基于神经网络的机动通信台站通信保障能力评估方法、系统及电子设备技术方案

本发明专利技术涉及通信保障能力评估技术领域，尤其涉及一种基于神经网络的机动通信台站通信保障能力评估方法、系统及电子设备。包括：数据预处理：输入机动通信台站的各项数据，对数据进行归类划分，生成特征属性；自学习训练：获得通信台站设备开设运行的特征属性以及效果评估作为样本，基于模糊神经网络进行训练，生成数据评估模型；数据评估：利用数据评估模型对设备属性进行评估分析，然后将设备属性评估结果和人员属性依据二元语义集成算子进行加权集成，生成综合评价结果。本发明专利技术可以有效避免集成时的信息丢失，同时对通信保障能力作出科学的评估，有效提高了评估结果的准确性。

Evaluation Method, System and Electronic Equipment of Communication Support Capability of Mobile Communication Station Based on Neural Network

The invention relates to the technical field of communication support capability evaluation, in particular to a method, system and electronic equipment for mobile communication station communication support capability evaluation based on neural network. Including: data preprocessing: input various data of mobile communication station, classify and divide the data, generate characteristic attributes; self-learning training: get the characteristic attributes and effect evaluation of communication station equipment running as samples, train based on fuzzy neural network, generate data evaluation model; data evaluation: use data evaluation model to carry out equipment attributes. Assessment and analysis, and then weighted integration of equipment attribute evaluation results and personnel attributes based on binary semantic integration operator to generate comprehensive evaluation results. The invention can effectively avoid information loss during integration, and make a scientific evaluation of communication support capability, effectively improving the accuracy of evaluation results.

