CN103699811A - 一种自适应调零天线综合效能评估方法 - Google Patents

Abstract

本发明公开一种自适应调零天线综合效能评估方法，首先建立评估层次结构模型，再利用层次分析法计算不同条件下自适应调零天线的评估分值，进而对自适应调零天线进行效能综合评估。本发明可以解决基于自适应调零天线各指标进行综合评估的技术问题，可以广泛用于雷达、通信等应用自适应调零天线系统的领域，并指导自适应调零天线技术研究、生产和改进。

Description

一种自适应调零天线综合效能评估方法

技术领域

本发明涉及自适应调零天线以及效能评估领域，具体地说是一种基于层次分析法的多指标体系自适应调零天线综合效能评估方法。

背景技术

自适应调零天线技术是基于阵列天线的空域滤波技术，在雷达、通信、医学成像、麦克风语音处理等方面具有广泛应用。该技术利用不同种类的自适应算法，调节各天线阵元的幅相加权，使得阵列天线方向图在期望信号方向上达到最大值，而在干扰方向上形成零陷，从而实现在空域内最大限度接收有用信号，同时抑制干扰的目的。自适应调零天线的综合效能评估不仅可以用于针对特定环境下自适应调零算法的选取，而且能够评价不同干扰环境对于自适应调零天线的影响，从而指导自适应调零天线技术应用、研发及改进。

对于自适应调零天线的效能评估，一般使用单个指标孤立地进行分析，获得结果无法全面反映系统效能。因此如何全面、准确、客观、合理地评估出自适应调零天线效能的优劣等级是该领域亟待解决的重要问题。

发明内容

本发明所要解决的技术问题是：如何对自适应调零天线的效能进行有效评估，从而指导自适应调零天线技术应用、研发及改进。为此，本发明提出一种基于层次分析法的自适应调零天线综合效能评估方法。

本发明解决以上技术问题所采用的技术方案如下：

一种自适应调零天线综合效能评估方法，其特征在于包括如下步骤：

（一）建立评估层次结构模型

层次结构模型分为目标层、中间层和最底层，其中，目标层为评估目标，即自适应调零天线系统效能评估；中间层分为若干层；最底层为待评估对象；

（二）构造自适应调零天线效能评估判断矩阵并进行一致性检验

首先根据层次结构模型，对最底层和中间层最下面一层之外的各层元素建立判断矩阵，上一层某元素的判断矩阵通过下一层各元素对于所述某元素的重要程度两两比较而得出；

然后对构造的判断矩阵进行一致性检验，若检验结果不满足要求，返回修正判断矩阵，重复检验步骤，直到满足检验要求为止；

（三）确定相对评估权重矢量

对满足一致性检验的各判断矩阵进行特征值分解，并将最大特征值对应的特征矢量进行归一化处理，得到各层元素对其从属的上一层元素的相对评估权重矢量；

（四）中间层最下面一层的元素数据归一化

将中间层最下面一层的元素分为三类：效益型元素、成本型元素和区间型元素，对不同类元素的实测数据应用不同方法进行归一化处理；

（五）层次总排序

采用加权和的方法由目标层向中间层最下面一层递阶归并相对评估权重矢量，计算最终综合权重矢量，利用最终综合权重矢量以及步骤（四）的元素数据归一化结果计算最终分值结果；

（六）评估结论

根据上一步计算出的最终分值结果，依大小进行排序，排名越靠前则评估结果越好，反之则说明评估结果较差，从而得到最终的评估结论。

本发明进一步的技术方案是：中间层分为准则层和位于准则层之下的指标层。

其中，准则层元素包括但不限于抗干扰效果、抗干扰代价。

指标层元素包括但不限于置零深度、置零宽度、主副比、天线阵元数、收敛时间、主瓣偏移。

最底层待评估对象是不同的干扰环境或不同的自适应调零算法。

其中步骤（四）中，三类元素及其数据归一化公式如下：

效益型元素，即数据“越大越好”，其归一化公式为：

成本型元素，即数据“越小越好”，其归一化公式为：

区间型元素，即X_i∈[σ,ε]最好，其归一化公式为：

当x_i<σ时， $x_i=1-\frac{\mathrm{\&sigma;}-X_i}{\max \{\mathrm{\&sigma;}-\min \{X_i\},\max \{X_i\}-\mathrm{\&epsiv;}\}}$

当xi>ε时，

当σ≤x_i≤ε时，x_i=1

其中，X_i为归一化前实测数据样本集中的第i个元素数据，最大值为max{X_i}，最小值为min{X_i}，x_i为X_i归一化后对应的元素数据，σ,ε分别表示区间的最小值和最大值。

