CN103268410A

CN103268410A - 一种基于快速迭代的多目标威胁度排序方法

Info

Publication number: CN103268410A
Application number: CN2013101788879A
Authority: CN
Inventors: 张堃; 张才坤; 周德云; 冯琦; 马云红
Original assignee: Northwestern Polytechnical University
Current assignee: Northwestern Polytechnical University
Priority date: 2013-05-15
Filing date: 2013-05-15
Publication date: 2013-08-28

Abstract

本发明提供了一种基于快速迭代的多目标威胁度排序方法，依次建立目标属性因素模型；根据威胁因子模型，构造目标属性矩阵，并规范化处理；确定理想优方案的目标优属度以及理想劣方案的相对目标优属度；构造优化函数；选取初始权重向量；循环计算优属度以及属性权重；满足计算精度后，给出最大优属度排序，对应可得威胁度排序。本发明同时考虑最优与最劣隶属度，实现目标威胁度迭代计算，不需人为设定属性权重，较其他方法计算速度快，易于计算机实现，提高威胁评估的快速性。

Description

一种基于快速迭代的多目标威胁度排序方法

技术领域

本发明属于数据融合技术领域，特别涉及一种基于模糊交叉迭代的多目标威胁度排序方法，可用于机载任务处理机，或者空中/地面引导指挥系统。

背景技术

数据融合是一门信息综合处理技术，威胁评估是美国三军实验室理事联席会提出的信息融合模型中重要组成部分，是建立先进指挥自动化系统的重要组成部分，其研究重点是如何对目标威胁程度进行合理科学的评估与排序，并指导己方进一步行动，通常具有不确定性。不论是在军用、民用领域均发挥着重要作用。在国际日益猖獗的恐怖袭击背景下，民用航空由于具有可控性高、影响大，现阶段成为恐怖分子实施恐怖活动的首选目标，这就对我国的民航企业、民航管理部门提出了严峻的考验。随着电子信息技术的发展和大规模应用，信息量越来越大，也越来越复杂，正确快速的实现目标威胁评估，有助于民航塔台指挥人员、民航驾驶员快速反应，采取必要的措施保护机组人员的安全，提高生存概率，避免不必要的生命和财产损失。

现在有很多成熟的方法应用于目标威胁计算排序，如模糊最大加权隶属度偏差平方法，其评价的标准是离理想劣方案越远越好而不管是否接近理想优方案，而模糊最小加权隶属度偏差平方法中，评价方案的标准是越接近理想优方案越好而不管是否远离理想劣方案，显然这两种方案都有其不足之处。

发明内容

为了克服现有技术的不足，本发明提供一种基于快速迭代的多目标威胁度排序方法，综合考虑现有技术，采用评价的标准是尽可能的接近理想优方案而远离理想劣方案，也就是说用其方案偏离理想优劣两方案的远近程度来衡量方案的优劣。同时此种算法可以不需要知道目标属性的权重信息，避免了目标权重信息很难获得的弊端。

本发明解决其技术问题所采用的技术方案包括以下步骤：

步骤1、建立目标属性威胁因子模型，包括以下内容：

(1)角度威胁因子

式中，为目标前置角，

为目标航向与目标线夹角；

(2)距离威胁因子

a_{i 2} = \{\begin{matrix} 0.5 & r_{i} \leq rm, r_{i} \leq rm t_{i} \\ 0.5 - \frac{0.2 (r_{i} - rm t_{i})}{(rm - rm t_{i})} & rm t_{i} < r_{i} < rm \\ 1.0 & rm t_{i} > r_{i} > rm \\ 0.8 & \max (rm, rm t_{i}) < r_{i} < rr \end{matrix},

式中，r_i为目标距离，rmt_i为敌机所携带导弹的攻击距离，rm为我方防空导弹最大射程，rr为我方雷达最大跟踪距离；

(3)速度威胁因子

a_{i 3} = \{\begin{matrix} 0.1 & v_{i} < 0.6 v_{z} \\ - 0.5 + v_{i} / v_{z} & 0.6 v_{z} \leq v_{i} \leq 1.5 v_{z} \\ 1.0 & v_{i} > 1.5 v_{z} \end{matrix},

式中，v_z为我机速度，v_i为目标速度；

步骤2、构造目标属性矩阵

{A = (a_{ij})}_{m \times n} = [\begin{matrix} a_{11} & a_{12} & \cdot \cdot \cdot & a_{1 n} \\ a_{21} & a_{22} & \cdot \cdot \cdot & a_{2 n} \\ \cdot & \cdot \\ \cdot & \cdot \cdot \cdot & \cdot \cdot \cdot & \cdot \\ \cdot & \cdot \\ a_{m 1} & a_{m 2} & \cdot \cdot \cdot & a_{mn} \end{matrix}],

