[发明专利]基于深度学习的雷达防空侦察效能评估方法

权利要求书

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K为玻尔兹曼常数，取1.33×10^-23J/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；

信号识别精度用表示，为频率分辨率，为方位分辨率，为信号脉冲宽度，为回波信号到达时间的误差；

信号稳定跟踪能力用综合目标的多个航迹后的三维方位误差E_x、E_y、E_z来表示，E_x为跟踪目标横坐标误差，E_y为跟踪目标纵坐标误差和，E_z为跟踪目标垂直坐标误差。