本发明基于层次分析法，结合各种指标对于自适应调零天线效能的影响，提供了一种自适应调零天线效能的综合评估方法，该方法建立了较为全面的评估层次结构模型，避免了单一指标分析的局限性与单纯人为评价的不客观性。本发明还针对不同类型指标采用不同的归一化方法，使评估结果更合理。本发明方法评估过程简便、高效，评估结果全面、客观、准确且易于工程实现，可以广泛应用于雷达、通信等应用自适应调零天线系统的领域，通过评估其系统综合效能，并指导自适应调零天线技术研究、生产和改进。

附图说明

图1为自适应调零天线综合效能评估方法流程图。

图2为层次结构模型示意图。

具体实施方式

以下结合具体实施例对本发明作进一步详细描述。

实施例一

如图1，自适应调零天线综合效能评估的方法包括如下步骤：

（一）建立评估层次结构模型

以图2中所示为例。层次结构模型分为目标层、中间层和最底层。其中目标层为评估目标，即自适应调零天线系统效能评估。中间层可分为若干子层，在本实施例中具体分为准则层与位于准则层之下的指标层。准则层的元素是各种准则，例如图中所示的抗干扰效果准则和抗干扰代价准则。指标层的元素是从属于各准则下的各种指标，例如图中所示的抗干扰效果准则下面有三个指标：置零深度、置零宽度和主副比，抗干扰代价准则下面有三个指标：天线阵元数、收敛时间、主瓣偏移。最底层为待评估对象，可以为不同的干扰环境，以实现对同一自适应调零天线在不同干扰环境中的评估；也可以为不同自适应调零算法，以实现同一干扰环境中对不同算法的评估等等。

各指标中，置零深度为天线方向图在干扰信号波达方向上的增益，单位为dB。置零宽度为天线方向图零陷在参考门限之下的角度范围，单位为度。由于有效干信比（dB）为实际干信比（dB）与方向图零陷（dB）之和，那么所述参考门限的取值可以综合实际干信比与接收机所能容忍的最大干信比考虑。例如，实际干信比为5dB，接收机所能容忍的最大干信比为-20dB，那么方向图零陷参考门限值可以设为-25dB。主副比取值方法为：当天线方向图在期望信号波达方向上的增益大于-3dB时，取值为方向图期望信号方向上的增益比上最大旁瓣峰值增益；当自适应调零天线方向图在期望信号波达方向上的增益小于-3dB时，取值为方向图期望信号方向上的增益比上方向图最大峰值增益，主副比无量纲。天线阵元数即为所用阵列天线的维数，单位为个。收敛时间为干扰方向上零陷收敛到参考门限所用的时间，单位为秒。主瓣偏移是主瓣波束指向在方向图上偏离信号方向的角度，单位为度。

上述提出的层次结构模型是根据特定场景所建立的，并不唯一，应用时可根据实际情况建立。

（二）构造自适应调零天线效能评估判断矩阵并进行一致性检验

首先根据以上提出的层次结构模型，针对目标层和准则层各元素（目标层的元素即为自适应调零天线系统效能评估）分别建立判断矩阵。该判断矩阵是通过下一层各元素两两比较对其从属的上一层元素的重要程度而得出的，即第k+1层（其中k=2,3…l-1,l为层次结构模型总层数，本实施例中层次结构模型共四层，最底层为第一层，目标层为第四层，l=4，因此这里k=[2,3]）中第m个元素对应的判断矩阵记为

$A_{k+1}^m={\left(a_{\mathrm{ij}}\right)}_{n\&times;n}$

其中n为用于两两比较的第k层元素的个数，a_ij表示第k层中第i个元素与第j个元素对其从属的第k+1层中第m个元素的重要程度的比较值，可依据各元素对与其相关的评估准则的影响程度并结合专家经验进行判定。判断矩阵各元素取值见表1：

表1标度a_ij等级表

接下来对构造的判断矩阵进行一致性检验。首先用如下公式计算一致性指标CI：

$\mathrm{CI}=\frac{{\mathrm{\&lambda;}}_{\max }-n}{n-1}$

其中λ_max为判断矩阵最大特征值，n为选用指标个数。再根据表2获取指标个数n对应的平均随机一致性指标RI：

表2平均随机一致性指标RI取值表

最后计算一致性比率CR并利用评价系统客观度值α进行检验：

$\mathrm{CR}=\frac{\mathrm{CI}}{\mathrm{Ri}}\&le;\mathrm{\&alpha;}$

评价系统客观度值α一般情况下取值为0.1，反应了评价系统的客观度。若检验结果不满足要求，需要不断修正判断矩阵，直到满足上式为止。

修正判断矩阵时，首先严格按照一致性要求（即对任意自然数i,j,k，都有a_ij=a_ika_kj）计算出完全一致判断矩阵。再将原先所构造的判断矩阵与该矩阵的各对应元素进行对比，对相差较大的元素向完全一致判断矩阵元素方向调整。最后再计算调整后判断矩阵的一致性比率CR，若不满足约束条件则继续按照上述方法修改，直到满足约束条件为止。

