CN103746832A - 基于证据理论的播控系统优选算法 - Google Patents
基于证据理论的播控系统优选算法 Download PDFInfo
- Publication number
- CN103746832A CN103746832A CN201310724291.4A CN201310724291A CN103746832A CN 103746832 A CN103746832 A CN 103746832A CN 201310724291 A CN201310724291 A CN 201310724291A CN 103746832 A CN103746832 A CN 103746832A
- Authority
- CN
- China
- Prior art keywords
- evaluation index
- transmitter
- index
- algorithm
- evaluation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种基于证据理论的播控系统优选算法,包括:进行各个评价指标及其权重设置,并获取各个评价指标所需的计算数据;根据获取到的各个评价指标相应的计算数据对各个评价指标进行量化处理,得到各个评价指标的量化结果,并根据各个评价指标的量化结果以及各个评价指标的权重通过加权证据理论对各个评价指标进行综合评判,最后根据中庸择优原则择优确定最终的发射机。本发明针对专家知识建立了合理的影响电子对抗播控系统作战效能的指标体系,通过构建隶属函数等算法模型,实现了由底层指标的评价值合成到顶层指标的综合评价值,最终为动态调整电子对抗发射机以及发射机信号源输出信号的工作频率和工作方式决策提供理论依据。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种基于证据理论的播控系统优选算法。
背景技术
图1是现有的短波全固态机房布置的示意图,目前广播抗干扰系统主要是监测中心工作人员根据频谱监测结果,手动建立播出表,通过网络或者传真下发干扰频率信息到监测系统,机房播控系统控制信号源输出不同的频率和调制方式,以达到广播或电子干扰的效果。由于工作人员的主观评判有可能是不够全面的,可能会过多地关注要覆盖的频率和强度等信息,而忽视系统地使用寿命可靠性等隐性指标。因此,现有的广播抗干扰系统的作战效能评估的方法有待进一步提高。
发明内容
鉴于上述的分析,本发明旨在提供一种基于证据理论的播控系统优选算法,用以解决现有技术中短波广播式语音电子对抗播控系统应用人工评估不准确的问题。
本发明主要是通过以下技术方案实现的:
基于证据理论的播控系统优选算法,包括:
进行各个评价指标及其权重设置,并获取各个评价指标所需的计算数据;
根据获取到的各个评价指标相应的计算数据对各个评价指标进行量化处理,得到各个评价指标的量化结果,并根据各个评价指标的量化结果以及各个评价指标的权重通过加权证据理论对各个评价指标进行综合评判,最后根据中庸择优原则择优确定最终的发射机。
优选地,所述评价指标包括:系统可用性评价指标、系统可靠性评价指标和系统能力评价指标;
所述系统可用性评价指标包括:理想工作范围、功率等级或设备现状;
所述系统可靠性评价指标包括:开机时间、平均无故障时间或平均工作时间;
所述系统能力评价指标包括:干扰效果、频率偏差、整机效率、驻波比、
响度和场强。
优选地,系统可用性评价指标的量化处理算法的步骤具体包括:
其中,x1为系统要求的工作频率,c1,b1分别为发射机理想工作范围的上下限值,d1,a1为发射机工作范围的上下限值;
功率等级的量化处理的算法为:
其中,a2为发射机载波功率等级,x2为监测频率所需要的功率等级下限;
设备现状的量化处理的算法为:
优选地,系统可靠性评价指标的量化处理算法的步骤具体包括:
开机时间的量化处理的算法为:
其中,x4为连续开机时间,a4为连续开机时间理想时间下限,b4为专家给出的连续开机的理想时间上限;
干扰效果的量化处理的算法为:
其中,x7为发射机的信噪比,根据发射机的技术指标按照信噪比分为甲、乙、丙三个技术等级,a70为甲级指标,a71为乙级指标,a72为丙级指标;
频率偏差的量化处理算法为: 根据发射机的技术指标按照频率偏差分为甲、乙、丙三个技术等级,a80为甲级指标,a81为乙级指标,a82为丙级指标,x8为发射机的频率偏差;
驻波比的量化处理的算法为:
其中,x9为发射机驻波比,a9为发射机的理想驻波比上限,b9为发射机理想驻波比的下限。
响度和场强的数值类型为一个打分值,分值为1-5,计算时将分值*0.2。
整机效率是发射机入射功率与总功率的比值,直接用于证据理论计算,不用进行量化处理。
