[发明专利]一种基于改进BP神经网络的雷达辐射源威胁评估方法

权利要求书

1.一种基于改进BP神经网络的雷达辐射源威胁评估方法，其特征包括如下步骤：

(1)构建雷达辐射源威胁值评估模型，确定雷达辐射源威胁因素；

(2)利用层次分析法和熵权法构建雷达辐射源威胁因素的权值评估模型，得到权值矩阵W；

(3)建立各威胁的隶属度函数，得到模糊综合评价矩阵R；

(4)利用步骤(2)层次分析法和熵权法得到的权值矩阵W，以及步骤(3)基于隶属度函数得到的模糊综合评价矩阵R，计算雷达辐射源的威胁值B，并将模糊综合评价矩阵R和威胁值B作为BP神经网络的输入向量和标签；

(5)通过改进BP神经网络实现提高评估雷达辐射源威胁值的准确率：利用经验值确定隐含层神经元个数的范围，利用每一个隐含层神经元进行评估，比较每一个输出与基准值的误差，误差最小所对应隐含层神经元个数，即为最优的个数。

2.如权利要求1所述的基于改进BP神经网络的雷达辐射源威胁评估方法，其特征在于：所述雷达辐射源威胁值评估模型从雷达辐射源及平台类型、运动要素、辐射源参数及工作模式3个方面构建两级雷达辐射源威胁评估体系，包括辐射源类型、平台类型、速度、相对距离、运动方向、脉冲重复频率、载频、脉宽、工作模式。

3.如权利要求1所述的基于改进BP神经网络的雷达辐射源威胁评估方法，其特征在于：步骤(2)包括：

(2a)构造各层次判断矩阵,采用1-9标度理论，对同层因素两两比较建立判断矩阵；

(2b)对辐射源类型和平台类型两两比较得到矩阵A₁：

(2c)对速度、相对距离、运动方向两两比较得到矩阵A₂：

(2d)对脉冲重复频率、载频、脉宽、工作模式进行两两比较得到矩阵A₃：

(2e)对一级指标辐射源类型、运动要素、辐射源参数及工作模式进行比较，得到判断矩阵A₄：

(2f)用一致性指标CI来判断成对比较矩阵的不一致程度:

CI＝(λ-n)/(n-1)；其中，λ为成对比较矩阵A的最大特征根，当CI＝0时，A满足一致性；CI越大，A的不一致性越高；

(2g)引入随机一致性指标RI，随机构造某阶数的正互反阵A'，并计算其一致性指标CI，作为一个样本，在大量样本的基础上，取平均值作为该阶矩阵的随机一致性指标；

(2h)根据下式计算各指标相对权重向量为：

W＝(w₁,w₂,…,w_n)^T

其中，p_ij为第j个指标下第i个项目的指标值的比重；

(2j)利用熵权法计算权重；

(2k)根据下式计算第j个指标下第i个项目的指标值的比重p_ij：

(2l)根据下式计算第j个指标的熵值e_j：

其中，k＝1/lnm；

(2m)根据下式计算第j个指标的熵权w_j：

(2n)根据下式确定指标的综合权数：

其中，α_j(j＝1,2,…,n)为评估者根据自己得目的和要求将指标重要性得权重；

(2o)根据下式确定综合确定权重值：

其中，w_1i为层次分析法得到的权重，w_2i为熵权法得到的权重，权值矩阵