式中，a_ij表示第i个目标的第j个属性值；

对属性矩阵进行规范化处理：

{R = (r_{ij})}_{m \times n} = [\begin{matrix} r_{11} & r_{12} & \cdot \cdot \cdot & r_{1 n} \\ r_{21} & r_{22} & \cdot \cdot \cdot & r_{2 n} \\ \cdot & \cdot \\ \cdot & \cdot \cdot \cdot & \cdot \cdot \cdot & \cdot \\ \cdot & \cdot \\ r_{m 1} & r_{m 2} & \cdot \cdot \cdot & r_{mn} \end{matrix}], 0 \leq r_{ij} \leq 1

其中，角度属性和距离属性为成本型规范化方法，速度属性为效益型规范化方法，

所述的成本型规范化方法为

i＝1,2,…,m;j＝1,2,…,n；

所述的效益型规范化方法为

i＝1,2,…,m;j＝1,2,…,n；

步骤3、定义理想优方案的目标优属度g＝(g₁,g₂,…,g_n)^T，式中，

指m个目标中同一属性的最优值，

定义理想劣方案的相对目标优属度b＝(b₁,b₂,…,b_n)^T，式中，

指m个目标中同一属性的最劣值；

步骤4、每个目标方案与理想优方案的接近程度

每个目标方案与理想劣方案的接近程度

步骤5、构造函数θ_i(μ_i,ω)＝μ_i ²y_i(ω)+(1-μ_i)²β_i(ω)，式中，μ_i为优属度；

步骤6、给定计算精度ε＞0，选取初始权重向量ω⁰＝(0.3,0.3,0.4)，置解算计数器t＝0；

步骤7、计算优属度

μ_{i} = {1 + \frac{Σ_{j = 1}^{n} ω_{j}^{2} {(g_{j} - μ_{ij})}^{2}}{Σ_{j = 1}^{n} ω_{j}^{2} {(μ_{ij} - b_{j})}^{2}}}^{- 1};

步骤8、由优属度μ_i计算计数器下的权重

ω_{j} = {Σ_{k = 1}^{l} \frac{Σ_{i = 1}^{m} [μ_{i}^{2} {(g_{j} - μ_{ij})}^{2} + {(1 - μ_{i})}^{2} {(μ_{ij} - b_{i})}^{2}]}{Σ_{i = 1}^{m} [μ_{i}^{2} {(g_{k} - μ_{ik})}^{2} + {(1 - μ_{i})}^{2} {(μ_{ik} - b_{k})}^{2}]}};

步骤9、若

和

分别表示当前时刻t和下一时刻t+1下的权重，计算结束；否则，转到步骤7，并置解算计数器加1；最大优属度对应威胁最大的目标，从而可得威胁度排序。

本发明的有益效果是：本发明提出的用于多目标威胁度排序方法，同时考虑最优与最劣隶属度，实现目标威胁度迭代计算，不需人为设定属性权重。

附图说明

图1是本发明威胁评估方法中双方飞机飞行态势示意图；

图2是本发明威胁评估方法流程示意图。

具体实施方式

下面结合附图和实施例对本发明进一步说明。

本发明采用评价的标准是尽可能的接近理想优方案而远离理想劣方案。也就是说用其方案偏离理想优劣两方案的远近程度来衡量方案的优劣。同时此种方法可以不需要知道目标属性的权重信息，避免了权重信息很难获得的弊端。

本发明包括以下步骤：

（1）建立目标属性因素模型；

（2）根据威胁因子模型，构造目标属性矩阵，并规范化处理；

（3）确定理想优方案的目标优属度以及理想劣方案的相对目标优属度；

（4）构造优化函数；

（5）选取初始权重向量；

（6）循环计算优属度以及属性权重；

（7）满足计算精度后，给出最大优属度排序，对应可得威胁度排序。

双方飞机飞行态势如图1所示，本发明计算步骤如下：

步骤1、建立目标属性威胁因子模型

(1)角度威胁因子

a_{i 1} = (| q_{i}^{B} | + | q_{i}^{R} |) / 360

式中，为目标前置角，

为目标航向与目标线夹角（顺时针为正）。

(2)距离威胁因子

a_{i 2} = \{\begin{matrix} 0.5 & r_{i} \leq rm, r_{i} \leq rm t_{i} \\ 0.5 - \frac{0.2 (r_{i} - rm t_{i})}{(rm - rm t_{i})} & rm t_{i} < r_{i} < rm \\ 1.0 & rm t_{i} > r_{i} > rm \\ 0.8 & \max (rm, rm t_{i}) < r_{i} < rr \end{matrix}

