CN105445710B - 隐形雷达低截获概率性能评估方法 - Google Patents
隐形雷达低截获概率性能评估方法 Download PDFInfo
- Publication number
- CN105445710B CN105445710B CN201510835913.XA CN201510835913A CN105445710B CN 105445710 B CN105445710 B CN 105445710B CN 201510835913 A CN201510835913 A CN 201510835913A CN 105445710 B CN105445710 B CN 105445710B
- Authority
- CN
- China
- Prior art keywords
- radar
- layer
- factor
- lpi
- relative
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种隐形雷达低截获概率性能评估方法,用于解决现有隐形雷达LPI性能评估方法实用性差的技术问题。技术方案是从雷达资源的时间域、空间域、频率域和功率域着手,将影响雷达LPI性能的各种因素和措施,如雷达波形设计、功率管理以及雷达硬件设计(低旁瓣天线、高处理增益接收机),按属性不同分为若干组,并形成目标层L1、子目标层L2‑1~L2‑2、准则层L3‑1~L3‑8、子准则层L4‑1~L4‑17,通过层次分析法对各因素进行两两比较,确定同一层次中诸因素的相对重要性,然后综合决定不同层次、不同因素和不同参数值相对于雷达LPI性能的贡献权值,进而获得不同雷达的LPI性能的定量评估结果,以评价不同雷达的LPI性能,因此评估结果更接近于实际情况,实用性强。
Description
技术领域
本发明涉及信息技术领域,特别涉及一种隐形雷达低截获概率性能评估方法。
背景技术
雷达属于有源探测,当雷达发射的电磁波被对方的探测设备检测到,则称之为被截获。一般来说,通常将被截获视为被攻击的必要条件,因此常规的雷达低截获概率(以下简称LPI)技术研究通常以降低雷达的电磁功率为主要目标,并且以截获因子α作为评价指标。
但是在现代电子战中,雷达电磁波被截获并不意味着攻击的有效性,而是取决于截获信息的充分性——全信息或部分信息,如果对方获得的雷达信息完成了检测与识别的全过程,其攻击才是有效的,否则将是无效的或部分有效的,也就是说部分信息的暴露仍给雷达留有发挥效能的余地。因此,抗识别能力也是LPI性能评估的另一个依据。
通过对国内相关雷达院所调研发现:由于隐形雷达的研制起步较晚,先进、完备的雷达LPI性能评估验证体系尚未形成,有关的研究文献较少。
文献“隐形雷达LPI性能评估方法探讨、西北工业大学学报,2015第2期,284-289页”公开了一种隐形雷达LPI性能有效性评价标准和评估框架,通过截获因子α和波形复杂度因子δ来估计雷达波形的抗侦收和抗识别能力。由于截获因子α仅反映了雷达可被截获机截获的信号峰值功率,波型复杂度因子δ仅从雷达波性设计角度来考虑,因此该模型框架尚未能全面反映实现LPI技术的各种因素和途径对其性能的影响。
发明内容
为了克服现有隐形雷达LPI性能评估方法实用性差的不足,本发明提供一种隐形雷达低截获概率性能评估方法。该方法从雷达资源的时间域、空间域、频率域和功率域着手,将影响雷达LPI性能的各种因素和措施,如雷达波形设计、功率管理以及雷达硬件设计(低旁瓣天线、高处理增益接收机)等,按属性不同分为若干组,并形成目标层L1、子目标层L2-1~L2-2、准则层L3-1~L3-8、子准则层L4-1~L4-17,通过层次分析法对各因素进行两两比较,确定同一层次中诸因素的相对重要性,然后综合决定不同层次、不同因素和不同参数值相对于雷达LPI性能的贡献权值,进而获得不同雷达的LPI性能的定量评估结果,以评价不同雷达的LPI性能,因此评估结果更接近于实际情况,实用性强。
本发明解决其技术问题所采用的技术方案:一种隐形雷达低截获概率性能评估方法,其特点是包括以下步骤:
