CN104318115A - 组网雷达系统中雷达节点的优先级评估方法 - Google Patents

Abstract

本发明公开了一种组网雷达系统中雷达节点的优先级评估方法。其包括：采用层次分析法对组网雷达系统中的各雷达节点的雷达信号进行分析得到各雷达节点的优先级权值向量，以及采用流量分析法对组网雷达系统中的各雷达节点之间的通信链路的通信信号进行分析得到各通信链路对应的雷达节点的优先级权值向量，分别根据预先确定的基本概率赋值公式对两个优先级权值向量进行计算得到两种优先级权值向量的基本概率赋值矩阵，然后对两个基本概率赋值矩阵进行融合，得到融合后的各雷达节点的优先级权值向量。本发明能够排除不确定因素对雷达节点优先级评估结果的扰动，提高评估结果的准确度。

Description

组网雷达系统中雷达节点的优先级评估方法

技术领域

本发明涉及雷达网络技术领域，尤其是一种组网雷达系统中雷达节点的优先级评估方法。 

背景技术

组网雷达系统中雷达节点的优先级推断，是对组网雷达系统对抗的拓扑结构分析认知的重要手段。组网雷达系统中重要雷达节点的推断，一方面来源于对重要雷达节点的推断分析，如雷达组网系统辐射源威胁度评估(兰俊杰、陈蓓、王敏，航天电子对抗，第26卷第3期，第61-64页)中提到了采用层次分析法对重要雷达节点的评估。而另一方面来源于对重要雷达节点与响应雷达节点的通信流量差异等的推断分析，如基于节点流量及路径评估网络节点重要性的优化算法(张品、董志远、沈政，计算机系统应用，2012年第21卷第12期，第103-107页)。 

然而，对于给定的组网雷达系统，总存在一些不确定性因数扰乱上述推断结果，如雷达节点的多种工作模式、同型号的雷达、雷达节点间的通信不一定都是通过无线链路完成等影响重要雷达节点的推断。因此当前亟待提高推断结果的准确度。 

发明内容

本发明所要解决的技术问题是：针对上述存在的问题，提供一种组网雷达系统中雷达节点的优先级评估方法，能够排除不确定因素对雷达节点优先级评估结果的扰动，提高评估结果的准确度。 

本发明采用的技术方案是：提供一种组网雷达系统中雷达节点的优先级评 估方法，包括：截获组网雷达系统中的各雷达节点的雷达信号，对所述雷达信号采用层次分析法进行计算得到各雷达节点的优先级权值向量，记为W_R＝[w_r1,…,w_rn]，其中，w_rn为优先级序号n的权值向量，n为大于或等于1的正整数；根据预先确定的基本概率赋值公式和所述优先级权值向量W_R计算得到所述优先级权值向量W_R的基本概率赋值矩阵其中，N_ij为第i行第j列的基本概率赋值，1≤i、j≤n；截获所述组网雷达系统中的各雷达节点之间的通信链路的通信信号，对所述通信信号采用流量分析法进行计算得到各通信链路对应的雷达节点的优先级权值向量，记为W_C＝[w_c1,…,w_cn]，其中，w_cn为优先级序号n的权值向量；根据所述基本概率赋值公式和所述优先级权值向量W_C计算得到所述优先级权值向量W_C的基本概率赋值矩阵对所述基本概率赋值矩阵和所述基本概率赋值矩阵进行融合，得出融合后的各雷达节点的优先级权值向量，记为W_K＝[w_k1,…,w_kn]。 

优选地，所述基本概率赋值公式为： 

$m\left(N_{\mathrm{ij}}\right)=1-\frac{|w_i-w_j|}{w_i+w_j}.$

优选地，所述融合的方式采用D-S融合方式。 

综上所述，由于采用了上述技术方案，本发明的有益效果是：通过层次分析法和流量分析法的结合，从而得出融合后的各雷达节点的优先级权值向量，能够排除雷达节点的多种工作模式、同型号的雷达、雷达节点间的通信不一定都是通过无线链路完成等不确定因素对雷达节点优先级评估结果的扰动，提高评估结果的准确度，并且本发明对雷达的传感器网络的重要性特征没有限制，具有很强的工程实用性。 