优选地,根据各个评价指标的量化结果以及各个评价指标的权重通过加权证据理论对各个评价指标进行综合评判的步骤具体包括:
假设某个指标因素的信任测度为三维组(μi,βi,δi),其中,βi为对某个指标因素所处状态的满意度,μi为某个指标因素所处状态的不满意度,δi=1-βi-μi为对某个指标因素的未知度,一级评价指标中βi根据各个评价指标的量化结果得到,μi=1-βi,δi=0;
综合评价指标根据指标的权重进行证据融合计算:
设V1,V2,V3,…,Vn分别附加权值为W1,W2,W3,…,Wn,则
根据上述的满意度、不满意度及未知度通过加权证据理论对各个评价指标进行综合评判。
优选地,根据中庸择优原则择优确定最终的发射机的步骤具体包括:
设βh+0.5δh=max{βj+0.5δj|j=1,2,3,…m},则μh被认为是中庸最优对象,其中,h∈{1,2,3....m},设总共有m部发射机。
本发明针对专家知识建立了合理的影响电子对抗播控系统作战效能的指标体系,通过构建隶属函数等算法模型,实现了由底层指标的评价值合成到顶层指标的综合评价值,最终为动态调整电子对抗发射机以及发射机信号源输出信号的工作频率和工作方式决策提供理论依据。
本发明的其他特征和优点将在随后的说明书中阐述,并且部分的从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
图1为现有的短波全固态机房布置的示意图;
图2为本发明实施例的基于加权证据理论的短波广播式语音电子对抗播控系统优选算法的流程图;
图3为本发明实施例的另一种基于加权证据理论的短波广播式语音电子对抗播控系统优选算法的流程图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理。为了清楚和简化目的,当其可能使本发明的主题模糊不清时,将省略本文所描述的器件中已知功能和结构的详细具体说明。
本发明设计了一种基于加权证据理论的短波广播式语音电子对抗播控系统优选算法。参见图2,该方法包括:
S201、进行各个评价指标及其权重设置,并获取各个评价指标所需的计算数据;
本发明实施例的评价指标包括:系统可用性评价指标、系统可靠性评价指标和系统能力评价指标;
其中,所述系统可用性评价指标包括:理想工作范围、功率等级或设备现状;
所述系统可靠性评价指标包括:开机时间、平均无故障时间或平均工作时间;
所述系统能力评价指标包括:干扰效果、辐射效果、整机效率或驻波比。
表1评价体系权重设置
S202、根据获取到的各个评价指标相应的计算数据对各个评价指标进行量化处理,得到各个评价指标的量化结果;
该步骤具体包括:
系统可用性评价指标的量化处理算法的步骤具体包括:
理想工作范围的量化处理的算法为:
其中,x1为系统要求的工作频率,c1,b1分别为发射机理想工作范围的上下限值,d1,a1为发射机工作范围的上下限值;
功率等级的量化处理的算法为:
其中,a2为发射机载波功率等级,x2为监测频率所需要的功率等级下限;设备现状的量化处理的算法为:
系统可靠性评价指标的量化处理算法的步骤具体包括:
开机时间的量化处理的算法为:
其中,x4为连续开机时间,a4为连续开机时间理想时间下限,b4为专家给出的连续开机的理想时间上限;
平均无故障时间的量化处理的算法为:
其中,a5为发射机的无故障运行时间,b5为发射机的开机总时间;
其中,a6[i]为第i部发射机的工作时长,设总共有m部发射机。
干扰效果的量化处理的算法为:
其中,x7为发射机的信噪比,根据发射机的技术指标按照信噪比分为甲、乙、丙三个技术等级,a70为甲级指标,a71为乙级指标,a72为丙级指标;
频率偏差的量化处理算法为: 根据发射机的技术指标按照频率偏差分为甲、乙、丙三个技术等级,a80为甲级指标,a81为乙级指标,a82为丙级指标,x8为发射机的频率偏差;
驻波比的量化处理的算法为:
其中,x9为发射机驻波比,a9为发射机的理想驻波比上限(一般取1),b9为发射机理想驻波比的下限(一般取3)。
响度和场强的数值类型为一个打分值,分值为1-5,计算时将分值*0.2即可;
整机效率是发射机入射功率与总功率的比值,可直接用于证据理论计算,不用进行量化处理。
S203、根据各个评价指标的量化结果以及各个评价指标的权重通过加权证据理论对各个评价指标进行综合评判;
该步骤具体包括:
假设某个指标因素的信任测度为三维组(βi,μi,δi),其中,βi为对某个指标因素所处状态的满意度,μi为某个指标因素所处状态的不满意度,δi=1-βi-μi为对某个指标因素的未知度,βi一级评价指标中根据各个评价指标的量化结果得到;,μi=1-βi,δi=0;
综合评价指标根据指标的权重进行证据融合计算:
设V1,V2,V3,…,Vn分别附加权值为W1,W2,W3,…,Wn,则 δi=1-βi-μi,
