CN102682221A - 一种复杂电子信息系统电磁兼容性综合评估方法 - Google Patents

Abstract

本发明属于电磁兼容综合性能评估领域，特别是一种复杂电子信息系统电磁兼容性综合评估方法，其特征是，至少包括如下流程：步骤101：建立的车载通信系统电磁兼容性能指标体系；步骤102：获得指标体系中了指标层各原始数据；步骤103：对子指标层中各指标的原始数据量化；步骤104：根据步骤103得到的各指标对应量化数据，获得初始评估向量；步骤105：对指标体系按照ANP方法求取目标加权向量

步骤106：依照改进TOPSIS方法，做性能集结；步骤107：评估结果分析。它采用基于历史数据库样本统计的广义基准点搜索方法确定正负基准点，以此替代传统TOPSIS方法仅在待评估方案中确定的正负理想点；进而应用加权欧氏距离求解贴近度，从而解决了评估结果重用的问题。

Description

一种复杂电子信息系统电磁兼容性综合评估方法

技术领域

本发明属于电磁兼容综合性能评估领域，特别是一种复杂电子信息系统电磁兼容性综合评估方法。

背景技术

系统电磁兼容评估包括了采用专家打分方式的主观评价、测试验证及系统内设备的成对或成组评估，以及对系统内关键敏感设备的干扰预测评估等，其主要思想均为对系统最终性能的预测分析或测试，无法反映系统中各设计要素（如布局、互连、接地等集成设计因素）对最终性能的影响，该类方法所获得的评估结果不利于指导系统电磁兼容设计或生产水平的提升。

而针对机动式电子信息系统（如车载通信系统）中各设计因素的电磁兼容综合评估属于多准则决策的研究范畴，需要建立反映实际性能的表现出复杂、相关、递进的分层网络化指标体系结构。此外，工程中往往需要对不同的方案或是一次研制中的多次改进设计进行评估值的对比，必须保证某特定方案的评估结果在不同的评估对象序列中保持一致的评价值，即保证评估结果是可重用的。但若直接采用多属性决策领域的传统TOPSIS（逼近于理想解的排序方法）进行评估，则只适用于多个方案同一次评估中的相对排序，评估结果无法重用。

本发明正是针对这类问题，提出基于改进TOPSIS的复杂电子系统电磁兼容性综合评估方法。

发明内容

本发明的目的是提出了一种基于改进TOPSIS的复杂电子系统电磁兼容性综合评估方法，通过网络层次分析法（The Analytic NetworkProcess，ANP）实现系统电磁兼容的网络分层树型多属性指标赋权；采用基于历史数据库样本统计的广义基准点搜索方法确定正负基准点，以此替代传统TOPSIS方法仅在待评估方案中确定的正负理想点；进而应用加权欧氏距离求解贴近度，从而解决了评估结果重用的问题。

本发明的目的是这样实现的，一种复杂电子信息系统电磁兼容性综合评估方法，其特征是，至少包括如下流程：

步骤101：建立的车载通信系统电磁兼容性能指标体系；

步骤102：获得指标体系中子指标层各原始数据；

步骤103：对子指标层中各指标的原始数据量化；

步骤104：根据步骤103得到的各指标对应量化数据，获得初始评估向量；

步骤105：对指标体系按照ANP方法求取目标加权向量

步骤106：依照改进TOPSIS方法，做性能集结；

步骤107：对评估结果做综合分析。

所述的步骤103对子指标层中各指标的原始数据量化；指的是对各指标对应的一组原始数据进行处理，获得一个该指标下的单值数值量。

所述的步骤105：对指标体系按照ANP方法求取目标加权向量

流程包括：

步骤401：以目标层性能为准则,子指标层性能c_jl为次准则，构建子指标判断矩阵；形成反映各子指标间接优势度的矩阵WS_ij；

设ANP指标层有元素组U₁，...,U_N，其中U_i中有子指标层元素c_i1，...,

以目标层性能为准则,U_j中元素c_jl(l=1,...,n_j)为次准则,元素组U_i中各元素按其对c_jl的影响力大小进行间接优势度比较,由此得归一化特征向量

依次遍历次准则c_jl(l＝1,...,n_j)建立子指标判断矩阵，形成矩阵WS_ij：

${\mathrm{WS}}_{\mathrm{ij}}=\begin{array}{}\end{array}\left[\begin{array}{cccc}{\mathrm{ws}}_{i1}^{j1}& w{s}_{i1}^{j2}& ...& {\mathrm{ws}}_{i1}^{j{n}_j}\\ {\mathrm{ws}}_{i2}^{j1}& {\mathrm{ws}}_{i2}^{j2}& ...& {\mathrm{ws}}_{i2}^{{\mathrm{jn}}_j}\\ ...& ...& ...& ...\\ {\mathrm{ws}}_{{\mathrm{in}}_j}^{j1}& {\mathrm{ws}}_{{\mathrm{in}}_j}^{j1}& ...& {\mathrm{ws}}_{{\mathrm{in}}_j}^{{\mathrm{jn}}_j}\end{array}\right]$

