基于深度学习的雷达防空侦察效能评估方法技术

本发明专利技术公开了一种基于深度学习的雷达防空侦察效能评估方法，其包括以下步骤：构建包含4个评估维度、13个评估指标和42个评估因子的雷达防空侦察效能评估体系；构造深度神经网络，深度神经网络由设备可信度评估子网、战场生存能力评估子网、信号侦测能力评估子网和信号处理能力评估子网四个子网并行输出，然后级联整体作战效能评估子网组成；训练深度神经网络；将归一化处理后的待评估数据送入训练好的深度神经网络，输出雷达防空侦察效能评估结果。本发明专利技术利用深度神经网络的泛化能力，能够充分提取雷达防空侦察效能评估数据特征，量化评估指标和评估结果，不仅避免主观因素影响，而且容错性好，大大提高了雷达侦察系统防空作战效能评估的准确度。战效能评估的准确度。战效能评估的准确度。

【技术实现步骤摘要】
基于深度学习的雷达防空侦察效能评估方法


[0001]本专利技术属于雷达
，特别涉及一种基于深度学习的雷达防空侦察效能评估方法。

技术介绍

[0002]在电磁对抗环境复杂多变的防空战场中，能否高效感知战场态势决定了战争的胜负。雷达作为战场中的千里眼，不仅能有效地探测敌情、预知危险，还能抢占先机、压制敌人，其防空侦察能力在一定程度上反映了战场态势感知能力，因此，如何对其进行有效评估具有重要意义。
[0003]当前，雷达侦察系统防空作战效能评估的研究已经有一定的进展，孙杨超等人依据美国工业界武器系统效能咨询委员会WSEIAC模型，采用ADC法，即根据雷达的有效性(availability)、可靠性(dependability)和能力(capacity)三大要素来综合评价雷达系统的总体性能，并结合实例，对某型侦察雷达进行效能评估。然而，ADC法适用性不强，当评估影响因素较多时，评估效率低下。
[0004]龙文武等人利用基于灰色理论的层次分析法来评估雷达作战效能，从探测、跟踪、侦察、识别、定位、干扰、攻击七个方面，建立多功能雷达作战效能评估指标体系，通过具体数据进行实例仿真，验证了评估模型的有效性和实用性。然而，层次分析法定性分析成分多，权重难以确定，容错性不好。
[0005]杜震等人运用模糊综合评判理论，建立了基于模糊综合评判法的雷达侦察设备作战效能评估体系结构，从探测性能、信号截获能力、信号分选识别能力、参数测量能力、可靠性等五个方面进行综合评估，结合实例具体说明了该方法在雷达侦察设备效能评估中的应用。然而，模糊综合评判法受主观因素影响较大，当权矢量与模糊矩阵不匹配时，结果会出现超模糊现象，甚至出现评判失败。
[0006]曲文韬等人引入云理论，将定性评估和定量评估相结合，提出了基于云重心的机载雷达侦察设备侦察效能评估方法，建立了评估指标体系，得出系统效能的语言评判值，将其量化计算，最终获得评判结果，为机载雷达侦察设备效能提升提供依据。然而，云重心评判法在一定程度上还是受主观因素影响，评估计算过程并不是完全客观的。
[0007]戚宗锋等人建立了基于深度置信网络的雷达侦察系统作战能力评估方法，详细分析了效能评估流程，并结合雷达侦察系统作战能力评估对象，仿真验证了该评估方法的合理性和正确性。然而，当输入数据量较大时，深度置信网络需要训练的权值参数较多，计算复杂度高，难以充分利用大数据样本优势。