根据上述的满意度、不满意度及未知度通过加权证据理论对各个评价指标进行综合评判。
S204、根据中庸择优原则择优确定最终的发射机。
该步骤具体包括:设βh+0.5δh=max{βj+0.5δj|j=1,2,3,…m},则μh被认为是中庸最优对象,其中,h∈{1,2,3....m},设总共有m部发射机。
下面以一个具体的例子对本发明所述的方法进行解释和说明:
1、指标及权重设置,如表2所示:
表2评价体系权重设置
2、表3所示为A、B两台发射机的数据获取,具体如表3所示。
表3、A、B两台发射机的数据获取
序号 | 指标名称 | A发射机数据 | B发射机数据 | 备注 |
1 | 工作范围(MHz) | 3.9-26.1 | 3.9-26.1 | |
2 | 理想工作范围(MHz) | 3.9-12 | 15-26.1 |
2 | 功率等级(Kw) | 2 | 10 | |
3 | 设备现状 | 正常,未使用 | 正常,未使用 | |
4 | 持续开机时间(小时) | 0 | 0 | |
5 | 平均无故障时间(小时) | 800 | 680 | |
6 | 工作时长(小时) | 800 | 680 | |
7 | M部发射机最长工作时长 | 1000 | 1000 | |
7 | 信噪比(db) | 53 | 49 | |
8 | 频率偏差(Hz) | 4 | 8 | |
9 | 驻波比(比率) | 1.2 | 1.8 | |
10 | 整机效率(%) | 45% | 35% | |
11 | 响度(分) | 5 | 3 | |
12 | 场强(分) | 4 | 4 |
3、指标量化处理及单因素评判计算结果如表4所示。
现系统要求发射的频率为11.5MHz,输出功率为2KW量化算法计算结果如下:
表4、指标量化处理及单因素评判计算结果
4、一级指标及综合评判如表5-表8所示。
表5、A发射机一级评判指标计算
表6B发射机一级评判指标计算
表7A发射机的融合计算评价指标计算
表8B发射机的融合计算评价指标计算
5、择优算法
A,B两台发射机组融合后得出一个发射机组的三维组为(0.91165,0.08835,0)第二台发射机组的三维组为(0.714675,0.286325,0),则应用优选算法:
βi+0.5δ1=0.91165
β2+0.5δ2=0.714675
6、判断结果
中庸最优对象的发射机组应为A发射机组。
7、将判断结果与现在运行发射机以及运行状态进行比较,如果不同,修改播出表,并将修改后的播出表进行下发,上述步骤具体参见图3。
综上所述,本发明针对专家知识建立了合理的影响电子对抗播控系统作战效能的指标体系,通过构建隶属函数等算法模型,实现了由底层指标的评价值合成到顶层指标的综合评价值,最终为动态调整电子对抗发射机以及发射机信号源输出信号的工作频率和工作方式决策提供理论依据。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (6)
1.基于证据理论的播控系统优选算法,其特征在于,包括:
进行各个评价指标及其权重设置,并获取各个评价指标所需的计算数据;
根据获取到的各个评价指标相应的计算数据对各个评价指标进行量化处理,得到各个评价指标的量化结果,并根据各个评价指标的量化结果以及各个评价指标的权重通过加权证据理论对各个评价指标进行综合评判,最后根据中庸择优原则择优确定最终的发射机。
2.根据权利要求1所述的算法,其特征在于,所述评价指标包括:系统可用性评价指标、系统可靠性评价指标和系统能力评价指标;
所述系统可用性评价指标包括:理想工作范围、功率等级或设备现状;
所述系统可靠性评价指标包括:开机时间、平均无故障时间或平均工作时间;
所述系统能力评价指标包括:干扰效果、频率偏差、整机效率、驻波比、响度和场强。
4.根据权利要求2所述的方法,其特征在于,系统可靠性评价指标的量化处理算法的步骤具体包括:
开机时间的量化处理的算法为:
其中,x4为连续开机时间,a4为连续开机时间理想时间下限,b4为专家给出的连续开机的理想时间上限;
干扰效果的量化处理的算法为:
其中,x7为发射机的信噪比,根据发射机的技术指标按照信噪比分为甲、乙、丙三个技术等级,a70为甲级指标,a71为乙级指标,a72为丙级指标;
频率偏差的量化处理算法为: 根据发射机的技术指标按照频率偏差分为甲、乙、丙三个技术等级,a80为甲级指标,a81为乙级指标,a82为丙级指标,x8为发射机的频率偏差;
驻波比的量化处理的算法为:
其中,x9为发射机驻波比,a9为发射机的理想驻波比上限,b9为发射机理想驻波比的下限。
响度和场强的数值类型为一个打分值,分值为1-5,计算时将分值*0.2。
5.根据权利要求1-4中任意一项所述的算法,其特征在于,根据各个评价指标的量化结果以及各个评价指标的权重通过加权证据理论对各个评价指标进行综合评判的步骤具体包括:
