【技术实现步骤摘要】
一种基于改进BP神经网络的雷达辐射源威胁评估方法
本专利技术涉及电子对抗
，具体是一种基于改进BP神经网络的雷达辐射源威胁评估方法。
技术介绍
判断一个雷达辐射源对我方的威胁有多大，须考虑载频、脉冲重频、平台速度、平台距离、目标类型、等等许多因素。面对日益复杂的电磁环境和日新月异的电磁威胁，很难实现对战场雷达辐射源威胁的有效评估。现阶段对于指标权重的的方法大多是从单一方面，要么是信息熵客观，要么是人为主观判断这些因素对威胁等级的影响，构建的评估模型也有一定的局限性，难以提升整个评估性能。采用主观客观相结合的方式来对雷达辐射源威胁度进行评估，利用人为主观认为较为重要的指标对辐射源威胁的影响，同时充分利用雷达辐射源的各个指标数据信息，通过这种方式得到的评估模型具有更好的代表性。现有的BP神经网络中隐含层神经元的个数，基本上是靠经验值来确定，隐含层神经元个数影响BP神经网络的结构，BP神经网络的结构对整个网络训练的效果又存在很大影响，而现有技术未给出隐含层神经元个数有效且准确地确定方法。
技术实现思路
针对现有雷达辐射源威胁评估方法的不足，本专利技术提出了一种基于改进BP神经网络的雷达辐射源威胁评估方法，利用之前的评估模式得出的数据与利用经验值隐含层神经元网络训练相对比得出最优的隐含层神经元，以提高雷达辐射源威胁评估性能。本专利技术的采用的技术方案是：通过对雷达辐射源威胁因素的重新归纳，构建新的雷达辐射源威胁值评估模型，利用改进的BP神经网络实现对雷达辐射源威胁等级...
【技术保护点】
1.一种基于改进BP神经网络的雷达辐射源威胁评估方法，其特征包括如下步骤：/n(1)构建雷达辐射源威胁值评估模型，确定雷达辐射源威胁因素；/n(2)利用层次分析法和熵权法构建雷达辐射源威胁因素的权值评估模型，得到权值矩阵W；/n(3)建立各威胁的隶属度函数，得到模糊综合评价矩阵R；/n(4)利用步骤(2)层次分析法和熵权法得到的权值矩阵W，以及步骤(3)基于隶属度函数得到的模糊综合评价矩阵R，计算雷达辐射源的威胁值B，并将模糊综合评价矩阵R和威胁值B作为BP神经网络的输入向量和标签；/n(5)通过改进BP神经网络实现提高评估雷达辐射源威胁值的准确率：利用经验值确定隐含层神经元个数的范围，利用每一个隐含层神经元进行评估，比较每一个输出与基准值的误差，误差最小所对应隐含层神经元个数，即为最优的个数。/n
【技术特征摘要】
1.一种基于改进BP神经网络的雷达辐射源威胁评估方法，其特征包括如下步骤：
(1)构建雷达辐射源威胁值评估模型，确定雷达辐射源威胁因素；
(2)利用层次分析法和熵权法构建雷达辐射源威胁因素的权值评估模型，得到权值矩阵W；
(3)建立各威胁的隶属度函数，得到模糊综合评价矩阵R；
(4)利用步骤(2)层次分析法和熵权法得到的权值矩阵W，以及步骤(3)基于隶属度函数得到的模糊综合评价矩阵R，计算雷达辐射源的威胁值B，并将模糊综合评价矩阵R和威胁值B作为BP神经网络的输入向量和标签；
(5)通过改进BP神经网络实现提高评估雷达辐射源威胁值的准确率：利用经验值确定隐含层神经元个数的范围，利用每一个隐含层神经元进行评估，比较每一个输出与基准值的误差，误差最小所对应隐含层神经元个数，即为最优的个数。
2.如权利要求1所述的基于改进BP神经网络的雷达辐射源威胁评估方法，其特征在于：所述雷达辐射源威胁值评估模型从雷达辐射源及平台类型、运动要素、辐射源参数及工作模式3个方面构建两级雷达辐射源威胁评估体系，包括辐射源类型、平台类型、速度、相对距离、运动方向、脉冲重复频率、载频、脉宽、工作模式。
3.如权利要求1所述的基于改进BP神经网络的雷达辐射源威胁评估方法，其特征在于：步骤(2)包括：
(2a)构造各层次判断矩阵,采用1-9标度理论，对同层因素两两比较建立判断矩阵；
(2b)对辐射源类型和平台类型两两比较得到矩阵A1：
(2c)对速度、相对距离、运动方向两两比较得到矩阵A2：
(2d)对脉冲重复频率、载频、脉宽、工作模式进行两两比较得到矩阵A3：
(2e)对一级指标辐射源类型、运动要素、辐射源参数及工作模式进行比较，得到判断矩阵A4：
(2f)用一致性指标CI来判断成对比较矩阵的不一致程度:
CI＝(λ-n)/(n-1)；其中，λ为成对比较矩阵A的最大特征根，当CI＝0时，A满足一致性；CI越大，A的不一致性越高；
(2g)引入随机一致性指标RI，随机构造某阶数的正互反阵A'，并计算其一致性指标CI，作为一个样本，在大量样本的基础上，取平均值作为该阶矩阵的随机一致性指标；
(...
【专利技术属性】
技术研发人员：应涛，王雪宝，许博，周成，侯小阳，马丛珊，张贝贝，高斌，
申请(专利权)人：中国人民解放军海军工程大学，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。