改進(jìn)的雷達(dá)信號(hào)識(shí)別效能評估方法

張 強(qiáng)，王紅衛(wèi)，陳 游

(空軍工程大學(xué) 航空航天工程學(xué)院, 西安 710038)

?

·總體工程·

改進(jìn)的雷達(dá)信號(hào)識(shí)別效能評估方法

張 強(qiáng)，王紅衛(wèi)，陳 游

(空軍工程大學(xué) 航空航天工程學(xué)院, 西安 710038)

針對以往雷達(dá)信號(hào)識(shí)別效能評估方法中評估指標(biāo)選取模糊、指標(biāo)權(quán)重設(shè)置單一、評估排序不合理的問題，提出了基于IAHP-Entropy-I2TOPSIS模型改進(jìn)的雷達(dá)信號(hào)識(shí)別效能評估方法。其主要思路是基于識(shí)別率測試結(jié)果建立樹狀評估指標(biāo)體系；采用IAHP和Entropy分別確定主觀指標(biāo)權(quán)重和客觀指標(biāo)權(quán)重，并通過線性組合方法確定綜合權(quán)重；運(yùn)用區(qū)間型多屬性決策的夾角度量法改進(jìn)區(qū)間TOPSIS得到I2TOPSIS并依此進(jìn)行評估排序。最后通過實(shí)例仿真，驗(yàn)證了所提方法的有效性。

雷達(dá)信號(hào)；效能評估；評估指標(biāo)；區(qū)間；綜合權(quán)重

0 引 言

雷達(dá)信號(hào)識(shí)別是電子情報(bào)偵察、電子支援偵察和雷達(dá)威脅告警系統(tǒng)中的關(guān)鍵處理過程，也是對敵遂行電子干擾的前提和基礎(chǔ)，其識(shí)別水平是衡量雷達(dá)對抗設(shè)備技術(shù)先進(jìn)程度的重要標(biāo)準(zhǔn)[1]。隨著雷達(dá)信號(hào)識(shí)別技術(shù)的日益發(fā)展和在軍事領(lǐng)域尤其是在電子對抗中的廣泛應(yīng)用，全面準(zhǔn)確地對識(shí)別效能進(jìn)行有效評估顯得更加重要[2]。

原有的雷達(dá)信號(hào)識(shí)別效能評估方法都是基于識(shí)別準(zhǔn)確率這個(gè)評估指標(biāo)，隨著戰(zhàn)場電磁環(huán)境日趨復(fù)雜，這類評估方法難以達(dá)到合理和全面的要求。針對這個(gè)問題，在建立了較好的評估指標(biāo)體系的前提下，文獻(xiàn)[3]提出了基于層次分析法(AHP)的評估方法，文獻(xiàn)[4]提出了基于AHP和逼近理想解排序法(TOPSIS)綜合評判的評估方法，文獻(xiàn)[5]提出了基于區(qū)間TOPSIS的評估方法等。這些評估方法能夠較好地對識(shí)別效能進(jìn)行評估，但也存在著明顯的問題。首先，在評估指標(biāo)方面，普遍存在選取準(zhǔn)則模糊和選取指標(biāo)單一的問題；其次，在評估指標(biāo)權(quán)重設(shè)置方面，文獻(xiàn)[3]和文獻(xiàn)[4]采用AHP設(shè)置權(quán)重，只考慮了主觀因素，文獻(xiàn)[5]中采用熵權(quán)法(Entropy)設(shè)置權(quán)重，只考慮了客觀因素，都存在著僅僅考慮單一方面因素的問題；最后，在評估排序方面，文獻(xiàn)[4]中采用傳統(tǒng)TOPSIS法，存在距離正理想解近的方案同時(shí)也距離負(fù)理想解近的問題，文獻(xiàn)[5]中采用區(qū)間TOPSIS法(ITOPSIS)，雖然利用區(qū)間距離計(jì)算貼近度更加合理，但存在和文獻(xiàn)[4]同樣的問題。