假设某个指标因素的信任测度为三维组(μi,βi,δi),其中,βi为对某个指标因素所处状态的满意度,μi为某个指标因素所处状态的不满意度,δi=1-βi-μi为对某个指标因素的未知度,一级评价指标中βi为根据各个评价指标的量化结果得到,μi=1-βi,δi=0;
综合评价指标根据指标的权重进行证据融合计算:
设V1,V2,V3,…,Vn分别附加权值为W1,W2,W3,…,Wn,则
根据上述的满意度、不满意度及未知度通过加权证据理论对各个评价指标进行综合评判。
6.根据权利要求5所述的算法,其特征在于,根据中庸择优原则择优确定最终的发射机的步骤具体包括:
设βh+0.5δh=max{βj+0.5δj|j=1,2,3,…m},则μh被认为是中庸最优对象,其中,h∈{1,2,3....m},设总共有m部发射机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310724291.4A CN103746832B (zh) | 2013-12-25 | 2013-12-25 | 基于证据理论的播控系统优选方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310724291.4A CN103746832B (zh) | 2013-12-25 | 2013-12-25 | 基于证据理论的播控系统优选方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103746832A true CN103746832A (zh) | 2014-04-23 |
CN103746832B CN103746832B (zh) | 2017-09-19 |
Family
ID=50503823
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310724291.4A Active CN103746832B (zh) | 2013-12-25 | 2013-12-25 | 基于证据理论的播控系统优选方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103746832B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111714116A (zh) * | 2020-05-07 | 2020-09-29 | 北京中科千寻科技有限公司 | 一种运动伪迹抑制方法及应用该方法的十二导联可穿戴心电监护设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103337035A (zh) * | 2013-03-19 | 2013-10-02 | 东南大学 | 基于定量评价的确定城市中心体系选址方法 |
CN103413176A (zh) * | 2013-08-27 | 2013-11-27 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 输电线路覆冰监测必要性的量化评价方法 |
CN103413015A (zh) * | 2013-04-24 | 2013-11-27 | 重庆科技学院 | 一种城市燃气管网弱性评估模型建立的方法 |
-
2013
- 2013-12-25 CN CN201310724291.4A patent/CN103746832B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103337035A (zh) * | 2013-03-19 | 2013-10-02 | 东南大学 | 基于定量评价的确定城市中心体系选址方法 |
CN103413015A (zh) * | 2013-04-24 | 2013-11-27 | 重庆科技学院 | 一种城市燃气管网弱性评估模型建立的方法 |
CN103413176A (zh) * | 2013-08-27 | 2013-11-27 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 输电线路覆冰监测必要性的量化评价方法 |
Non-Patent Citations (1)
Title |
---|
张连文: "基于信度理论的综合评判模型", 《系统工程学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111714116A (zh) * | 2020-05-07 | 2020-09-29 | 北京中科千寻科技有限公司 | 一种运动伪迹抑制方法及应用该方法的十二导联可穿戴心电监护设备 |