步骤一、建立隐形雷达LPI性能评估的框架结构模型,包括L1~L4四级层次结构,每一层次的元素对下一层次的隶属元素起支配作用,同时它又受上一层次元素的支配,这种从上至下的支配关系形成了一个递阶层次。具体涵义如下:
①目标层L1:隐形雷达LPI性能验证;
②子目标层L2-1~L2-2:包括抗侦收能力L2-1,抗分选识别能力L2-2两个分支;
③准则层L3-1~L3-8:包括八项有效的LPI措施的评估,其中涉及抗侦收能力的有三项:截获因子、天线隐形和功率管理;涉及抗分选识别能力的五项:信号组合、PRI伪装、载频捷变、识别时间和识别准确率。
④子准则层L4-1~L4-17:该层是对准则层八项措施评估的细化,共十七项,涉及波形设计、波束控制、发射功率管理以及雷达接收机专项技术。
⑤指标层D1~D20:该层共二十项,D1、D19、D20是对L3-1、L3-7、L3-8三项参数的取值,数据主要来自于计算和实测数据;D2~D18是对L4层十七项措施的选通。
⑥权重W1~W20:是对指标层D1~D20相对于雷达LPI性能的贡献权值,共二十项。
步骤二、计算判断矩阵A。
对于同一层次同一隶属关系的各因素L4-1、L4-2和L4-3,通过进行专家咨询,并运用三标度法进行相对于上一层因素L3-2重要性的两两比较,得到比较矩阵C和下一层因素相对于上一层因素的标准判断矩阵A。
对于天线隐形L3-2则有:
计算重要性排序指数
令判断矩阵的元素
得到标准判断矩阵AL3-2。
对于一个递阶层次结构模型,从最顶层到最底层有几个隶属关系,就须建立几个判断矩阵。
步骤三、计算层次单排序权重。
得到判断矩阵A后,计算层次单排序,即指同一隶属关系的各因素对隶属于上一层次相应因素相对重要性的权值。
对于天线隐形L3-2:
求解得标准判断矩阵AL3-2的最大特征值λL3-2。
令AL3-2XL3-2=λL3-2XL3-2 (4)
得到最大特征值λL3-2对应的特征向量XL3-2=[XL4-1 XL4-2 XL4-3],对XL3-2进行归一化处理后的特征向量就是各因素的权重向量WL3-2=[WL4-1 WL4-2 WL4-3]。
计算出每个具有同一隶属关系的因素对隶属于上一层次相应因素相对重要性的权值WL2-1=[WL3-1 WL3-2 WL3-3],WL1=[WL2-1 WL2-2]。
步骤四、计算层次总排序权重。
计算层次总排序W1~W20,即指所有因素对总目标相对重要性的权值。用指标层同一隶属关系的各因素的单排序权重乘以隶属于上一层次相应因素的排序权重,从子准则层一直乘到目标层。
对于天线隐形L3-2:
采用低旁瓣L4-1措施相对于雷达低截获性能贡献权值为:
W2=WL4-1×WL3-2×WL2-1 (5)
采用变极化L4-2措施相对于雷达低截获性能贡献权值为:
W3=WL4-2×WL3-2×WL2-1 (6)
采用自适应滤波L4-2措施相对于雷达低截获性能贡献权值为:
W4=WL4-3×WL3-2×WL2-1 (7)
步骤五、进行参数赋值,计算雷达低截获性能评估结果。
计算雷达低截获性能η,η越大则代表低截获性能越好。
其中Dn为指标层参数,即所有因素的取值;Wn为各因素对雷达低截获性能相对重要性的权值。
Dn的赋值准则是:
D1为截获因子其中RRmax为雷达最大可截获距离,RImax为ESM最大可截获距离;
D19、D20分别代表ESM对雷达信号的分选时间的倒数和识别准确率;
D2~D18是对L4层十七项措施的选通,L4-1、L4-2、L4-3分别代表天线隐形技术L3-2中的低旁瓣、变极化和自适应滤波技术,若雷达采用该项技术,则对应的指标项取1,未采用该项技术则取0。
本发明的有益效果是:该方法从雷达资源的时间域、空间域、频率域和功率域着手,将影响雷达LPI性能的各种因素和措施,如雷达波形设计、功率管理以及雷达硬件设计(低旁瓣天线、高处理增益接收机)等,按属性不同分为若干组,并形成目标层L1、子目标层L2-1~L2-2、准则层L3-1~L3-8、子准则层L4-1~L4-17,通过层次分析法对各因素进行两两比较,确定同一层次中诸因素的相对重要性,然后综合决定不同层次、不同因素和不同参数值相对于雷达LPI性能的贡献权值,进而获得不同雷达的LPI性能的定量评估结果,以评价不同雷达的LPI性能,因此评估结果更接近于实际情况,实用性强。