【技术实现步骤摘要】
基于神经网络的机动通信台站通信保障能力评估方法、系统及电子设备
本专利技术涉及通信保障能力评估
，尤其涉及一种基于神经网络的机动通信台站通信保障能力评估方法、系统及电子设备。
技术介绍
通信是保障作战指挥的基本手段，通信保障能力是军队战斗力的重要组成部分。除了人为的操作不当及自然条件的突变所引起的设备低效无法预知外，正常情况下，通过对通信台站设备及人员的通信保障能力进行分析评估，可以科学量化计算台站开设时候的通信保障能力，做出科学的分析决策，保证通信方案的可靠性，实现设备利用率最大化，充分发挥通信的“倍增器”作用。现有通信台站的通信保障能力评估方法并不能很好的对通信保障能力进行评估。主要有两个技术难点：一是难以对输入的台站数据进行量化评估；二是由于台站设备的性能属性以及人员评价属于不同的信息类型，且属性间的评价存在冲突性，很难进行综合集成。这两个问题制约了通信保障能力的预测评估，难以适应现代化通信保障能力建设和发展的需要。
技术实现思路
为解决上述问题，本专利技术提供了一种基于神经网络的机动通信台站通信保障能力评估方法，有效克服了因设备属性信息类型不同存在的制约，将各类数据有效集成，对通信台站的通信保障能力给出科学的评估结果。本专利技术采用的具体方案如下：一种基于神经网络的机动通信台站通信保障能力评估方法，包括以下步骤：步骤1、数据预处理：输入机动通信台站的各项数据，对数据进行归类划分，生成特征属性；所述特征属性包括设备属性和人员属性；步骤2、自学习训练：获得通信台站设备开设运行的特征属性以及效果评估作为样本，基于模糊神经网络进行训练，生成数据评估模型；步骤3、数据评估：利用数据评估模型对设备属性进行评估分析，然后将设备属性评估结果和人员属性依据二元语义集成算子进行加权集成，生成综合评价结果。步骤1中设备属性包括受评估机动通信台站所处的本端地形/对端地形、测试时的天候风力和温湿度、测试时的电磁环境、测试频率、测试距离、测试功率、天线高度、本端和对端时速；人员属性是指站长和操作员各自的专业技能素质，包括考试和训练成绩。基于二元语义集成算子进行加权集成的具体过程为：首先，将设备属性的评估结果以及人员属性归一转换，将实数型、区间型线性变换数据转换到[0-1]区间，语言变量型数据不作转换；将不同属性的数据进行统一，生成一组二元语义信息，二元语义信息由二元组(si,αi)表示，其中，si表示预先定义的语言短语集中的语言描述，αi称为符号转移值，αi∈[-0.5,0.5)，表示评价结果与si的偏差；S为语言评价集，si∈S＝(s1,s2,...,sg)，β∈[0，g]，g＝评价集区间数-1，则其二元语义可通过下面的转换函数Δ得到，其中，round()为取整算子，si是下标和β最接近的语言变量；Δ:[0,g]→S×[-0.5,0.5),同样二元语义(si,αi)可通过Δ-1还原成数值β∈[0,g]:Δ-1:S×[-0.5,0.5)→[0,g],Δ-1(si,αi)＝i+αi＝β；其次，对二元语义信息进行加权集成，设T＝{(s1,α1),(s2,α2),...,(sg,αg)}为二元语义集，w＝(w1,w2,...,wg)T是二元语义集中对应元素的权重向量，其采用加权算术平均算子(TWA)定义为：其中，βi＝Δ-1(si,αi),i＝1,2,...,g。一种基于神经网络的机动通信台站通信保障能力评估系统，包括数据预处理模块，用于对输入的机动通信台站的各项数据进行归类划分，生成特征属性；自学习模块，用于获得通信台站设备开设运行的特征属性以及效果评估作为样本，基于模糊神经网络进行训练，生成数据评估模型；数据评估模块，用于利用数据评估模型对设备属性进行评估分析，然后将设备属性评估结果和人员属性依据二元语义集成算子进行加权集成，生成综合评价结果。一种电子设备，其内存储有用于评估机动通信台站通信保障能力的程序，所述程序可被处理器执行以完成上述评估方法所述的步骤。本专利技术将各通信台站的数据按照数据的属性分类，并根据特征属性先进行神经网络自学习，生成数据评估模型。数据评估过程采用二元语义集成算法进行加权集成，可以有效避免集成时的信息丢失，同时对通信保障能力作出科学的评估，有效提高了评估结果的准确性。附图说明图1是本专利技术的流程示意图；图2是本专利技术的二元语义表示示例；图3是本专利技术的二元语义集结表示示例。具体实施方式下面结合实施例对本专利技术进行详细说明。实施例1一种基于神经网络的机动通信台站通信保障能力评估方法，包括以下步骤：步骤1、数据预处理：输入机动通信台站的各项数据，对数据进行归类划分，生成特征属性。所述特征属性分为设备属性和人员属性。设备属性包括受评估机动通信台站所处的本端地形/对端地形、测试时的天候风力和温湿度、测试时电磁环境、测试频率、测试距离、测试功率、天线高度、本端和对端时速等属性值；评价指标分为话音、数据和视频传输的传输距离以及通信效果。设备属性通过基于以往样本训练生成的评估模型进行评估。人员属性是指站长和操作员各自的专业技能素质，由考试或训练成绩等组成。例如：开设运行时间(0～60分钟)，应急维修能力(0～100分)等。步骤2、自学习训练：获得通信台站设备开设运行的特征属性以及效果评估作为样本，基于模糊神经网络进行训练，生成数据评估模型。步骤4、数据评估：首先，利用数据评估模型对设备属性进行评估分析。例如评估结果为：话音传输的通信效果：(优、良、及格、差)，数据传输的通信效果：(优、良、及格、差)，视频传输的通信效果：(优、良、及格、差)。然后将设备属性评估结果和人员属性依据二元语义集成算子进行加权集成，生成综合评价结果。例如人员属性设置为：站长：开设运行时间(0～60分钟)，应急维修能力(0～100分)；操作员：开设运行时间(0～60分钟)，应急维修能力(0～100分)。基于二元语义集成算子进行加权集成的具体过程为：首先，将设备属性的评估结果以及人员属性归一转换。将实数型、区间型线性变换数据转换到[0-1]区间，语言变量型数据不作转换。将不同属性的数据统一后，生成一组二元语义信息。二元语义信息由二元组(si,αi)表示，其中，si表示预先定义的语言短语集中的语言描述，αi称为符号转移值，αi∈[-0.5,0.5)，表示评价结果与si的偏差；S为语言评价集，si∈S，β∈[0，g]，g＝评价集区间数-1。例如，由五条语言评价构成的语言评价集S可定义为：S＝{s5＝VG(很好)，s4＝G(好)，s3＝M(一般)，s2＝B(差)，s1＝VB(很差)}，g取4，有五个隶属区间，如图2所示。设H为实数、区间数和语言评价等，S是语言评价值集合，S＝(s0,s1,...,sg)。那么可以由如下映射将H转化为二元语义集：τ:[0,1]→F(S)τ(H)＝{(si,ωi)|i∈{0,...,g}}(1)，ωi＝maxmin{μH(y),μSi(y)}其中，μH(·),μSi(·)分别表示H以及si的隶属度函数。令τ(H)＝{(s0,ω0),(s1,ω1),...,(sg,ωg)}，为不确定区间数H的二元语义转换值，那么可由映射χ将二元语义集τ(H)转化为二元语义代表数值：χ:F(S)→[0,g]这样就可通过公式(1)、(2)将数据统本文档来自技高网...