式中，r_i为目标距离，rmt_i为敌机所携带导弹的攻击距离，rm为我方防空导弹最大射程，rr为我方雷达最大跟踪距离。

(3)速度威胁因子

a_{i 3} = \{\begin{matrix} 0.1 & v_{i} < 0.6 v_{z} \\ - 0.5 + v_{i} / v_{z} & 0.6 v_{z} \leq v_{i} \leq 1.5 v_{z} \\ 1.0 & v_{i} > 1.5 v_{z} \end{matrix}

式中，v_z为我机速度，v_i为目标速度。

步骤2、构造目标属性矩阵

{A = (a_{ij})}_{m \times n} = [\begin{matrix} a_{11} & a_{12} & \cdot \cdot \cdot & a_{1 n} \\ a_{21} & a_{22} & \cdot \cdot \cdot & a_{2 n} \\ \cdot & \cdot \\ \cdot & \cdot \cdot \cdot & \cdot \cdot \cdot & \cdot \\ \cdot & \cdot \\ a_{m 1} & a_{m 2} & \cdot \cdot \cdot & a_{mn} \end{matrix}]

式中，a_ij表示第i个目标的第j个属性值。

属性矩阵规范化处理：

{R = (r_{ij})}_{m \times n} = [\begin{matrix} r_{11} & r_{12} & \cdot \cdot \cdot & r_{1 n} \\ r_{21} & r_{22} & \cdot \cdot \cdot & r_{2 n} \\ \cdot & \cdot \\ \cdot & \cdot \cdot \cdot & \cdot \cdot \cdot & \cdot \\ \cdot & \cdot \\ r_{m 1} & r_{m 2} & \cdot \cdot \cdot & r_{mn} \end{matrix}], 0 \leq r_{ij} \leq 1

成本型规范化方法为

r_{ij} = \frac{a_{j \max} - a_{ij}}{a_{j \max} - a_{j \min}}

(i＝1,2,…,m;j＝1,2,…,n)

效益型规范化方法为

r_{ij} = \frac{a_{ij} - a_{j \min}}{a_{j \max} - a_{j \min}}

(i＝1,2,…,m;j＝1,2,…,n)

式中，角度属性为成本型、速度属性为效益型、距离属性为成本型。

步骤3、定义理想优方案的目标优属度为

g＝(g₁,g₂,…,g_n)^T

式中，

指m个目标中同一属性的最优值，寻求所选的最优值距离理想优方案尽可能的近，

定义理想劣方案的相对目标优属度为

b＝(b₁,b₂,…,b_n)^T

式中，指m个目标中同一属性的最劣值，寻求所选的最优值距离理想劣方案尽可能的远，

步骤4、

每个目标方案与理想优方案的接近程度采用加权欧式距离平方定义

y_{i} (ω) = Σ_{j = 1}^{n} w_{j} {(g_{j} - r_{ij})}^{2}

(i=1，2，…，m;j=1，2，…，n)

显然对于给定的权重向量ω，y_i(ω)越小，则方案越优。

同理，每个目标方案与理想劣方案的接近程度为

β_{i} (ω) = Σ_{j = 1}^{n} w_{j} {(r_{ij} - b_{j})}^{2}

(i＝1,2,…,m;j＝1,2,…,n)

同样对于给定的权重向量ω，β_i(ω)越大，则方案越优。

步骤5、构造下述函数

θ_i(μ_i,ω)＝μ_i ²y_i(ω)+(1-μ_i)²β_i(ω) (i＝1,2,…,m;j＝1,2,…,n)

式中，μ_i为优属度。

步骤7、计算优属度

μ_{i} = {1 + \frac{Σ_{j = 1}^{n} ω_{j}^{2} {(g_{j} - μ_{ij})}^{2}}{Σ_{j = 1}^{n} ω_{j}^{2} {(μ_{ij} - b_{j})}^{2}}}^{- 1}