下面结合附图和具体实施方式对本发明作详细说明。
附图说明
图1是本发明隐形雷达低截获概率性能评估方法的流程图。
具体实施方式
参照图1。本发明隐形雷达低截获概率性能评估方法具体步骤如下:
1、建立隐形雷达LPI性能评估的框架结构模型。
本发明将隐形雷达LPI性能评估的框架结构模型包括L1~L4四级层次结构,每一层次的元素对下一层次的隶属元素起支配作用,同时它又受上一层次元素的支配,这种从上至下的支配关系形成了一个递阶层次。具体涵义如下:
①目标层(L1):隐形雷达LPI性能验证;
②子目标层(L2-1~L2-2):包括“抗侦收能力L2-1”、“抗分选识别能力L2-2”两个分支;
③准则层(L3-1~L3-8):包括8项有效的LPI措施的评估,其中涉及抗侦收能力的有三项,如:截获因子、天线隐形和功率管理;涉及抗分选识别能力的五项,如:信号组合、PRI伪装、载频捷变、识别时间和识别准确率。
④子准则层(L4-1~L4-17):该层是对准则层8项措施评估的细化,共17项,涉及波形设计、波束控制、发射功率管理以及雷达接收机专项技术等。
⑤指标层(D1~D20):该层共20项,D1、D19、D20是对L3-1、L3-7、L3-8三项参数的取值,数据主要来自于计算和实测数据;D2~D18是对L4层17项措施的选通。
⑥权重(W1~W20):对指标层D1~D20相对于雷达LPI性能的贡献权值,共20项。
2、计算判断矩阵A。
在建立递阶层次结构以后,上下层之间元素的隶属关系就确定了。对于同一层次同一隶属关系的各因素(如L4-1、L4-2、L4-3),通过进行专家咨询,并运用三标度法进行相对于上一层因素(如L3-2)重要性的两两比较,可得比较矩阵C和下一层因素相对于上一层因素的标准判断矩阵A。
以天线隐形L3-2为例:
计算重要性排序指数
令判断矩阵的元素
可得到标准判断矩阵AL3-2。
对于一个递阶层次结构模型,从最顶层到最底层有几个隶属关系,就须建立几个判断矩阵。
3、计算层次单排序权重。
得到判断矩阵A后,可计算层次单排序,即指同一隶属关系的各因素对隶属于上一层次相应因素相对重要性的权值。
以天线隐形L3-2为例:
求解得标准判断矩阵AL3-2的最大特征值λL3-2。
令AL3-2XL3-2=λL3-2XL3-2 (4)
可求得最大特征值λL3-2对应的特征向量XL3-2=[XL4-1 XL4-2 XL4-3],对XL3-2进行归一化处理后的特征向量就是各因素的权重向量WL3-2=[WL4-1 WL4-2 WL4-3]。
同理可以计算出每个具有同一隶属关系的因素对隶属于上一层次相应因素相对重要性的权值。
如:WL2-1=[WL3-1 WL3-2 WL3-3],WL1=[WL2-1 WL2-2]等。
4、计算层次总排序权重。
计算层次总排序W1~W20,即指所有因素对总目标相对重要性的权值。其方法是用指标层同一隶属关系的各因素的单排序权重乘以隶属于上一层次相应因素的排序权重,从子准则层一直乘到目标层。
以天线隐形L3-2为例:
则采用低旁瓣L4-1措施相对于雷达低截获性能贡献权值为:
W2=WL4-1×WL3-2×WL2-1 (5)
则采用变极化L4-2措施相对于雷达低截获性能贡献权值为:
W3=WL4-2×WL3-2×WL2-1 (6)
则采用自适应滤波L4-2措施相对于雷达低截获性能贡献权值为:
W4=WL4-3×WL3-2×WL2-1 (7)
其他以此类推。
5、进行参数赋值,计算雷达低截获性能评估结果。
计算雷达低截获性能η,η越大则代表低截获性能越好。
其中Dn为指标层参数,即所有因素的取值;Wn为各因素对雷达低截获性能相对重要性的权值。
Dn的赋值准则是:
D1为截获因子其中RRmax为雷达最大可截获距离,RImax为ESM最大可截获距离;
D19、D20分别代表ESM对雷达信号的分选时间的倒数和识别准确率;