其中直接优势度定义为，给定一个准则，两元素对于该准则的重要程度进行比较；

间接优势度定义为，给出一个准则，两个元素在准则下对第三个元素（称为次准则）的影响程度进行比较；

前一种比较适用于元素间互相独立的情形，第二种比较适用于元素间互相依存的情形；

步骤402：组集形成超矩阵

将矩阵WS_ij作为子矩阵，可以组集形成超矩阵WS，如下所示：

$\mathrm{WS}=\left[\begin{array}{ccccc}{\mathrm{WS}}_{11}& ...& {\mathrm{WS}}_{1j}& ...& {\mathrm{WS}}_{1N}\\ ...& ...& ...& ...& ...\\ {\mathrm{WS}}_{i1}& ...& {\mathrm{WS}}_{\mathrm{ij}}& ...& {\mathrm{WS}}_{\mathrm{iN}}\\ ...& ...& ...& ...& ...\\ {\mathrm{WS}}_{N1}& ...& {\mathrm{WS}}_{\mathrm{Nj}}& ...& {\mathrm{WS}}_{\mathrm{NN}}\end{array}\right]$

步骤403：以目标层性能为准则，指标层性能U_i为次准则，构建加权矩阵；

为此，在指标层内，再次以目标层性能为准则，某指标层性能U_i为次准则，指标层内各指标的重要性进行比较，类似超矩阵WS中子块WS_ij的求取，得矩阵WP，其反映了WS子块的相对排序，因此将其命名为加权矩阵，如下所示：

$\mathrm{WP}=\left[\begin{array}{ccc}{\mathrm{wp}}_{11}& ...& {\mathrm{wp}}_{1N}\\ ...& ...& ...\\ {\mathrm{wp}}_{N1}& ...& {\mathrm{wp}}_{\mathrm{NN}}\end{array}\right]$

步骤404：用步骤403所得加权矩阵对402所得超矩阵进行加权组集，形成加权超矩阵W；

对超矩阵元素进行加权，得：

W=(W_ij)

W_ij＝wp_ij*WS_ij

W称为加权超矩阵，其列和为1；

步骤405：获得非负归一化的目标加权向量

根据超矩阵极限原理，当

存在时，W^∞的各列元素趋于一致，表征了各子指标元素的极限相对排序向量，即为非负归一化的目标加权向量

所述的步骤106：依照改进TOPSIS方法，做性能集结，其流程包括：步骤501：获取初始评估向量；

步骤502：依照广义基准点搜索方法，求得广义基准点；

步骤503：求取无量纲化向量；

步骤504，由无量纲化向量、广义基准点、指标权向量，求与正负基准点的欧几里德加权距离：

$S_i^{+}=\sqrt{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\underset{l=1}{\overset{N_j}{\mathrm{\Σ}}}[{(y_{\mathrm{jl}}^i-{y_{\mathrm{il}}}^{+})}^2*{w_{\mathrm{jl}}}^2]}$

$S_i^{-}=\sqrt{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\underset{l=1}{\overset{N_j}{\mathrm{\Σ}}}[{(y_{\mathrm{jl}}^i-{y_{\mathrm{il}}}^{-})}^2*{w_{\mathrm{jl}}}^2]}$

步骤505，根据加权欧式距离，得评价系统电磁兼容综合性能的贴近度：

贴近度为：

${\mathrm{SR}}_i=\frac{S_i^{-}}{S_i^{+}+S_i^{-}}$

SR_i为一0~1之间的无量纲量，其数值大小表征了方案i电磁兼容综合性能的优劣程度，值越大，性能越优。

所述的步骤107对评估结果做综合分析包括薄弱环节分析、关键环节分析和局部性能评估三种，具体步骤是：

步骤601，依次选择薄弱环节分析、关键环节分析和局部性能评估；

步骤602对薄弱环节分析；

步骤603对关键环节分析，当某一指标体系的权向量为

时，由关键环节定义可知，关键环节必须具有最大权重，取：

$w_{\max }=\underset{\underset{i\≤l\≤n_N}{1\≤j\≤N}}{\max }\left(w_{\mathrm{jl}}\right)$

则w_max所对应的指标为该指标体系下最关键环节；

步骤604对局部性能评估，依照正负加权欧几里德距离的方法，求取组合性能的正负加权欧几里德距离同理得组合贴近度C′_j；依此贴近度，得局部性能优劣，并反馈至系统性能分析，得出最关心的系统中某部分性能状况。