附图说明

本发明将通过例子并参照附图的方式说明，其中： 

图1是本发明实施例的组网雷达系统中雷达节点的优先级评估方法的流程示意图。 

图2是根据本发明实施例的优先级评估方法截获雷达信号获得的各雷达节点的优先级权值向量的优先级排序示意图。 

图3是根据本发明实施例的优先级评估方法截获通信信号获得的各雷达节点的优先级权值向量的优先级排序示意图。 

图4是根据本发明实施例的优先级评估方法进行融合后的各雷达节点的优先级权值向量的优先级排序示意图。 

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。 

本说明书中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。 

如图1所示，是本发明实施例的组网雷达系统中雷达节点的优先级评估方法的流程示意图。本发明实施例的优先级评估方法包括以下步骤： 

S1：截获组网雷达系统中的各雷达节点的雷达信号，对雷达信号采用层次分析法进行计算得到各雷达节点的优先级权值向量，记为W_R＝[w_r1,…,w_rn]，其中，w_rn为优先级序号n的权值向量，n为大于或等于1的正整数。 

其中，获得雷达信号后，可以建立评估层次结构模型，通过对层次结构模型采用层次分析法进行分析，得到各雷达节点的优先级权值向量。 

S2：根据预先确定的基本概率赋值公式和优先级权值向量W_R计算得到优先 级权值向量W_R的基本概率赋值矩阵其中，N_ij为第i行第j列的基本概率赋值，1≤i、j≤n。m_WR(N_ij)]w_r1,…,w_rn] 

其中，基本概率赋值公式为： 

$m\left(N_{\mathrm{ij}}\right)=1-\frac{|w_i-w_j|}{w_i+w_j}.$

S3：截获组网雷达系统中的各雷达节点之间的通信链路的通信信号，对通信信号采用流量分析法进行计算得到各通信链路对应的雷达节点的优先级权值向量，记为W_C＝[w_c1,…,w_cn]，其中，w_cn为优先级序号n的权值向量。 

其中，每一条通信链路对应两个雷达节点，所以每一条通信链路对应的雷达节点的权值向量有两个。本实施例可以采用“取小”规则排序或者采用“线性比例”规则排序。“取小”规则排序是取得两个权值向量中的最小值。“线性比例”规则排序是取两个权值向量的求和值，优选为采用黄金分割比例进行排序。 

S4：根据基本概率赋值公式和优先级权值向量W_C计算得到优先级权值向量W_C的基本概率赋值矩阵

S5：对基本概率赋值矩阵和基本概率赋值矩阵进行融合，得出融合后的各雷达节点的优先级权值向量，记为W_K＝[w_k1,…,w_kn]。 

其中，本实施例中融合的方式采用D-S融合方式。 

下面采用具体应用实例对本实施例的优先级评估方法进行详细说明： 

假设组网雷达系统中有六个雷达节点，首先采用雷达侦察设备获取雷达节点的雷达信号，并通过层次分析法获取各雷达节点的优先级权值向量W_R＝[w_r1,…w_r6]，再采用通信侦察设备获取通信链路的通信信号，并通过流量分析法获取各通信链路对应的雷达节点的优先级权值向量W_C＝[w_c1,…w_c6]。 

在层次分析法的仿真数据中，各雷达节点的优先级权值向量为： 

W_R＝(0.0674,0.0928,0.3024,0.0796,0.1532,0.3046)。 

根据基本概率赋值公式得到优先级权值向量W_R的基本概率赋值矩阵： 

$m_{W_R}\left(N_{\mathrm{ij}}\right)=\left(\begin{array}{cccccc}1.0& 0.8414& 0.3645& 0.9170& 0.6111& 0.3624\\ 0.8414& 1.0& 0.4696& 0.9234& 0.7545& 0.4670\\ 0.3645& 0.4696& 1.0& 0.4168& 0.6725& 0.9964\\ 0.917& 0.9234& 0.4168& 1.0& 0.6838& 0.4144\\ 0.6111& 0.7545& 0.6725& 0.6838& 1.0& 0.6693\\ 0.3624& 0.467& 0.9964& 0.4144& 0.6693& 1.0\end{array}\right).$