D2~D18是对L4层17项措施的选通,如L4-1、L4-2、L4-3分别代表天线隐形技术L3-2中的低旁瓣、变极化和自适应滤波技术,若雷达采用该项技术,则对应的指标项取1,未采用该项技术则取0。
Claims (1)
1.一种隐形雷达低截获概率性能评估方法,其特征在于包括以下步骤:
步骤一、建立隐形雷达LPI性能评估的框架结构模型,包括L1~L4四级层次结构,每一层次的元素对下一层次的隶属元素起支配作用,同时它又受上一层次元素的支配,这种从上至下的支配关系形成了一个递阶层次;具体涵义如下:
①目标层L1:隐形雷达LPI性能验证;
②子目标层L2-1~L2-2:包括抗侦收能力L2-1,抗分选识别能力L2-2两个分支;
③准则层L3-1~L3-8:包括八项有效的LPI措施的评估,其中涉及抗侦收能力的有三项:截获因子、天线隐形和功率管理;涉及抗分选识别能力的五项:信号组合、PRI伪装、载频捷变、识别时间和识别准确率;
④子准则层L4-1~L4-17:该层是对准则层八项措施评估的细化,共十七项,涉及波形设计、波束控制、发射功率管理以及雷达接收机专项技术;
⑤指标层D1~D20:该层共二十项,D1、D19、D20是对L3-1、L3-7、L3-8三项参数的取值,数据主要来自于计算和实测数据;D2~D18是对L4层十七项措施的选通;
⑥权重W1~W20:是对指标层D1~D20相对于雷达LPI性能的贡献权值,共二十项;
步骤二、计算标准判断矩阵A;
对于同一层次同一隶属关系的各因素L4-1、L4-2和L4-3,通过进行专家咨询,并运用三标度法进行相对于上一层因素L3-2重要性的两两比较,得到比较矩阵C和下一层因素相对于上一层因素的标准判断矩阵A;
对于天线隐形L3-2则有:
计算重要性排序指数rmin=min{ri} (2)
式中,n表示同一层次同一隶属关系的因素个数;
令判断矩阵的元素
得到同一层次同一隶属关系的各因素L4-1、L4-2和L4-3相对于上一层因素L3-2的判断矩阵AL3-2;
对于一个递阶层次结构模型,从最顶层到最底层有几个隶属关系,就须建立几个判断矩阵;
步骤三、计算层次单排序权重;
得到标准判断矩阵A后,计算层次单排序,即指同一隶属关系的各因素对隶属于上一层次相应因素相对重要性的权值;
对于天线隐形L3-2:
求解得到同一层次同一隶属关系的各因素L4-1、L4-2和L4-3相对于上一层因素L3-2的判断矩阵AL3-2的最大特征值λL3-2;
令AL3-2XL3-2=λL3-2XL3-2 (4)
得到最大特征值λL3-2对应的特征向量XL3-2=[XL4-1 XL4-2 XL4-3],对XL3-2进行归一化处理后的特征向量就是各因素的权重向量WL3-2=[WL4-1 WL4-2 WL4-3];
计算出每个具有同一隶属关系的因素对隶属于上一层次相应因素相对重要性的权值WL2-1=[WL3-1 WL3-2 WL3-3],WL1=[WL2-1 WL2-2];
步骤四、计算层次总排序权重;
计算层次总排序W1~W20,即指所有因素对总目标相对重要性的权值;用指标层同一隶属关系的各因素的单排序权重乘以隶属于上一层次相应因素的排序权重,从子准则层一直乘到目标层;
对于天线隐形L3-2:
采用低旁瓣L4-1措施相对于雷达低截获性能贡献权值为:
W2=WL4-1×WL3-2×WL2-1 (5)
采用变极化L4-2措施相对于雷达低截获性能贡献权值为:
W3=WL4-2×WL3-2×WL2-1 (6)
采用自适应滤波L4-2措施相对于雷达低截获性能贡献权值为:
W4=WL4-3×WL3-2×WL2-1 (7)
步骤五、进行参数赋值,计算雷达低截获性能评估结果;
计算雷达低截获性能η,η越大则代表低截获性能越好;
其中Dn为指标层参数,即所有因素的取值;Wn为各因素对雷达低截获性能相对重要性的权值;
Dn的赋值准则是:
D1为截获因子其中RRmax为雷达最大可截获距离,RImax为ESM最大可截获距离;
D19、D20分别代表ESM对雷达信号的分选时间的倒数和识别准确率;
