[发明专利]一种雷达辐射源信号识别效能评估方法及系统

权利要求书

1.一种雷达辐射源信号识别效能评估方法，其特征在于，所述雷达辐射源信号识别效能评估方法包括：首先根据直觉模糊网络分析法对评估准则下具有关联性特点的属性进行分析，得到各属性的属性权重；然后在基于区间犹豫模糊的思想上，并对识别率测试结果进行更合理的选取，确定决策矩阵中的区间犹豫模糊元；最后通过消去与选择转换法并结合逼近理想排序法实现雷达辐射源信号识别效能的有效评估；

在基于区间犹豫模糊的思想上，通过消去与选择转换法并结合逼近理想排序法实现雷达辐射源信号识别效能的有效评估具体过程包括：

1)确定区间犹豫模糊初始决策矩阵：

构建指标评价矩阵，方案集为A＝{A₁,A₂,...,A_m}，i＝1,2,...,m，属性集为C＝{C₁,C₂,...,C_n}，j＝1,2,...,n；若已知确定的属性权重为w＝(w₁,w₂,...,w_n)^T，代表属性的重要程度，且w_j∈[0,1]；根据实验平台进行仿真得到方案A_i在属性C_j下的评价信息，若由各个评价信息构成区间犹豫模糊元其中为区间犹豫模糊元的下界，为区间犹豫模糊元的上界，则由区间犹豫模糊元构成区间犹豫模糊矩阵为

2)确定属性优势集和属性劣势集

对于方案A_k和A_l，k,l＝1,2,...,m,k≠l，决策属性集被划分为两个不同的子集，即属性优势集和属性劣势集；属性优势集定义为：A_k方案的各目标属性优于A_l方案对应的目标属性的属性标号集；属性优势集用下列式来表示：

属性劣势集为优势集的补集，意义正好和优势集相反，即A_l方案的各目标属性优于方案A_k对应的目标属性的属性标号集合；属性劣势集表示为：

3)确定属性优势指数和属性劣势指数

在确定的级别优先关系的基础，由属性优势可计算出优势指数e_kl，优势指数的定义为：

对于属性劣势集，利用下式来计算A_k劣于A_l的程度：

其中：

N＝max{N₁,N₂}，N₁和N₂分别为区间犹豫模糊元和的长度，σ(i)表示区间犹豫模糊元中第i个区间犹豫模糊数；

4)确定优势矩阵和劣势矩阵

当计算出所有方案对的优势指数e_kl，k≠l；j＝1,2,...,n时，构成优势矩阵E＝(e_kl)_m×n：

当计算出所有的劣势指标f_kl，k≠l后，得劣势矩阵F＝(f_kl)_m×n；

5)确定综合优势判定矩阵

给定一个优势指数阀值认为当e_kl大于或等于时，则有A_k优于A_l的可能：

根据阈值构造一个0-1布尔矩阵U＝(μ_kl)_m×n，其中元素为：

当矩阵U的元素为1时，意味着具有优势机会或可能；

类似于矩阵U的建立，设置劣势指标阀值其确定方法取平均劣势指数：

根据阈值构造一个0-1布尔矩阵V＝(ν_kl)_m×n，其中的元素为：

U和V中的对应元素相乘的结果，构成综合优势判定矩阵Z^j＝(z_kl)^j_m×n中的元素z_kl：

z_kl＝μ_kl·ν_kl；

根据综合优势判定矩阵Z，如果z_kl＝1，则A_k整体优于A_l；

6)确定优势比较判断矩阵和劣势比较判断矩阵

定义优势比较判断矩阵为X＝(x_kl)_m×n，元素为：

x_kl＝e^*-e_kl；

其中e^*表示优势矩阵E＝(e_kl)_m×n中最大元素值，记为正理想点；

同样定义劣势比较判定矩阵为Y＝(y_kl)_m×n，其元素为：

y_kl＝f^*-f_kl；

其中f^*表示劣势矩阵F＝(f_kl)_m×n中最大元素值，记为负理想点；

7)计算相对贴进度

计算各方案到正、负理想点的相对贴近度r_kl，得到综合优先矩阵R＝(r_kl)_m×n，其元素为：

r_kl表示方案A_k相对于A_l到正负理想点的相对贴近度，r_kl值越高，表明A_k相对于A_l来说，越接近于正理想点，越远离于负理想点；

8)计算分类器识别效能的综合评价值

定义为综合评价值：

根据值的大小，对各方案进行整体排序，选出最优方案；