在仿真数据中，各通信链路对应的雷达节点的优先级权值向量为： 

W_C＝(0.07,0.12,0.29,0.15,0.07,0.30)。 

根据基本概率赋值公式得到优先级权值向量W_C的基本概率赋值矩阵为： 

$m_{W_C}\left(N_{\mathrm{ij}}\right)=\left(\begin{array}{cccccc}1.0& 0.7368& 0.3889& 0.6364& 1.0& 0.3784\\ 0.7368& 1.0& 0.5854& 0.8889& 0.7368& 0.5714\\ 0.3889& 0.5854& 1.0& 0.6818& 0.3889& 0.9831\\ 0.6364& 0.8889& 0.6818& 1.0& 0.6364& 0.6667\\ 1.0& 0.7368& 0.3889& 0.6364& 1.0& 0.3784\\ 0.3784& 0.5714& 0.9831& 0.6667& 0.3784& 1.0\end{array}\right).$

则采用D-S融合方式后的优先级权值向量W_K的基本概率赋值矩阵为： 

$m_{D-S}\left(N_{\mathrm{ij}}\right)=\left(\begin{array}{cccccc}1.0009& 0.5989& 0.1042& 0.5703& 0.6139& 0.1002\\ 0.5989& 1.0009& 0.2279& 0.9655& 0.9823& 0.2197\\ 0.1042& 0.2279& 1.0009& 0.2422& 0.2208& 0.9795\\ 0.5703& 0.9655& 0.2422& 1.0009& 0.9478& 0.2336\\ 0.6139& 0.9823& 0.2208& 0.9478& 1.0009& 0.2129\\ 0.1002& 0.2197& 0.9795& 0.2336& 0.2129& 1.0009\end{array}\right).$

融合后各雷达节点的优先级权值向量为： 

W_K＝(0.0221,0.0517,0.4021,0.0554,0.0499,0.4189)。 

本实施例的组网雷达系统中雷达节点的优先级评估方法由于将层次分析法和流量分析法结合，相对于现有技术仅仅依靠层次分析法或者仅仅依靠流量分析法的方式，能够排除雷达节点的多种工作模式、同型号的雷达、雷达节点 间的通信不一定都是通过无线链路完成等不确定因素对雷达节点优先级评估结果的扰动，提高评估结果的准确度，并且本发明对雷达的传感器网络的重要性特征没有限制，具有很强的工程实用性。 

请一并参见图2至图4，在本发明的一个应用场景中，给出了评估过程中的优先级排序示意图。其中，横坐标为雷达节点的编号，纵坐标为优先级排序序号。从图中可以知道，融合后的各雷达节点的优先级权值向量的优先级排序的准确度得到提高。 

本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。 

Claims (3)

1.一种组网雷达系统中雷达节点的优先级评估方法，其特征在于，包括：

截获组网雷达系统中的各雷达节点的雷达信号，对所述雷达信号采用层次分析法进行计算得到各雷达节点的优先级权值向量，记为W_R＝[w_r1,…,w_rn]，其中，w_rn为优先级序号n的权值向量，n为大于或等于1的正整数；

根据预先确定的基本概率赋值公式和所述优先级权值向量W_R计算得到所述优先级权值向量W_R的基本概率赋值矩阵其中，N_ij为第i行第j列的基本概率赋值，1≤i、j≤n；

截获所述组网雷达系统中的各雷达节点之间的通信链路的通信信号，对所述通信信号采用流量分析法进行计算得到各通信链路对应的雷达节点的优先级权值向量，记为W_C＝[w_c1,…,w_cn]，其中，w_cn为优先级序号n的权值向量；

根据所述基本概率赋值公式和所述优先级权值向量W_C计算得到所述优先级权值向量W_C的基本概率赋值矩阵

对所述基本概率赋值矩阵和所述基本概率赋值矩阵进行融合，得出融合后的各雷达节点的优先级权值向量，记为W_K＝[w_k1,…,w_kn]。

2.根据权利要求1所述的优先级评估方法，其特征在于，所述基本概率赋值公式为：

$m\left(N_{\mathrm{ij}}\right)=1-\frac{|w_i-w_j|}{w_i+w_j}.$

3.根据权利要求1所述的优先级评估方法，其特征在于，所述融合的方式采用D-S融合方式。