技术实现思路

[0008]本专利技术的目的在于克服上述技术问题，提出一种基于深度学习的雷达防空侦察效能评估方法，实现对雷达侦察系统防空作战效能的多维评估。
[0009]为实现上述目的，本专利技术的技术方案包括如下步骤：
[0010](1)构建包含4个评估维度、13个评估指标和42个评估因子的雷达防空侦察效能评估体系；
[0011](2)构造深度神经网络，深度神经网络由设备可信度评估子网、战场生存能力评估子网、信号侦测能力评估子网和信号处理能力评估子网四个子网并行输出，然后级联整体作战效能评估子网组成；
[0012](3)训练深度神经网络，具体包括：
[0013]3a)采集评估因子，计算评估指标；
[0014]3b)采用标准差法对13个评估指标进行归一化处理，对4个评估维度进行赋值解释处理；
[0015]3c)利用反向传播算法分别逐层训练各个子网，当损失函数小于预设阈值或达到最大训练次数时，训练结束；否则，沿着损失函数梯度下降方向调整各个子网的权值参数，自适应调整学习速率，重新训练各个子网；
[0016](4)将归一化处理后的待评估数据送入训练好的深度神经网络，输出雷达防空侦察效能评估结果。
[0017]本专利技术与现有技术相比，具有以下优点：
[0018]本专利技术通过构建包含4个评估维度、13个评估指标和42个评估因子的雷达防空侦察效能评估体系，并采用基于自适应调整学习速率的深度神经网络，利用深度神经网络的泛化能力，降低了计算复杂度，能够充分提取雷达防空侦察效能评估数据特征，量化评估指标和评估结果，不仅避免了主观因素影响，而且容错性好，大大提高了雷达侦察系统防空作战效能评估的准确度。
附图说明
[0019]图1为本专利技术的流程图；
[0020]图2为本专利技术的雷达防空侦察效能评估体系；
[0021]图3为本专利技术的深度神经网络。
具体实施方式
[0022]为了使本专利技术的目的、技术方案及优点更加清楚、明确，以下参照附图对本专利技术做进一步的详细说明。如图1所示，本专利技术的具体步骤如下：
[0023]步骤1，构建雷达防空侦察效能评估体系。
[0024]从重点衡量有源雷达系统的安全可靠和任务执行的角度出发，雷达防空侦察效能评估指标体系分为设备可信度、战场生存能力、信号侦测能力、信号处理能力四个评估维度，四个评估维度所涵盖的内容和方面不同，具体描述如下：
[0025]a)设备可信度用以表征雷达侦察设备在某一时刻开始工作时处于良好状态的能力量度，可细分为三个指标：
①
设备可靠性，
②
故障检测能力，
③
故障修复能力。
[0026]b)战场生存能力用以表征作战过程中侦察设备的安全性能，可细分为四个指标：
①
战场电磁抗扰能力，
②
战场抗扰辨别能力，
③
战场隐蔽能力，
④
战场机动能力。
[0027]c)信号侦测能力用以表征作战过程中雷达侦察设备探测发现信号的能力，可细分为三个指标：
①
信号侦测范围，
②
信号分辨能力，
③
信号探测频域。
[0028]d)信号处理能力用以表征雷达侦察系统对接收到的脉冲信号进行处理分析的能力，可细分为三个指标：
①
目标识别能力，
②
信号识别精度，
③
信号稳定跟踪能力。
[0029]各个评估指标可以通过多个评估因子来量化表示，具体表达如下：
[0030]a)
①
设备可靠性用表示，评估因子包括任务持续时间T、雷达侦察设备平均故障间隔时间t、平均故障检测时间T
R
和平均故障修复时间T
r
；
②
故障检测能力用平均故障检测时间T
R
表示，评估因子包括平均故障检测时间T
R
；
③
故障修复能力用平均故障修复时间T
r
表示，评估因子包括平均故障修复时间T
r
；
[0031]b)
①
战场电磁抗扰能力用雷达侦察设备的抗干扰系数表示，即评估因子包括雷达侦察设备在无干扰条件或实验室条件下的接收机灵敏度S
r
，在干扰条件下的接收机灵敏度S
r
′
；
②