對以往雷達(dá)信號(hào)識(shí)別效能評估中存在的上述問題，并考慮到戰(zhàn)場電磁環(huán)境的復(fù)雜性和不確定性，本文基于識(shí)別測試結(jié)果(MRR)[6-8]建立了評估指標(biāo)體系，提出了基于IAHP-Entropy-I2TOPSIS模型改進(jìn)的雷達(dá)信號(hào)識(shí)別效能評估方法，主要思路是：考慮主觀因素，采用區(qū)間AHP(IAHP)求得主觀指標(biāo)權(quán)重，考慮客觀因素，采用熵權(quán)法(Entropy)求得客觀指標(biāo)權(quán)重，再通過線性組合方法求出綜合指標(biāo)權(quán)重，以解決評估指標(biāo)權(quán)重設(shè)置不合理的問題；采用區(qū)間型多屬性決策的夾角度量法改進(jìn)ITOPSIS得到I2TOPSIS(Improved Interval TOPSIS, I2TOPSIS)并依此進(jìn)行評估排序，以解決TOPSIS評估排序不合理的問題。最后通過仿真，驗(yàn)證了所提方法能解決原有方法存在的問題，可以合理準(zhǔn)確地對雷達(dá)信號(hào)識(shí)別效能進(jìn)行評估。

1 評估指標(biāo)的建立

評估指標(biāo)體系是雷達(dá)信號(hào)識(shí)別效能評估模型的重要組成部分，科學(xué)地選取評估指標(biāo)是正確進(jìn)行評估的前提。原有對雷達(dá)信號(hào)識(shí)別效能的評估都是基于識(shí)別準(zhǔn)確率這個(gè)單一指標(biāo)，首先，采用單一指標(biāo)進(jìn)行評估無疑是不科學(xué)和不系統(tǒng)的。再者，通過識(shí)別準(zhǔn)確率進(jìn)行評估存在以下局限：(1)不能確定識(shí)別系統(tǒng)的識(shí)別率真值所需的原始測試數(shù)量；(2)不能確定所得識(shí)別率的置信區(qū)間；(3)不能將識(shí)別率等效為識(shí)別方法的能力；(4)不能有效評價(jià)識(shí)別結(jié)果的穩(wěn)定性問題[7]。針對上述識(shí)別準(zhǔn)確率存在的弊端，本文采用識(shí)別率測試結(jié)果(MRR)建立樹狀評估指標(biāo)體系。MRR是指將n次測試結(jié)果均分成m組，分別求取每組n/m個(gè)測試結(jié)果的均值，即可得到m個(gè)MRR樣本。針對雷達(dá)信號(hào)識(shí)別系統(tǒng)，若有k個(gè)雷達(dá)信號(hào)，則會(huì)生成k×m個(gè)MRR樣本，但由于算法和求解的一致性，研究單個(gè)雷達(dá)信號(hào)的MRR樣本即可。由于MRR是一個(gè)變量，有分布、均值和方差，以及與外界條件的獨(dú)立性，因此，利用MRR可以準(zhǔn)確地對雷達(dá)信號(hào)的識(shí)別效能進(jìn)行評估。關(guān)于確定MRR樣本容量及生成MRR樣本在文獻(xiàn)[8]中有詳細(xì)介紹，在此不再贅述。

選取評估指標(biāo)應(yīng)該按照一定的選取準(zhǔn)則。本文按照科學(xué)性準(zhǔn)則、系統(tǒng)性準(zhǔn)則和目的性準(zhǔn)則，根據(jù)雷達(dá)信號(hào)識(shí)別結(jié)果的特點(diǎn)，選擇正確性、穩(wěn)定性、獨(dú)立性和識(shí)別代價(jià)作為效能評估準(zhǔn)則，并得到相應(yīng)的評估指標(biāo)[8]。具體的雷達(dá)信號(hào)識(shí)別評估指標(biāo)體系如圖1所示。

圖1 雷達(dá)信號(hào)識(shí)別評估指標(biāo)體系

2 改進(jìn)的區(qū)間TOPSIS模型

2.1 ITOPSIS法

TOPSIS法是由王先甲[9]等提出的一種適用于根據(jù)多屬性指標(biāo)對多個(gè)評估對象進(jìn)行比較選擇的分析方法。ITOPSIS法是對指標(biāo)為區(qū)間數(shù)的評估對象進(jìn)行評估的一種TOPSIS方法，需用到區(qū)間數(shù)運(yùn)算法則進(jìn)行計(jì)算。ITOPSIS能在信息不完備情況下，對不確定性問題進(jìn)行評估排序，適用于戰(zhàn)場電磁環(huán)境。具體計(jì)算步驟如下：