【技术保护点】
1.一种基于神经网络的机动通信台站通信保障能力评估方法，其特征在于包括以下步骤：步骤1、数据预处理：输入机动通信台站的各项数据，对数据进行归类划分，生成特征属性；所述特征属性包括设备属性和人员属性；步骤2、自学习训练：获得通信台站设备开设运行的特征属性以及效果评估作为样本，基于模糊神经网络进行训练，生成数据评估模型；步骤3、数据评估：利用数据评估模型对设备属性进行评估分析，然后将设备属性评估结果和人员属性依据二元语义集成算子进行加权集成，生成综合评价结果。

【技术特征摘要】
1.一种基于神经网络的机动通信台站通信保障能力评估方法，其特征在于包括以下步骤：步骤1、数据预处理：输入机动通信台站的各项数据，对数据进行归类划分，生成特征属性；所述特征属性包括设备属性和人员属性；步骤2、自学习训练：获得通信台站设备开设运行的特征属性以及效果评估作为样本，基于模糊神经网络进行训练，生成数据评估模型；步骤3、数据评估：利用数据评估模型对设备属性进行评估分析，然后将设备属性评估结果和人员属性依据二元语义集成算子进行加权集成，生成综合评价结果。2.根据权利要求1所述的基于神经网络的机动通信台站通信保障能力评估方法，其特征在于：步骤1中设备属性包括受评估机动通信台站所处的本端地形/对端地形、测试时的天候风力和温湿度、测试时的电磁环境、测试频率、测试距离、测试功率、天线高度、本端和对端时速；人员属性是指站长和操作员各自的专业技能素质，包括考试和训练成绩。3.根据权利要求1所述的基于神经网络的机动通信台站通信保障能力评估方法，其特征在于：基于二元语义集成算子进行加权集成的具体过程为：首先，将设备属性的评估结果以及人员属性归一转换，将实数型、区间型线性变换数据转换到[0-1]区间，语言变量型数据不作转换；将不同属性的数据进行统一，生成一组二元语义信息，二元语义信息由二元组(si,αi)表示，其中，si表示预先定义的语言短语集中的语言描述，αi称为符号转移值，αi∈[-0.5,0.5)，表示评价结...

【专利技术属性】
技术研发人员：黄龙强，周召亮，王恺，苑红晓，张晓冰，邵欣烨，刘腾飞，魏江波，于吉岳，张泽正，
申请(专利权)人：中国人民解放军三二一二五部队，黄龙强，周召亮，王恺，苑红晓，张晓冰，邵欣烨，刘腾飞，魏江波，于吉岳，张泽正，
类型：发明
国别省市：山东,37