战场抗扰辨别能力用表示，评估因子包括在无本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的雷达防空侦察效能评估方法，其特征在于，包括以下步骤：(1)构建包含4个评估维度、13个评估指标和42个评估因子的雷达防空侦察效能评估体系；(2)构造深度神经网络，深度神经网络由设备可信度评估子网、战场生存能力评估子网、信号侦测能力评估子网和信号处理能力评估子网四个子网并行输出，然后级联整体作战效能评估子网组成；(3)训练深度神经网络，具体包括：3a)采集评估因子，计算评估指标；3b)采用标准差法对13个评估指标进行归一化处理，对4个评估维度进行赋值解释处理；3c)利用反向传播算法分别逐层训练深度神经网络各个子网，当损失函数小于预设阈值或达到最大训练次数时，训练结束；否则，沿着损失函数梯度下降方向调整各个子网的权值参数，自适应调整学习速率，重新训练各个子网；(4)将归一化处理后的待评估数据送入训练好的深度神经网络，输出雷达防空侦察效能评估结果。2.根据权利要求1所述的基于深度学习的雷达防空侦察效能评估方法，其特征在于，所述步骤(1)中的4个评估维度是指设备可信度、战场生存能力、信号侦测能力和信号处理能力，4个评估维度共涉及13个评估指标，具体为：设备可信度涉及设备可靠性、故障检测能力以及故障修复能力三个评估指标；战场生存能力涉及战场电磁抗扰能力、战场抗扰辨别能力、战场隐蔽能力以及战场机动能力四个评估指标；信号侦测能力涉及信号侦测范围、信号分辨能力以及信号探测频域三个评估指标；信号处理能力涉及目标识别能力、信号识别精度以及信号稳定跟踪能力三个评估指标。3.根据权利要求1所述的基于深度学习的雷达防空侦察效能评估方法，其特征在于，所述步骤(1)中的13个评估指标通过42个评估因子量化表示，具体如下：设备可靠性用表示，T为任务持续时间T，t为雷达侦察设备平均故障间隔时间，T
R
为雷达侦察设备平均故障检测时间，T
r
为雷达侦察设备平均故障修复时间；故障检测能力用雷达侦察设备平均故障检测时间T
R
表示；故障修复能力用雷达侦察设备平均故障修复时间T
r
表示；战场电磁抗扰能力用表示，S
r
为雷达侦察设备在无干扰条件或实验室条件下的接收机灵敏度S
r
，S
r
′
为在干扰条件下的接收机灵敏度S
r
′
；战场抗扰辨别能力用表示，PA为无干扰条件下雷达侦察设备能正确识别目标信号的概率，PB为在干扰条件下的雷达侦察设备能正确识别目标信号的概率；战场隐蔽能力用κ1+κ2+κ3+κ4表示，κ1为雷达侦察系统控制工作时长和频率程度加权系
数κ2为发射波形复杂程度加权系数，κ3为增设诱饵的诱骗性加权系数，κ4为雷达机动性加权系数；战场机动能力用表示，υ为雷达侦察设备在实验条件下的机动速度，V为雷达侦察设备在战场环境下的机动速度；信号侦测范围用min(R
max
，R
s
)表示，其中)表示，其中K为玻尔兹曼常数，取1.33
×
10
‑
23
J/K，R0为地球半径，取6370Km，P
t
为雷达的发射功率，G
t
为雷达发射天线的增益，λ为雷达发射波长，σ为侦察目标的有效反射面积、T0为接收机噪声温度，Δf
r
为接收机带宽，F
n
为噪声系数，L为系统损耗因子，(S
N
)
min
为雷达的最小检测信噪比，H
a
为雷达侦察设备天线高度，H
t
为侦察目标高度；信号分辨能力用表示，f
s
为频率分辨率，θ
s
为方位分辨率；信号探测频域用频率覆盖系数表示，即f为设备的频率范围，Δf为设备的瞬时工作带宽，f
r
为雷达接收机工作频段，f
r
为雷达接收机的瞬时工作带宽；目标识别能力用表示，N
ζ
为被正确识别出来的信号数量，N
γ
为所有从目标反射回来的信号数量；信号识别精...

【专利技术属性】
技术研发人员：廖晓闽，林初善，张引发，邓大鹏，杨剑，夏贵进，梁诗晗，王涛，冉金志，赵卫虎，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：