步驟1：建立決策矩陣R

(1)

通過權(quán)重W={w1,w2,…,wn}，得到加權(quán)規(guī)范化決策矩陣

(2)

步驟4：確定正理想解S+與負(fù)理想解S-

(3)

(4)

式中：J+和J-分別為效益型指標(biāo)集和成本型指標(biāo)集。

(5)

(6)

步驟6：計(jì)算各評估對象的相對貼近度Ci

(7)

相對貼近度Ci為0～1之間的無量綱數(shù)，反映了評估對象靠近正理想解遠(yuǎn)離負(fù)理想解的程度，其值越大，性能越好。

2.2 I2TOPSIS評估模型

ITOPSIS和TOPSIS存在著評估排序不合理的問題，即與正理想解歐式距離更近的評估對象可能與負(fù)理想解歐式距離也近，因此，按照歐氏距離計(jì)算相對貼近度，不能完全準(zhǔn)確地評估相關(guān)方案的優(yōu)劣。區(qū)間型多屬性決策的夾角度量法放棄采用歐式距離計(jì)算相對貼近度，改用各評估對象與正負(fù)理想解的夾角定義相對貼近度，依此對ITOPSIS進(jìn)行改進(jìn)得到I2TOPSIS，較好地解決了評估排序不合理的問題。且I2TOPSIS具有和ITOPSIS同樣的處理不確定性問題的能力。

首先，定義各評估對象與正負(fù)理想解的夾角分別為

(8)

(9)

然后，依據(jù)各評估對象與正負(fù)理想解的夾角重新定義相對貼近度

(10)

Ui同樣反映了評估對象靠近正理想解遠(yuǎn)離負(fù)理想解的程度，其值越大，越靠近正理想解，評估對象性能越好。

3 IAHP-Entropy-I2TOPSIS模型的建立

3.1 運(yùn)用IAHP確定主觀指標(biāo)權(quán)重

AHP是由Satty提出的一種實(shí)用的多屬性決策方法。IAHP是基于常規(guī)AHP擴(kuò)展的多屬性決策方法，在AHP法的基礎(chǔ)上融入了區(qū)間數(shù)的特性，能有效對不確定因素進(jìn)行決策分析，適用于戰(zhàn)場電磁環(huán)境。采用IAHP法確定主觀指標(biāo)權(quán)重步驟如下：

步驟1 構(gòu)造區(qū)間判斷矩陣A

評估指標(biāo)體系確定后，依據(jù)互反性1～9標(biāo)度[10]，按照實(shí)際情況與要求做出兩兩比值判斷，列出區(qū)間判斷矩陣A。

(11)

步驟2 區(qū)間判斷矩陣的一致性檢驗(yàn)

(12)

(13)

若α≤1且β≥1，則區(qū)間判斷矩陣具有較好的一致性；若α>1或β<1，則區(qū)間判斷矩陣一致性較差，需進(jìn)行重新判斷，直至取得良好的一致性。

步驟3 求解區(qū)間判斷矩陣權(quán)重Wz。

Wz=[αxl, βxu=(w1,w2,…,wi,…,wn)

(14)

使用區(qū)間權(quán)重進(jìn)行加權(quán)計(jì)算，將會(huì)拉寬所得矩陣中元素的區(qū)間寬度，導(dǎo)致評估結(jié)果失準(zhǔn)，故采用權(quán)重區(qū)間上下限的平均值，并對其進(jìn)行歸一化后作為最終的主觀指標(biāo)權(quán)重。

3.2 運(yùn)用Entropy確定客觀指標(biāo)權(quán)重

應(yīng)用熵可以度量評估指標(biāo)體系中指標(biāo)數(shù)據(jù)所蘊(yùn)涵的信息量，并依此確定各指標(biāo)的權(quán)重?；贓ntropy確定客觀指標(biāo)權(quán)重的步驟如下：