本发明具有如下优点：

（1）可以对复杂系统电磁兼容性能做综合分析，而不是该领域中大多数成果只能对某设备或其它单一性能做分析；

（2）可以比较客观的求取复杂系统的指标体系的权重向量，降低了主观赋权、专家经验赋权等方法的主观不确定性；

（3）改进后的TOPSIS方法可以实现对单一方案评估，且多次评估结果具有可比较性；

（4）丰富了评估结果分析的内容，满足了复杂系统电磁兼容性能多层次、多准则分析并反馈设计要素的需求。

附图说明

图1是本发明评估流程图；

图2是本发明在车载通信系统实例时，所建立的指标体系；

图3是模糊聚类量化方法的流程图；

图4是基于ANP方法求取目标加权向量的流程图；

图5是本发明改进TOPSIS算法流程图；

图6是评估结果分析图。

具体实施方式

以车载通信系统电磁兼容性能的指标体系为例，对本发明的实施方式做解析，其流程如图1所示。

步骤101：建立指标体系，建立的车载通信系统电磁兼容性能指标体系如图2所示。

该模型中目标层与指标层呈现分层树型结构，指标层中各指标按类相对独立，包括表征布局性能、互连系统、接地系统等平台载体电磁兼容的性能类型；也包括电源系统、设备特性等上装任务系统电磁兼容的性能类型；而子指标层数据呈现分类的网络关联特征，即每一类子指标与指标层相对应，但各具体子指标间存在一定的影响。如接地体特性与滤波性能、互连屏蔽性能均存在着关联关系，图中以双向关联表示。

步骤102：获得指标体系中子指标层各原始数据。原始数据来源主要有仿真和测试两大类。

步骤103：对子指标层中各指标的原始数据做量化，指的是各指标对应的一组原始数据依据其数据特征进行分类选择量化算法，获得一个该指标下的单值数值量。量化方法包括三类：

量化类型1：定性指标数值量化；

对于一些以文字定性描述的指标，采用比较分级方式给出该项性能指标的数值量。

此类适用的子指标包括接地系统中的接地方式、接地体形状以及搭接类型；互连系统中的端接性能；电源系统中的供电体制和线型。

以接地系统中的“搭接类型”为例，根据测试数据及搭接阻抗等效，对四种搭接类型的电磁兼容性能优劣排序为：

焊接>大于M6螺栓连接>小于M6螺栓连接>螺丝连接，

下表为其四种搭接方式的各自得分，如下表所示：

上表中各自的得分都是一个0到1之间的无量纲值，可直接用于之后的评估。

量化类型2：定量数据的加权平均量化

对于某一指标原始数据，该类数据随频率、获取对象等变化而形成一组离散数据，各数据变化不大。则根据其在不同情况下该指标对总体的重要性设不同的权重，用加权平均法对其进行量化。

此类适用的子指标包括天线布局性能中的耦合度、方向图和驻波比；互连系统中的馈线屏蔽效能；电源系统中的滤波器插入损耗等。

下面以“天线布局”（指标层）中的“耦合度”（子指标层）为例来说明具体的加权平均法的流程。

定义：C(h_l,ω_g,x_k)表示在第x_k种方案下，天线对h_l在频点ω_g处的耦合度值。

其中：

1≤g≤m,1≤k≤z；

n:天线总数；

m:选取的频点总数；

z:待评估的方案数。

设各个天线对的权重向量为：

其中：ω_l为第l组天线对的权重，

综合考虑不同天线对对加权平均耦合度的影响，得到第x_k种方案下在给定频点ω_g处的平均耦合度

${\stackrel{\‾}{C}}_{g,k}=\underset{l=1}{\overset{C_n^2}{\mathrm{\Σ}}}{\mathrm{\ω}}_l\·C(h_l,{\mathrm{\ω}}_g,x_k)$

由此构造一个行向量为不同方案在同一频点处的平均耦合度值，列向量为同一方案在不同频点处的平均耦合度值的M×Z维的天线对平均耦合度矩阵：

另设各个频点的权重向量为：

其中：ω_g为第g个频点的权重，

则综合考虑不同天线对和不同频点对系统影响的各方案平均耦合度向量为：

中的元素是具有耦合度量纲的对应方案的加权平均耦合度。一般的，可将各频点和各天线对按等权重处理；也可以根据电台不同频点的实际使用频度及指定重要天线的要求，赋予不同的权重。