步骤8、由优属度

可计算出计数器下的权重

ω_{j} = {Σ_{k = 1}^{l} \frac{Σ_{i = 1}^{m} [μ_{i}^{2} {(g_{j} - μ_{ij})}^{2} + {(1 - μ_{i})}^{2} {(μ_{ij} - b_{i})}^{2}]}{Σ_{i = 1}^{m} [μ_{i}^{2} {(g_{k} - μ_{ik})}^{2} + {(1 - μ_{i})}^{2} {(μ_{ik} - b_{k})}^{2}]}}

步骤9、若计算结束，否则，转到步骤7，并置t＝t+1；最大优属度对应威胁最大的目标，从而可得威胁度排序。

整个威胁评估过程如图2所示。

本发明提出的用于多目标威胁度排序方法，可以实现目标威胁度迭代计算，不需给定属性权重，同时同时考虑最优与最劣隶属度。应用本发明的方法解决空中目标威胁评估问题，较其他方法计算速度快，易于计算机实现，提高威胁评估的快速性。

Claims

1.一种基于快速迭代的多目标威胁度排序方法，其特征在于包括以下步骤：

步骤1、建立目标属性威胁因子模型，包括以下内容：

(1)角度威胁因子

式中，为目标前置角，

为目标航向与目标线夹角；

(2)距离威胁因子

a_{i 2} = \{\begin{matrix} 0.5 & r_{i} \leq rm, r_{i} \leq rm t_{i} \\ 0.5 - \frac{0.2 (r_{i} - rm t_{i})}{(rm - rm t_{i})} & rm t_{i} < r_{i} < rm \\ 1.0 & rm t_{i} > r_{i} > rm \\ 0.8 & \max (rm, rm t_{i}) < r_{i} < rr \end{matrix},

(3)速度威胁因子

a_{i 3} = \{\begin{matrix} 0.1 & v_{i} < 0.6 v_{z} \\ - 0.5 + v_{i} / v_{z} & 0.6 v_{z} \leq v_{i} \leq 1.5 v_{z} \\ 1.0 & v_{i} > 1.5 v_{z} \end{matrix},

式中，v_z为我机速度，v_i为目标速度；

步骤2、构造目标属性矩阵

{A = (a_{ij})}_{m \times n} = [\begin{matrix} a_{11} & a_{12} & \cdot \cdot \cdot & a_{1 n} \\ a_{21} & a_{22} & \cdot \cdot \cdot & a_{2 n} \\ \cdot & \cdot \\ \cdot & \cdot \cdot \cdot & \cdot \cdot \cdot & \cdot \\ \cdot & \cdot \\ a_{m 1} & a_{m 2} & \cdot \cdot \cdot & a_{mn} \end{matrix}],

式中，a_ij表示第i个目标的第j个属性值；

对属性矩阵进行规范化处理：

{R = (r_{ij})}_{m \times n} = [\begin{matrix} r_{11} & r_{12} & \cdot \cdot \cdot & r_{1 n} \\ r_{21} & r_{22} & \cdot \cdot \cdot & r_{2 n} \\ \cdot & \cdot \\ \cdot & \cdot \cdot \cdot & \cdot \cdot \cdot & \cdot \\ \cdot & \cdot \\ r_{m 1} & r_{m 2} & \cdot \cdot \cdot & r_{mn} \end{matrix}], 0 \leq r_{ij} \leq 1

所述的成本型规范化方法为

i=1，2，…，m;j=1，2，…，n;

所述的效益型规范化方法为i=1，2，…，m;j=1，2，…，n;

指m个目标中同一属性的最优值，

指m个目标中同一属性的最劣值；

步骤4、每个目标方案与理想优方案的接近程度

每个目标方案与理想劣方案的接近程度

步骤5、构造函数θ_i(μ_i,ω)＝μ_i ²y_i(ω)+(1-μ_i)²βi(ω)，式中，μ_i为优属度；

步骤7、计算优属度

μ_{i} = {1 + \frac{Σ_{j = 1}^{n} ω_{j}^{2} {(g_{j} - μ_{ij})}^{2}}{Σ_{j = 1}^{n} ω_{j}^{2} {(μ_{ij} - b_{j})}^{2}}}^{- 1};

步骤8、由优属度μ_i计算计数器下的权重

ω_{j} = {Σ_{k = 1}^{l} \frac{Σ_{i = 1}^{m} [μ_{i}^{2} {(g_{j} - μ_{ij})}^{2} + {(1 - μ_{i})}^{2} {(μ_{ij} - b_{i})}^{2}]}{Σ_{i = 1}^{m} [μ_{i}^{2} {(g_{k} - μ_{ik})}^{2} + {(1 - μ_{i})}^{2} {(μ_{ik} - b_{k})}^{2}]}};

步骤9、若

和