步驟1：計(jì)算各指標(biāo)的信息熵Ej

(15)

步驟2：計(jì)算各指標(biāo)的熵權(quán)值wj

(16)

步驟3：確定客觀指標(biāo)權(quán)重Wk

Wk=[W1,W2,…,Wn]

(17)

3.3 確定綜合指標(biāo)權(quán)重

為了清楚的研究權(quán)重的變化對評估結(jié)果帶來的影響，本文選擇線性組合方法確定綜合指標(biāo)權(quán)重，設(shè)平衡因子分別為η和μ，則綜合指標(biāo)權(quán)重為

W=ηWz+μWk

(18)

η+μ=1

(19)

綜合指標(biāo)權(quán)重W不僅考慮了主觀的專家知識(shí)與工作經(jīng)驗(yàn)，而且考慮到了客觀的數(shù)據(jù)本身的信息，能夠全面的反映評估指標(biāo)的相對重要程度。

3.4 IAHP-Entropy-I2TOPSIS模型

IAHP-Entropy-I2TOPSIS模型具體的計(jì)算步驟如下：

步驟1：建立原始決策矩陣R；

步驟3：運(yùn)用IAHP確定主觀指標(biāo)權(quán)重Wz，運(yùn)用Entropy確定客觀指標(biāo)權(quán)重Wk，通過線性組合確定綜合指標(biāo)權(quán)重W；

步驟5：確定正理想解S+與負(fù)理想解S-；

步驟6：計(jì)算各評估對象與正理想解的夾角θ+與負(fù)理想解的夾角θ-；

步驟7：計(jì)算各評估對象相對貼近度Ui。

4 仿真分析

針對雷達(dá)信號(hào)識(shí)別實(shí)例，本文選取SNR為0 dB條件下8類信號(hào)的平均復(fù)雜度特征[12]作為實(shí)驗(yàn)所用的特征參數(shù)，如表1所示。

表1 復(fù)雜度特征值

本文選取概率神經(jīng)網(wǎng)絡(luò)(PNN)、支持向量機(jī)(SVM)、基于遺傳算法的支持向量機(jī)(GA-SVM)、基于蟻群算法的支持向量機(jī)(ACO-SVM)和基于粒子群算法的支持向量機(jī)(PSO-SVM)[13]算法，對6種算法識(shí)別結(jié)果進(jìn)行效能評估。其中，GA-SVM的代溝為0.9，彈性因子為1；ACO-SVM的揮發(fā)因子為0.9，步長為0.1；PSO-SVM的慣性權(quán)重為0.9，彈性因子為1，其余識(shí)別算法中的參數(shù)設(shè)置采用默認(rèn)值。

依據(jù)本文3.4節(jié)IAHP-Entropy-I2TOPSIS模型的具體計(jì)算步驟，先通過平臺(tái)仿真獲得原始決策矩陣，如表2所示；并采用向量規(guī)范法對其進(jìn)行處理，獲得規(guī)范化決策矩陣，如表3所示。仿真實(shí)驗(yàn)的主演思路是：首先，分別使用IAHP和Entropy確定主客觀指標(biāo)權(quán)重；然后，運(yùn)用線性組合確定綜合指標(biāo)權(quán)重；最后，利用I2POSIS完成對6種算法的識(shí)別效能評估實(shí)驗(yàn)。

表2 原始決策矩陣

表3 規(guī)范化決策矩陣

4.1 主客觀及綜合指標(biāo)權(quán)重的確定

根據(jù)IAHP的基本原理、文獻(xiàn)資料和專家經(jīng)驗(yàn)，構(gòu)造目標(biāo)層對應(yīng)于準(zhǔn)則層的區(qū)間判斷矩陣為

(20)

依據(jù)本文3.1節(jié)IAHP法確定主觀指標(biāo)權(quán)重步驟，首先，根據(jù)式(12)和式(13)對區(qū)間判斷矩陣進(jìn)行一致性檢驗(yàn)，計(jì)算可得α=0.940 8，β=1.064 9，可見α≤1且β≥1。因此，構(gòu)造的準(zhǔn)則層區(qū)間判斷矩陣具有良好的一致性，進(jìn)一步可求得準(zhǔn)則層權(quán)重向量為Wz-M=[[0.813 8, 0.902 7],[0.349 2, 0.425 6], [0.152 1, 0.176 3], [0.278 8, 0.327 0]]。