量化类型3：定量数据的模糊聚类量化

如果某个指标在当前方案下存在的不同值之间差距很大，为防止大数吃小数的情况出现，采取模糊聚类分析法。

此类适用的子指标一般包括接地系统中的搭接阻抗等。具体的算法流程如图3所示。下面以“接地系统”（指标层）中的“接地阻抗”（子指标层）为例说明具体的算法流程。

步骤301：建立历史数据样本的模糊相似矩阵

设X={X₁,X₂,...,X_n}为某一搭接点的一组搭接阻抗数据。其中X_i=(x_i1,x_i2，...x_ij...,x_im)，x_ij对应于第i个搭接点在频点j的搭接阻抗测试值。

建立X_i与X_j之间的相似关系，即R(X_i,X_j)=r_ij，注意R(X_i,X_j)必须满足自反性和对称性；选取相似系数法计算r_ij：

$r_{\mathrm{ij}}=\frac{\underset{k=1}{\overset{m}{\mathrm{\Σ}}}|x_{\mathrm{ik}}-{\stackrel{\‾}{x}}_i||x_{\mathrm{jk}}-{\stackrel{\‾}{x}}_j|}{\sqrt{\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{(x_{\mathrm{ik}}-{\stackrel{\‾}{x}}_i)}^2}\·\sqrt{\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{(x_{\mathrm{jk}}-{\stackrel{\‾}{x}}_j)}^2}}$

其中： ${\stackrel{\‾}{x}}_i=\frac{1}{m}\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{x}_{\mathrm{ik}},$ ${\stackrel{\‾}{x}}_j=\frac{1}{m}\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{x}_{\mathrm{jk}}$

由此可得模糊相似矩阵：R=(r_ij)_n×n

步骤302：将模糊相似矩阵改造为模糊等价矩阵

矩阵R一般满足自反性和对称性，依照模糊聚类的要求，将R改造成模糊等价矩阵。改造过程如下：

相似矩阵R∈μ_n×n的传递闭包（传递闭包是包含R的具有传递性质的最小二元函数）是等价矩阵，且等价矩阵

其中μ_n×n表示n×n的模糊矩阵集，R²=R·R表示模糊相似矩阵R与R的内积运算，反复此过程可得Rⁿ。

步骤303：确定不同性能等级的聚类中心

首先确定λ（0<λ<1），然后确定λ截矩阵R_λ并完成分类。如果分类的数目不合适，可以重新确定λ，反复上述过程，直到得到满意的分类数M。

若R(u_i,u_j)=r_ij≥λ，则R_λ(u_i,u_j)=1，即u_i，u_j归为同一类。

若R(u_i,u_j)=r_ij≤λ，则R_λ(u_i,u_j)=0，即u_i，u_j不是同一类。

完成分类后，形成M个等级的聚类中心，其中第l个等级的聚类中心表示为

A_l{a₁,...,a_m}_l,l=1,2,…,M，也可记做{a_1l,...,a_m1},l=1,2,…,M

步骤304：采用模糊模式识别对待量化的原始数据进行分类。

计算待量化值B{b₁,...,b_m}与步骤303所获得的各聚类中心A_l的海明贴近度：

$N(A_l,B)=1-\frac{1}{m}\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}|a_{\mathrm{il}}-b_i|,l=\mathrm{1,2},...,M$

取

N(A_l0,B)=max{N(A₁,B),N(A₂,B),...,N(A_M,B)}

则认为B与A_l0最贴近，即判定B与A_l0为一类，从而获得待量化指标质量的分类等级。

步骤305：因步骤304中得到的性能等级为定性指标，故利用量化类型1中的比较分级方式给出该项性能指标的数值表示。

步骤306：将所有该类指标的数据都进行分析，通过加权平均获得其总体性能量化值。

步骤104：根据步骤103得到的各指标对应量化数据，获得初始评估向量。

步骤105：对指标体系按照ANP方法求取目标加权向量

其求取流程如图4所示。

步骤401：以目标层性能为准则,子指标层性能c_jl为次准则，构建子指标判断矩阵；形成反映各子指标间接优势度的矩阵WS_ij；

如图2中，设ANP指标层有元素组U₁,...,U_N，其中U_i中有子指标层元素

以目标层性能为准则,U_j中元素c_jl(l=1,...,n_j)为次准则,元素组U_i中各元素按其对c_jl的影响力大小进行间接优势度比较,由此得归一化特征向量