（三）确定权重矢量

对满足一致性检验的各判断矩阵进行特征值分解，并将最大特征值对应的特征矢量进行归一化处理，得到每一个准则下各指标相对评估权重矢量。对于第k+1层中的第m个元素的判断矩阵

特征值分解的计算公式为：

$A_{k+1}^m{\hat{w}}_k^m={\mathrm{\&lambda;}}_{\max }{\hat{w}}_k^m$

其中λ_max为判断矩阵最大特征值，

为最大特征值对应的特征矢量。再对该最大特征值对应的特征矢量

进行归一化处理，公式为：

$w_k^m=\frac{{\hat{w}}_k^m}{\max \left\{{\hat{w}}_k^m\right\}}$

其中

为最大特征值对应特征矢量中的最大值，

即为第k层元素对第k+1层第m个元素的相对权重矢量。

（四）中间层最下面一层的元素数据归一化，即指标数据归一化

将指标层的指标分为三类，对其实测数据应用不同方法进行归一化。

效益性指标，即数据“越大越好”，其归一化公式为：

$x_i=\frac{X_i-\min \left\{X_i\right\}}{\max \left\{X_i\right\}-\min \left\{X_i\right\}}$

例如，可以将置零深度与主副比指标归为该类。

成本型指标，即数据“越小越好”，其归一化公式为：

$x_i=\frac{\max \left\{X_i\right\}-X_i}{\max \left\{X_i\right\}-\min \left\{X_i\right\}}$

例如，可以将天线阵元数、收敛时间与主瓣偏移指标归为该类。

区间型指标，即该指标数据落入范围X_i∈[σ,ε]最好，其归一化公式为：

当x_i<σ时，

$x_i=1-\frac{\mathrm{\&sigma;}-X_i}{\max \{\mathrm{\&sigma;}-\min \{X_i\},\max \{X_i\}-\mathrm{\&epsiv;}\}}$

当x_i>ε时，

$x_i=1-\frac{X_i-\mathrm{\&epsiv;}}{\max \{\mathrm{\&sigma;}-\min \{X_i\},\max \{X_i\}-\mathrm{\&epsiv;}\}}$

当σ≤x_i≤ε时，

x_i=1

例如，可以将置零宽度归为该类，[σ,ε]取为干扰波束宽度可能的取值范围。

其中，X_i为归一化前实测数据样本集中的第i个指标数据，最大值为max{X_i}，最小值为min{X_i}，x_i为X_i归一化后对应的指标数据。

（五）层次总排序

首先计算最终综合权重矢量。采用加权和的方法由目标层向指标层递阶归并权重矢量，第k层元素的综合权重矢量的计算公式为：

$w_k=\underset{m}{\mathrm{\&Sigma;}}{w}_k^m{w}_{k+1,m}$

其中，

为第k层元素对其上一层（第k+1层）的第m个元素的相对权重矢量（若不受支配则该值为0），w_k+1,m为第k+1层的第m个元素的相对权重。从最高层目标层开始，依次利用上式计算每一层综合权重矢量，最终可以得到中间层最下面一层指标层的综合权重矢量，作为最终综合权重矢量

再利用最终综合权重以及指标数值归一化结果计算最终分值结果，计算公式为

$v=x^T\stackrel{\&OverBar;}{w}=\underset{i}{\mathrm{\&Sigma;}}{x}_i{\stackrel{\&OverBar;}{w}}_i$

其中，v为分值结果，x为指标数据归一化矢量，

为最终综合权重矢量，x_i为归一化后的第i个元素数据，

为xi对应的综合权重。

（六）分值结果与评估结论

根据上一步所给出的分值结果，依大小进行排序，排名越靠前则评估结果越好，反之亦然，这样即得到最终的评估结论。

本发明方法可以广泛应用于具有自适应调零天线系统的领域，通过评估其系统综合效能，选择最优算法并指导自适应调零天线技术改进。

除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。

Claims (8)