經(jīng)檢驗(yàn)，所有指標(biāo)層區(qū)間判斷矩陣滿足一致性要求，并采用IAHP獲得相應(yīng)權(quán)重。其權(quán)重分別為Wz-M1=[[0.361 9, 0.393 4],[0.601 3, 0.755 7]]，Wz-M2= [[0.5, 0.5],[0.5,0.5]]，Wz-M3=[1,1]，Wz-M4=[1,1]。則最終確定的主觀指標(biāo)權(quán)重Wz=[0.1840, 0.3318, 0.109 7, 0.109 7, 0.093 0, 0.171 6]。

依據(jù)本文3.2節(jié)Entropy法確定客觀指標(biāo)權(quán)重步驟，對規(guī)范化決策矩陣，通過式(15)求得信息熵為E=[0.9010, 0.9021, 0.9796, 0.9855, 0.9222,0.936 3]，通過式(16)和式(17)最終確定的客觀指標(biāo)權(quán)重Wk=[0.265 2,0.262 3, 0.054 6, 0.038 8, 0.208 4, 0.170 6]

依據(jù)本文3.3節(jié)的線性組合方法確定綜合指標(biāo)權(quán)重，總共分為5種組合進(jìn)行研究，分別為η=1、μ=0、η=0.75、μ=0.25、η=0.5, μ=0.5、η=0.25, μ=0.75和η=0，μ=1。不同線性組合下綜合指標(biāo)權(quán)重如表4所示。

表4 不同線性組合下綜合指標(biāo)權(quán)重

4.2 識(shí)別效能評估實(shí)驗(yàn)

確定了5種線性組合下的綜合指標(biāo)權(quán)重后，運(yùn)用Matlab按照本文3.4節(jié)的計(jì)算步驟，首先，確定5種綜合權(quán)重下的正負(fù)理想解；然后，確定各評估對象與正負(fù)理想解的夾角；最后，確定各評估對象的相對貼近度。

由于篇幅所限，本文只給出不同線性組合下的各評估對象的相對貼近度數(shù)據(jù)，如表5所示。

表5 不同線性組合下各識(shí)別算法相對貼近度

由表5相對貼近度大小可確定各評估對象的優(yōu)劣排序。當(dāng)η=1,μ=0時(shí)，表示只考慮了主觀權(quán)重，未考慮客觀權(quán)重；當(dāng)η=0.75,μ=0.25時(shí)，表示以主觀權(quán)重為主，客觀權(quán)重為輔；當(dāng)η=0.5,μ=0.5時(shí)，表示主客觀權(quán)重同樣重要。這3種綜合權(quán)重下的各識(shí)別算法的排序相同，均為UPSO-SVM>UACO-SVM>UGA-SVM>UPNN>USVM；當(dāng)η=0.25,μ=0.75時(shí)，表示以客觀權(quán)重為主，主觀權(quán)重為輔，此時(shí)UPSO-SVM>UACO-SVM>UGA-SVM>USVM>UPNN；當(dāng)η=0，μ=1時(shí)，表示只考慮了客觀權(quán)重，未考慮主觀權(quán)重，此時(shí)UPSO-SVM>UGA-SVM>UACO-SVM>USVM>UPNN。

5種綜合權(quán)重下各識(shí)別算法效能評估共有3種排序，將其進(jìn)行對比，并結(jié)合以往的研究共識(shí)[13]，可得當(dāng)η=0.25,μ=0.75時(shí)的識(shí)別效能評估排序是符合實(shí)際情況的，即UPSO-SVM>UACO-SVM>UGA-SVM>USVM>UPNN。

綜上可得出如下結(jié)論：權(quán)重變化會(huì)造成識(shí)別效能評估排序發(fā)生變化，在設(shè)置權(quán)重上，單一采用主觀權(quán)重和單一采用客觀權(quán)重都是不正確的，針對雷達(dá)信號(hào)識(shí)別效能評估，必須將主觀因素和客觀因素綜合起來考慮。仿真得出了以客觀權(quán)重為主，主觀權(quán)重為輔時(shí)能夠準(zhǔn)確地進(jìn)行雷達(dá)信號(hào)識(shí)別效能評估的結(jié)論。