依次遍历次准则c_jl(l=1,...,n_j)建立子指标判断矩阵，形成矩阵WS_ij：

${\mathrm{WS}}_{\mathrm{ij}}=\begin{array}{}\end{array}\left[\begin{array}{cccc}{\mathrm{ws}}_{i1}^{j1}& w{s}_{i1}^{j2}& ...& {\mathrm{ws}}_{i1}^{j{n}_j}\\ {\mathrm{ws}}_{i2}^{j1}& {\mathrm{ws}}_{i2}^{j2}& ...& {\mathrm{ws}}_{i2}^{{\mathrm{jn}}_j}\\ ...& ...& ...& ...\\ {\mathrm{ws}}_{{\mathrm{in}}_j}^{j1}& {\mathrm{ws}}_{{\mathrm{in}}_j}^{j1}& ...& {\mathrm{ws}}_{{\mathrm{in}}_j}^{{\mathrm{jn}}_j}\end{array}\right]$

其中直接优势度定义为，给定一个准则，两元素对于该准则的重要程度进行比较；

间接优势度定义为，给出一个准则，两个元素在准则下对第三个元素（称为次准则）的影响程度进行比较。

前一种比较适用于元素间互相独立的情形，第二种比较适用于元素间互相依存的情形。

步骤402：组集形成超矩阵

将矩阵WS_ij作为子矩阵，可以组集形成超矩阵WS，如下所示：

$\mathrm{WS}=\left[\begin{array}{ccccc}{\mathrm{WS}}_{11}& ...& {\mathrm{WS}}_{1j}& ...& {\mathrm{WS}}_{1N}\\ ...& ...& ...& ...& ...\\ {\mathrm{WS}}_{i1}& ...& {\mathrm{WS}}_{\mathrm{ij}}& ...& {\mathrm{WS}}_{\mathrm{iN}}\\ ...& ...& ...& ...& ...\\ {\mathrm{WS}}_{N1}& ...& {\mathrm{WS}}_{\mathrm{Nj}}& ...& {\mathrm{WS}}_{\mathrm{NN}}\end{array}\right]$

步骤403：以目标层性能为准则，指标层性能U_i为次准则，构建加权矩阵；

为此，在指标层内，再次以目标层性能为准则，某指标层性能U_i为次准则，指标层内各指标的重要性进行比较，类似超矩阵WS中子块WS_ij的求取，得矩阵WP，其反映了WS子块的相对排序，因此将其命名为加权矩阵，如下所示：

$\mathrm{WP}=\left[\begin{array}{ccc}{\mathrm{wp}}_{11}& ...& {\mathrm{wp}}_{1N}\\ ...& ...& ...\\ {\mathrm{wp}}_{N1}& ...& {\mathrm{wp}}_{\mathrm{NN}}\end{array}\right]$

步骤404：用步骤403所得加权矩阵对402所得超矩阵进行加权组集，形成加权超矩阵W。

对超矩阵元素进行加权，得：

W=(W_ij)

W_ij＝wp_ij*WS_ij

W称为加权超矩阵，其列和为1。

步骤405：获得非负归一化的目标加权向量

根据超矩阵极限原理，当

存在时，W^∞的各列元素趋于一致，表征了各子指标元素的极限相对排序向量，即为非负归一化的目标加权向量

步骤106：依照改进TOPSIS方法，做性能集结，其流程如图5所示。

步骤501：获取初始评估向量

由步骤103，对子指标层内各指标原始数据量化，获取方案i的子指标向量（决策向量），记为

(j＝1...N；l＝1...n_j)，作为初始评估向量。

步骤502：依照广义基准点搜索方法，求得广义基准点；

复杂系统的综合性能评估，其数据源具有多样性，将其分为定量数据和定性数据两种。定性数据具有模糊的特性，对这样的数据定量化过程中，会自然产生理论最优和最差，此时，我们就可以分别将理论最优、理论最差值确定为正负基准点在该维的坐标值。

系统电磁兼容性能综合评估定量指标的原始数据容量一般不是很大，属于小样本分析范畴，样本中存在局部偶然、坏点等因素影响；定量数据通常符合“凸”分布规律，即一般性能产生的概率大，优性能和差性能产生的概率小，其典型分布规律包括χ²分布、t分布、F分布等三大分布。

此外，从物理意义出发，定量数据可分为望大型、望小型、适中型三种，且又有正负之分，为了在求取其广义基准点时，建立统一的算法形式，首先将原始数据集映射至非负且望大型数据集。

设某原始数据指标的数据全体，记为总体Ω。现有已采集到的原始数据样本

则其映射样本定义为：

$\tilde{X}=({\tilde{x}}_1,\&CenterDot;\&CenterDot;\&CenterDot;{\tilde{x}}_i,\&CenterDot;\&CenterDot;\&CenterDot;{\tilde{x}}_n)$

即建立了原始数据至非负望大型数据的映射g：

$g:X\&RightArrow;\tilde{X}$

其中， $X\&Subset;\mathrm{\&Omega;},\tilde{X}\&Subset;\widetilde{\mathrm{\&Omega;}}$