Also Published As
Publication number | Publication date |
---|---|
CN103746832B (zh) | 2017-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104331609B (zh) | 一种基于噪声监测数据的道路交通噪声地图更新方法 | |
CN103987054A (zh) | 一种无线网络传感器网络覆盖的分布式方法 | |
CN103716808A (zh) | 一种无线传感器网络链路质量预测方法 | |
CN103582033A (zh) | Wlan信道分配 | |
US10856056B2 (en) | Sensor network for measuring soil moisture | |
DE102015104746B4 (de) | Verfahren und Geräte zum Bestimmen und Planen der Zugänglichkeit einer drahtlosen Netzwerkinstallation bei der Verwendung Fahrzeugbasierter Relaisknoten | |
CN104581749A (zh) | 一种移动网络数据业务业务量的预测方法和装置 | |
CN113132945A (zh) | 一种铁路专网基站小区节能调度方法和系统 | |
CN104039008B (zh) | 一种混合定位方法 | |
CN104392307B (zh) | 一种基于配电网自动化工程的可靠性评估方法 | |
CN102186199B (zh) | 基于扫频的频率和扰码优化方法与系统 | |
CN103746832A (zh) | 基于证据理论的播控系统优选算法 | |
CN103826230B (zh) | 宽带无线接入网络优化分数频率复用的方法与系统 | |
CN101741484B (zh) | 一种多带鲁棒频谱感知方法及感知器 | |
CN103441956B (zh) | 一种基于资源空间矢量运算的认知网络资源管理方法 | |
CN105188034A (zh) | 一种无线传感器网络中的协作定位方法 | |
CN102448070A (zh) | 动态频谱环境中基于多智能体强化学习的频率功率联合分配方法 | |
CN102752760B (zh) | 认知无线电中的频谱合作共享方法 | |
CN113115321B (zh) | 一种无线传感网络节点部署优化方法 | |
Huang et al. | Distributed correlated Q-learning for dynamic transmission control of sensor networks | |
CN107135510A (zh) | 一种基于钢铁厂的电量能源调控及数据传输控制系统 | |
Babu et al. | Spectrum Signals Handoff in LTE Cognitive Radio Networks Using Reinforcement Learning. | |
CN102438325B (zh) | 基于认知无线终端重构系统的资源调度方法 | |
Wang et al. | A fuzzy dependent-chance interval multi-objective stochastic expected value programming approach for irrigation water resources management under uncertainty | |
CN103761619A (zh) | 车辆服务管理技术平台 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 100853 3 floor, 86 building, 50 Yongding Road, Haidian District, Beijing. Patentee after: Beijing Guangtong Aerospace Science and Technology Co Ltd Address before: 100854 three floor, 86 building, 50 Yongding Road, Haidian District, Beijing. Patentee before: Beijing Changfeng Broadcasting Communication Equipment Co., Ltd. |