5 結(jié)束語

雷達(dá)信號(hào)識(shí)別效能評估對于電子對抗作戰(zhàn)具有重要的現(xiàn)實(shí)意義，以往的評估方法存在指標(biāo)選取不合理、權(quán)重設(shè)置單一和評估排序不合理的問題。為此，本文提出了基于IAHP-Entropy-I2TOPSIS模型改進(jìn)的雷達(dá)信號(hào)識(shí)別效能評估方法。該方法主要對評估指標(biāo)的建立、指標(biāo)權(quán)重的確定和相對貼近度的計(jì)算進(jìn)行了改進(jìn)。將此方法應(yīng)用于雷達(dá)信號(hào)識(shí)別效能評估中，通過仿真對5種識(shí)別算法的識(shí)別結(jié)果進(jìn)行了評估，仿真得出了以客觀權(quán)重為主，主觀權(quán)重為輔時(shí)能夠準(zhǔn)確地進(jìn)行雷達(dá)信號(hào)識(shí)別效能評估的結(jié)論，同時(shí)驗(yàn)證了所提方法可以解決原有方法存在的問題，是一種合理可行的評估方法。

[1] 徐 璟，何明浩，陳昌孝, 等. 雷達(dá)輻射源信號(hào)識(shí)別結(jié)果評估方法研究[J]. 電波科學(xué)學(xué)報(bào)，2014，29(2)：300-304. XU Jing, HE Minghao, CHEN Changxiao, et al. Performance evaluation method for radar emitter signals recognition[J]. Chinese Journal of Radio Science，2014，29(2)：300-304.

[2] XU Jing, HE Minghao, HAN Jun, et al. Estimating the stability of characteristic parameters based on single element analysis of variance[C]//2012 IEEE 11th International Conference on Signal Processing. [S.l.]: IEEE Press, 2012：1804-1807.

[3] 徐 璟, 何明浩, 陳昌孝, 等. 基于理想排序的雷達(dá)信號(hào)效能評估方法[J]. 電波科學(xué)學(xué)報(bào), 2015, 30(3): 554-559. XU Jing, HE Minghao, CHEN Changxiao, et al. Effectiveness evalluation of signal recognition based on AHP-I2TOPSLS[J]. Chinese Journal of Radio Science, 2015, 30(3): 554-559.

[4] 徐 璟，何明浩，韓 俊. 基于AIT方法的雷達(dá)輻射源信號(hào)識(shí)別效能評估[J]. 空軍預(yù)警學(xué)院學(xué)報(bào)，2014，28(4)：243-245. XU Jing, HE Minghao, HAN Jun. Effectiveness assessment of radar emitter signal recognition based on AHP-interval-TOPSIS[J]. Journal of Air Force Early Warning Academy，2014，28(4)：243-245.

[5] 徐 璟，何明浩，郁春來. 雷達(dá)輻射源信號(hào)識(shí)別效能評估的I2TOPSIS方法[J]. 信號(hào)處理，2015，31(3)：253-258. XU Jing, HE Minghao, YU Chunlai. Effectiveness evaluation of radar emitter signal recognition based on I2TOPSIS[J]. Journal of Signal Processing，2015，31(3)：253-258.

[6] 余志斌，金煒東，張葛祥. 基于峰度的自源分離算法研究與應(yīng)用[J]. 電波科學(xué)學(xué)報(bào)，2008，23(1)：146-152. YU Zhibin, JIN Weidong, ZHANG Gexiang. Research and applications of blind signal separation based on kurtosis[J].Chinese Journal of Radio Science，2008，23(1)：146-152.

[7] 王 歡，何明浩，劉 銳, 等. 雷達(dá)信號(hào)識(shí)別效果的模糊綜合評價(jià)研究[J]. 雷達(dá)科學(xué)與技術(shù)，2012,4(10)：372-375. WANG Huan，HE Minghao，LIU Rui, et al . Research on fuzzy comprehensive evaluation of radar signal recognition effect[J]. Radar Science and Technology，2012,4(10)：372-375.