根据小样本统计理论，假设总体

服从某种分布，其概率密度函数为

则求出有限容量样本

的离散分布值

应用K-S检验法(Kolmogorov-Smirnov法)进行分布检验，如果满足下式，则接受原假设；否则拒绝接受。

$D_n=\underset{-\&infin;<\tilde{x}<\&infin;}{\max }|F\left(\tilde{x}\right)-\stackrel{\&OverBar;}{F}\left(\tilde{x}\right)|<D_{n,\mathrm{\&alpha;}}$

式中：D_n,α为显著性水平α上的临界值，可查表所得，n为

的样本容量。

若映射总体的概率密度函数为

则元素

落在区间的概率可表示为：

$P(\tilde{x},{\tilde{x}}_a\&le;\tilde{x}\&le;{\tilde{x}}_b)={\&Integral;}_{{\tilde{x}}_a}^{{\tilde{x}}_b}F\left(\tilde{x}\right)d\tilde{x}$

当

时，即当落入该区间的概率足够大时，认为为映射总体

的临界分布点概率点；则对该指标而言，

体现的就是该指标服从概率统计的最优和最差点，因此定义它们为该指标的基准点值。

对所求得的

做映射函数的逆变换即得对应原始数据的正负基准值：

依据上面方法获得的正负基准点向量分别记为 ${\stackrel{\&RightArrow;}{Q}}^{+}=(q_{11}^{+},q_{12}^{+}...q_{\mathrm{jl}}^{+}...q_{{\mathrm{Nn}}_N}^{+}),$ ${\stackrel{\&RightArrow;}{Q}}^{-}=(q_{11}^{-},q_{12}^{-}...q_{\mathrm{jl}}^{-}...q_{{\mathrm{Nn}}_N}^{-}).$

步骤503：求取无量纲化向量；

构造其无量纲化向量分别为

${\stackrel{\&RightArrow;}{y}}_i=(y_{11}^i,...y_{\mathrm{jl}}^i...y_{{\mathrm{Nn}}_N}^i){\stackrel{\&RightArrow;}{y}}_{+}=(y_{11}^{+},...y_{\mathrm{jl}}^{+}...y_{{\mathrm{Nn}}_N}^{+}){\stackrel{\&RightArrow;}{y}}_{-}=(y_{11}^{-},{...y}_{\mathrm{jl}}^{-}...y_{{\mathrm{Nn}}_N}^{-})$

其中当

为望大型指标时：

$y_{\mathrm{jl}}^i=\frac{q_{\mathrm{jl}}^i-q_{\mathrm{jl}}^{-}}{q_{\mathrm{jl}}^{+}-q_{\mathrm{jl}}^{-}}$

当

为望小型指标时：

$y_{\mathrm{jl}}^i=\frac{q_{\mathrm{jl}}^{-}-q_{\mathrm{jl}}^i}{q_{\mathrm{jl}}^{-}-q_{\mathrm{jl}}^{+}}$

当

为适中型指标时，即评估者最满意的值为

则：

$y_{\mathrm{jl}}^i=\frac{\max \left\{\right|q_{\mathrm{jl}}^{+}-q_{\mathrm{jl}}^i|,|q_{\mathrm{jl}}^{-}-q_{\mathrm{jl}}^i\left|\right\}-|q_{\mathrm{jl}}^i-{\stackrel{\&OverBar;}{q}}_{\mathrm{jl}}|}{\max \left\{\right|q_{\mathrm{jl}}^{+}-q_{\mathrm{jl}}^i|,|q_{\mathrm{jl}}^{-}-q_{\mathrm{jl}}^i\left|\right\}-\min \left\{\right|q_{\mathrm{jl}}^{+}-q_{\mathrm{jl}}^i|,|q_{\mathrm{jl}}^{-}-q_{\mathrm{jl}}^i\left|\right\}}$

步骤504，由无量纲化向量、广义基准点、指标权向量，求得加权欧式距离；

与正负基准点的欧几里德加权距离为：

$S_i^{+}=\sqrt{\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{l=1}{\overset{N_j}{\mathrm{\&Sigma;}}}[{(y_{\mathrm{jl}}^i-{y_{\mathrm{il}}}^{+})}^2*{w_{\mathrm{jl}}}^2]}$

$S_i^{-}=\sqrt{\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{l=1}{\overset{N_j}{\mathrm{\&Sigma;}}}[{(y_{\mathrm{jl}}^i-{y_{\mathrm{il}}}^{-})}^2*{w_{\mathrm{jl}}}^2]}$