1.一种自适应调零天线综合效能评估方法，其特征在于包括如下步骤：

（一）建立评估层次结构模型

层次结构模型分为目标层、中间层和最底层，其中，目标层为评估目标，即自适应调零天线系统效能评估；中间层分为若干层；最底层为待评估对象；

（二）构造自适应调零天线效能评估判断矩阵并进行一致性检验

首先根据层次结构模型，对最底层和中间层最下面一层之外的各层元素建立判断矩阵，上一层某元素的判断矩阵通过下一层各元素对于所述某元素的重要程度两两比较而得出；

然后对构造的判断矩阵进行一致性检验，若检验结果不满足要求，返回修正判断矩阵，重复检验步骤，直到满足检验要求为止；

（三）确定相对评估权重矢量

对满足一致性检验的各判断矩阵进行特征值分解，并将最大特征值对应的特征矢量进行归一化处理，得到各层元素对其从属的上一层元素的相对评估权重矢量；

（四）中间层最下面一层的元素数据归一化

将中间层最下面一层的元素分为三类：效益型元素、成本型元素和区间型元素，对不同类元素的实测数据应用不同方法进行归一化处理；

（五）层次总排序

采用加权和的方法由目标层向中间层最下面一层递阶归并相对评估权重矢量，计算最终综合权重矢量，利用最终综合权重矢量以及步骤（四）的元素数据归一化结果计算最终分值结果；

（六）评估结论

根据上一步计算出的最终分值结果，依大小进行排序，排名越靠前则评估结果越好，反之则说明评估结果较差，从而得到最终的评估结论。

2.根据权利要求1所述的自适应调零天线综合效能评估方法，其特征在于步骤（三）中，对于第k+1层第m个元素的判断矩阵

特征值分解的计算公式为：

$A_{k+1}^m{\hat{w}}_k^m={\mathrm{\&lambda;}}_{\max }{\hat{w}}_k^m$

其中λ_max为判断矩阵的最大特征值，

为最大特征值对应的特征矢量，

的归一化公式为：

$w_k^m=\frac{{\hat{w}}_k^m}{\max \left\{{\hat{w}}_k^m\right\}}$

其中

中的最大值，

即为第k层元素对第k+1层第m个元素的相对权重矢量。

3.根据权利要求1所述的自适应调零天线综合效能评估方法，其特征在于步骤（四）中：

效益型元素，即数据“越大越好”，其归一化公式为：

成本型元素，即数据“越小越好”，其归一化公式为：

区间型元素，即X_i∈[σ,ε]最好，其归一化公式为：

当x_i<σ时， $x_i=1-\frac{\mathrm{\&sigma;}-X_i}{\max \{\mathrm{\&sigma;}-\min \{X_i\},\max \{X_i\}-\mathrm{\&epsiv;}\}}$

当x_i>ε时， $x_i=1-\frac{\mathrm{\&sigma;}{X}_i-\mathrm{\&epsiv;}}{\max \{\mathrm{\&sigma;}-\min \{X_i\},\max \{X_i\}-\mathrm{\&epsiv;}\}}$

当σ≤x_i≤ε时，x_i=1

其中，X_i为归一化前实测数据样本集中的第i个元素数据，最大值为max{X_i}，最小值为min{X_i}，x_i为X_i归一化后对应的元素数据，σ,ε分别表示区间的最小值和最大值。

4.根据权利要求1所述的自适应调零天线综合效能评估方法，其特征在于步骤（五）中，第k层元素的综合权重矢量的计算公式为：

$w_k=\underset{m}{\mathrm{\&Sigma;}}{w}_k^m{w}_{k+1,m}$

其中，

为第k层元素对第k+1层第m个元素的相对权重矢量，w_k+1,m为第k+1层第m个元素的相对权重，从最高层开始，依次利用上式计算每一层综合权重矢量，最终得到中间层最下面一层的综合权重矢量，作为最终综合权重矢量

利用最终综合权重矢量

以及步骤（四）的元素数据归一化结果计算最终分值结果，计算公式为

$v=x^T\stackrel{\&OverBar;}{w}=\underset{i}{\mathrm{\&Sigma;}}{x}_i{\stackrel{\&OverBar;}{w}}_i$

其中，v为分值结果，x为中间层最下面一层的元素数据归一化矢量，

为最终综合权重矢量，x_i为归一化后的第i个元素数据，

为x_i对应的综合权重。

5.根据权利要求1所述的自适应调零天线综合效能评估方法，其特征在于中间层分为准则层和位于准则层之下的指标层。

6.根据权利要求5所述的自适应调零天线综合效能评估方法，其特征在于准则层元素包括但不限于抗干扰效果、抗干扰代价。

7.根据权利要求5所述的自适应调零天线综合效能评估方法，其特征在于指标层元素包括但不限于置零深度、置零宽度、主副比、天线阵元数、收敛时间、主瓣偏移。

8.根据权利要求1所述的自适应调零天线综合效能评估方法，其特征在于最底层待评估对象是不同的干扰环境或不同的自适应调零算法。

Images