[8] 魏 銘，徐 璟，劉 銳, 等. 雷達(dá)輻射源信號(hào)識(shí)別效果評估指標(biāo)體系構(gòu)建[J]. 電子信息對抗技術(shù)，2014，29(4)：58-61. WEI Ming, XU Jing, LIU Rui, et al. A construction method of radar emitter signal recognition valuation index system[J]. Electronic Information Warfare Technology，2014，29(4)：58-61.

[9] 王先甲，汪 磊. 基于馬氏距離的改進(jìn)型TOPSIS在供應(yīng)商選擇中的應(yīng)用[J]. 控制與決策，2012，27(10)：1566-1570. WANG Xianjia, WANG Lei. Applications of TOPSIS improved based on mahalanobis distance in supplier selection[J]. Control and Decision，2012，27(10)：1566-1570.

[10] 劉自發(fā)，龐鋮鋮，魏建煒, 等. 基于IAHP和TOPSIS方法的負(fù)荷密度指標(biāo)計(jì)算[J]. 電力系統(tǒng)自動(dòng)化，2012，36(13)：56-60. LIU Zifa, PANG Chengcheng, WEI Jianwei, et al. Index calculation of load density based on IAHP and TOPSIS methods[J]. Automation of Electric Power Systems，2012，36(13)：56-60.

[11] 徐澤水，達(dá)慶利. 一種基于可能度的區(qū)間判斷矩陣排序力法[J]. 中國管理科學(xué)，2003，11(1)：63-65. XU Zeshui, DA Qingli. A possibility-based method for priorities of interval judgment matrix[J]. Chinese Journal of Management Science，2003，11(1)：63-65.

[12] 韓 俊，何明浩，朱振波, 等. 基于復(fù)雜度特征的未知雷達(dá)輻射源信號(hào)分選[J]. 電子與信息學(xué)報(bào)，2009，31(11)：2552-2555. HAN Jun, HE Minghao, ZHU Zhenbo, et al. Sorting unknown radar emitter signal based on the complexity characteristics[J]. Journal of Electronic & Information Technology, 2009，31(11)：2552-2555.

[13] 徐 璟，何明浩，冒 燕, 等. 基于優(yōu)化算法的雷達(dá)輻射源信號(hào)識(shí)別方法及性能[J]. 現(xiàn)代雷達(dá)，2014，36(10)：33-37. XU Jing, HE Minghao, MAO Yan, et al. Radar emitter recognition method based on optimization algorithm and performance[J]. Modern Radar, 2014,36(10)：33-37.

張 強(qiáng) 男，1991年生，碩士研究生。研究方向?yàn)殡娮訉估碚撆c技術(shù)。

王紅衛(wèi) 男，1974年生，副教授。研究方向?yàn)殡娮訉估碚撆c技術(shù)。

陳 游 男，1983年生，講師。研究方向?yàn)殡娮訉估碚撆c技術(shù)。

An Improved Effectiveness Evaluation Method of Radar Signal Recognition

ZHANG Qiang，WANG Hongwei，CHEN You

(Aeronautics and Astronautics Engineering College, Air Force Engineering University, Xi′an 710038, China)

In order to solve the problems of radar signal recognition methods in fuzzy evaluation index selection, single method for index weight determination and unreasonable assessment order, an improved radar signal recognition evaluation method based on IAHP-Entropy-I2TOPSIS model is put forward. The method builds tree viewer evaluation indexes system based on measurement of recognition rate. In this model, the subject and object weight are calculated by IAHP and Entropy method. The linear combination method is used to determine the comprehensive weight. ITOPSIS method is optimized by using the method of inclination measurement for interval multi-attribute decision-making. The optimization method is I2TOPSIS, which is used to evaluate and order. Finally, the results of case simulation show the validity of the proposed method.

radar signal; effectiveness evaluation; evaluation index; interval; comprehensive weight

10.16592/ j.cnki.1004-7859.2016.11.001

航空科學(xué)基金資助項(xiàng)目(20162096019、20145596025)

張強(qiáng) Email：zjslwdyx@163.com

2016-08-25

2016-10-23

TN971

A

1004-7859(2016)11-0001-06