步骤505，根据加权欧式距离，得评价系统电磁兼容综合性能的贴近度。

贴近度为：

${\mathrm{SR}}_i=\frac{S_i^{-}}{S_i^{+}+S_i^{-}}$

SR_i为一0~1之间的无量纲量，其数值大小表征了方案i电磁兼容综合性能的优劣程度，值越大，性能越优。

步骤107：评估结果分析，对评估结果做综合分析，分为三种薄弱环节分析、关键环节分析和局部性能评估，如图6所示。

步骤602即对薄弱环节分析。所谓薄弱环节是指在某一方案评估中，对方案总体性能贡献最小的指标。设有方案i，定义加权向量为 ${\stackrel{\&RightArrow;}{a}}_i=(a_{i11},a_{i12}...a_{\mathrm{ijl}}...a_{\mathrm{iN}{n}_N})(a_{\mathrm{ijl}}=y_{\mathrm{ijl}}*w_{\mathrm{jl}}),$ 取：

$a_{\max }=\underset{\underset{i\&le;l\&le;n_N}{1\&le;j\&le;N}}{\max }(w_{\mathrm{jl}}*y_{\mathrm{jl}}^{+}-a_{\mathrm{ijl}})$

则a_max所在对应的指标，为薄弱环节，即在方案i分析中，认为此指标对当前整体性能中表现最差，应首先调节。

步骤603即对关键环节分析。关键环节，是指在车载通信系统电磁兼容性能评估中，对整体性能影响最大的指标。当某一指标体系的权向量为

时。由关键环节定义可知，关键环节必须具有最大权重，取：

$w_{\max }=\underset{\underset{i\&le;l\&le;n_N}{1\&le;j\&le;N}}{\max }\left(w_{\mathrm{jl}}\right)$

则w_max所对应的指标为该指标体系下最关键环节，此指标对系统综合性能的影响最重要，应重点关注，使其尽可能处于最优性能状态。

步骤604即对局部性能评估。局部性能评估，是指取系统性能指标体系中部分指标，对这一部分指标组合性能，进行评估。依照发明内容中正负加权欧几里德距离的方法，求取组合性能的正负加权欧几里德距离

同理得组合贴近度C′_j。依此贴近度，得局部性能优劣，并反馈至系统性能分析，得出最关心的系统中某部分性能状况。

Claims (5)

1.一种复杂电子信息系统电磁兼容性综合评估方法，其特征是，至少包括如下流程：

步骤101：建立的车载通信系统电磁兼容性能指标体系；

步骤102：获得指标体系中子指标层各原始数据；

步骤103：对子指标层中各指标的原始数据量化；

步骤104：根据步骤103得到的各指标对应量化数据，获得初始评估向量；

步骤105：对指标体系按照ANP方法求取目标加权向量

步骤106：依照改进TOPSIS方法，做性能集结；

步骤107：评估结果分析。

2.根据权利要求1所述的一种复杂电子信息系统电磁兼容性综合评估方法，其特征是：所述的步骤103对子指标层中各指标的原始数据量化，指的是对各指标对应的一组原始数据依据其数据特征进行分类选择量化算法处理，获得一个该指标下的单值数值量。

3.根据权利要求1所述的一种复杂电子信息系统电磁兼容性综合评估方法，其特征是：所述的步骤105：对指标体系按照ANP方法求取目标加权向量

流程包括：

步骤401：以目标层性能为准则,子指标层性能c_jl为次准则，构建子指标判断矩阵；形成反映各子指标间接优势度的矩阵WS_ij；

设ANP指标层有元素组U₁,...,U_N，其中U_i中有子指标层元素

以目标层性能为准则,U_j中元素c_jl(l=1,...,n_j)为次准则，元素组U_i中各元素按其对c_jl的影响力大小进行间接优势度比较,由此得归一化特征向量

依次遍历次准则c_jl(l=1,...,n_j)建立子指标判断矩阵，形成矩阵WS_ij：

${\mathrm{WS}}_{\mathrm{ij}}=\begin{array}{}\end{array}\left[\begin{array}{cccc}{\mathrm{ws}}_{i1}^{j1}& w{s}_{i1}^{j2}& ...& {\mathrm{ws}}_{i1}^{j{n}_j}\\ {\mathrm{ws}}_{i2}^{j1}& {\mathrm{ws}}_{i2}^{j2}& ...& {\mathrm{ws}}_{i2}^{{\mathrm{jn}}_j}\\ ...& ...& ...& ...\\ {\mathrm{ws}}_{{\mathrm{in}}_j}^{j1}& {\mathrm{ws}}_{{\mathrm{in}}_j}^{j1}& ...& {\mathrm{ws}}_{{\mathrm{in}}_j}^{{\mathrm{jn}}_j}\end{array}\right]$

