主要由中心频率、带宽、调制样式、信号相对电平、符号速率、跳频速率、频率集等技术参数是否测量准确来确定；信号属性判别主要由信号内部特征、通联关系以及网台属性判别是否准确来确定；信号测向定位主要由测向精度、定位精度来衡量。

干扰效果主要包括干扰目标选择、干扰阵位设置、干扰参数设置、干扰时机选择、干扰压制效果五个评估指标：干扰目标主要包括空中目标、海上目标以及地面目标；干扰阵位设置主要由通干比和飞机是否处于干扰盲区来评价；干扰功率、干扰带宽、干扰样式、干扰频点数是评价干扰参数设置的主要指标；干扰时机选择主要由空域上干扰波束是否对准、时域上干扰波束对准目标时长、频域上干扰频点覆盖率来确定；干扰压制效果主要由话音中断率（话音中断时长／满足干扰条件时长）、态势中断率（态势中断时长／满足干扰条件时长）、干扰有效率（中断时长／干扰时长）来决定。

4 实例分析

通信对抗的训练效果评估使用云模型评估方法。首先选取关键性指标，再用正态云表示定性指标，并根据指标的分层综合评价通信对抗的训练效果。评估流程图如图2所示。

图2 评估流程图

针对某型干扰机的通信对抗系统，进行实例训练效果评估，具体步骤如下：

Step 1：建立指标状态表

从专家经验定性评价数据库中选取4组状态样本值，某型干扰机通信对抗训练效果评估指标状态表见表1所示。

表1 训练效果评估指标状态表

Step 2：建立评语量化表

该评估系统采用11个评语作为训练效果的评价，并将评语进行量化，如表2所示。

表2 评语量化表

Step 3：将指标状态表转换为决策矩阵

根据评语量化表对应的定量值将样本值直接转化为数量值，由此构建出决策矩阵X：

Step 4：求各指标的云模型表示

云模型用3个特征值来表征，即期望Ex、熵En和超熵He。

根据决策矩阵X，用式（5）、（6）、（7）、（8）可分别求出各指标的期望Ex、熵En和超熵He，如表3所示。

表3 指标的Ex、En、He

Step 5：计算效能评估指标的权重

熵权法是一种客观赋权法，可以在一定程度上避免主观随意性。由式（1）、（2）、（3）、（4）可计算出训练效果评估中各指标的权重，如表4所示。

表4 各指标的权重

Step 6：计算综合云重心向量T

选用一个p维综合云表示具有p个性能指标的系统状态。p维综合云重心T可通过一个p维向量来表示，即

通过式（9）、（10）、（11）可求出评估系统训练效果评估指标的综合云重心向量为

Step 7：综合云重心归一化

假设系统理想状态下各个指标的设定值是已知的，理想状态下p维综合云重心的位置向量为

云重心的高度向量为

则理想状态下系统云重心向量为

在这种情况下，通过综合合成云的重心向量来对向量集进行归一化，得到一组向量

由式（14）、（15）可得综合云重心的归一化向量为

Step 8：计算加权偏离度

设加权偏离度为θ，则

根据式（16），可以得到加权偏离度为θ＝－0.672，即相对理想状态的偏离度为0.672。

Step 9：输出评估结果

将加权偏离度放入评语量化表中，则θ落在两个评价等级之间。根据最近邻法进行判别，将θ值与相邻两个评语量化值之差的绝对值进行比较，绝对值小的那一边即为最终输出的评估结果。在本次训练效果评估中，θ落在“较好”与“好”之间，通过最近邻法进行判别得出评估结果为“好”。

分析某型干扰机通信对抗训练效果的评估过程和实验数据，测向定位、信号截获概率以及干扰压制效果所占权重较高，其余指标权重较为均衡，说明在通信对抗领域信号截获概率高，测向定位准是前提，达到有效的干扰压制效果是最终目的。因此，在常规训练和重大演习演训任务中可着重训练上述3个方面的能力，以快速提升训战水平和作战能力。

5 结束语

本文以某型干扰机的通信对抗训练效果评估为例，采用基于云理论的评估方法，较好地将主客观信息相融合，实现了训练效果评估指标值向评语的不确定性映射，有效地处理了通信对抗的模糊性、随机性问题；同时，使用熵权方法确定训练效果评估指标的相对权重，避免了主观确定各评估指标权重的问题，提高了评估的准确性和可信度。因此，该评估方法可科学、客观地对通信对抗训练效果进行有效的定量评定，具有较大的推广意义。