其中直接优势度定义为，给定一个准则，两元素对于该准则的重要程度进行比较；

间接优势度定义为，给出一个准则，两个元素在准则下对第三个元素（称为次准则）的影响程度进行比较；

前一种比较适用于元素间互相独立的情形，第二种比较适用于元素间互相依存的情形；

步骤402：组集形成超矩阵

将矩阵WS_ij作为子矩阵，可以组集形成超矩阵WS，如下所示：

$\mathrm{WS}=\left[\begin{array}{ccccc}{\mathrm{WS}}_{11}& ...& {\mathrm{WS}}_{1j}& ...& {\mathrm{WS}}_{1N}\\ ...& ...& ...& ...& ...\\ {\mathrm{WS}}_{i1}& ...& {\mathrm{WS}}_{\mathrm{ij}}& ...& {\mathrm{WS}}_{\mathrm{iN}}\\ ...& ...& ...& ...& ...\\ {\mathrm{WS}}_{N1}& ...& {\mathrm{WS}}_{\mathrm{Nj}}& ...& {\mathrm{WS}}_{\mathrm{NN}}\end{array}\right]$

步骤403：以目标层性能为准则，指标层性能U_i为次准则，构建加权矩阵；

为此，在指标层内，再次以目标层性能为准则，某指标层性能U_i为次准则，指标层内各指标的重要性进行比较，类似超矩阵WS中子块WS_ij的求取，得矩阵WP，其反映了WS子块的相对排序，因此将其命名为加权矩阵，如下所示：

$\mathrm{WP}=\left[\begin{array}{ccc}{\mathrm{wp}}_{11}& ...& {\mathrm{wp}}_{1N}\\ ...& ...& ...\\ {\mathrm{wp}}_{N1}& ...& {\mathrm{wp}}_{\mathrm{NN}}\end{array}\right]$

步骤404：用步骤403所得加权矩阵对402所得超矩阵进行加权组集，形成加权超矩阵W；

对超矩阵元素进行加权，得：

W=(W_ij)

W_ij＝wp_ij*WS_ij

W称为加权超矩阵，其列和为1；

步骤405：获得非负归一化的目标加权向量

根据超矩阵极限原理，当存在时，W^∞的各列元素趋于一致，表征了各子指标元素的极限相对排序向量，即为非负归一化的目标加权向量

4.根据权利要求1所述的一种复杂电子信息系统电磁兼容性综合评估方法，其特征是：所述的步骤106：其流程包括：

步骤501：获取初始评估向量；

由步骤103，对子指标层内各指标原始数据量化，获取方案i的子指标向量（决策向量），记为(j=1...N；l=1...n_j)，作为初始评估向量；

步骤502：依照广义基准点搜索方法，求得广义基准点；

步骤503：求取无量纲化向量；

步骤504：由无量纲化向量、广义基准点、指标权向量，求得加权欧式距离；

与正负基准点的欧几里德加权距离为：

$S_i^{+}=\sqrt{\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{l=1}{\overset{N_j}{\mathrm{\&Sigma;}}}[{(y_{\mathrm{jl}}^i-{y_{\mathrm{il}}}^{+})}^2*{w_{\mathrm{jl}}}^2]}$

$S_i^{-}=\sqrt{\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{l=1}{\overset{N_j}{\mathrm{\&Sigma;}}}[{(y_{\mathrm{jl}}^i-{y_{\mathrm{il}}}^{-})}^2*{w_{\mathrm{jl}}}^2]}$

步骤505，根据加权欧式距离，得评价系统电磁兼容综合性能的贴近度：

贴近度为：

${\mathrm{SR}}_i=\frac{S_i^{-}}{S_i^{+}+S_i^{-}}$

SR_i为一0~1之间的无量纲量，其数值大小表征了方案i电磁兼容综合性能的优劣程度，值越大，性能越优。

5.根据权利要求1所述的一种复杂电子信息系统电磁兼容性综合评估方法，其特征是：所述的步骤107对评估结果做综合分析包括薄弱环节分析、关键环节分析和局部性能评估三种，具体步骤是：

步骤601，依次选择薄弱环节分析、关键环节分析和局部性能评估；

步骤602对薄弱环节分析；

步骤603对关键环节分析，当某一指标体系的权向量为

时，由关键环节定义可知，关键环节必须具有最大权重，取：

$w_{\max }=\underset{\underset{i\&le;l\&le;n_N}{1\&le;j\&le;N}}{\max }\left(w_{\mathrm{jl}}\right)$

则w_max所对应的指标为该指标体系下最关键环节；

步骤604对局部性能评估，依照正负加权欧几里德距离的方法，求取组合性能的正负加权欧几里德距离同理得组合贴近度C′_j；依此贴近度，得局部性能优劣，并反馈至系统性能分析，得出最关心的系统中某部分性能状况。

Images