D2~D18是对L4层十七项措施的选通,L4-1、L4-2、L4-3分别代表天线隐形技术L3-2中的低旁瓣、变极化和自适应滤波技术,若雷达采用该项技术,则对应的指标项取1,未采用该项技术则取0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510835913.XA CN105445710B (zh) | 2015-11-26 | 2015-11-26 | 隐形雷达低截获概率性能评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510835913.XA CN105445710B (zh) | 2015-11-26 | 2015-11-26 | 隐形雷达低截获概率性能评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105445710A CN105445710A (zh) | 2016-03-30 |
CN105445710B true CN105445710B (zh) | 2017-07-28 |
Family
ID=55556129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510835913.XA Active CN105445710B (zh) | 2015-11-26 | 2015-11-26 | 隐形雷达低截获概率性能评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105445710B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106597394B (zh) * | 2016-12-08 | 2019-02-19 | 西北工业大学 | 一种基于波形复杂度因子的雷达低截获概率性能评估方法 |
CN108833025B (zh) * | 2017-12-29 | 2020-02-21 | 西安电子科技大学 | 扩频雷达通信一体化系统的低截获性能评估方法 |
CN108471334B (zh) * | 2018-02-11 | 2020-10-23 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 测试评估数据链lpi性能的方法 |
CN109308344B (zh) * | 2018-08-30 | 2023-04-07 | 西北工业大学 | 基于空情航迹共享的机载雷达信号被截获概率建模方法 |
CN109324507B (zh) * | 2018-08-30 | 2020-09-04 | 西北工业大学 | 针对隐身目标动态rcs的雷达发射功率自适应控制方法 |
CN113406580B (zh) * | 2021-05-20 | 2023-08-25 | 中山大学 | Mimo雷达低截获性能评估方法、装置和存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5657021A (en) * | 1994-06-30 | 1997-08-12 | Ehsani Engineering Enterprises, Inc. | System and method for radar-vision for vehicles in traffic |
US6407697B1 (en) * | 2000-06-15 | 2002-06-18 | Honeywell International Inc. | Low probability of intercept coherent radar altimeter |
CN102467684B (zh) * | 2010-11-15 | 2016-08-31 | 中国人民解放军63928部队 | 基于改进雷达图的综合性能评估系统和方法 |
CN104076352A (zh) * | 2014-06-27 | 2014-10-01 | 电子科技大学 | 低截获测速方法及雷达装置 |
CN105005796B (zh) * | 2015-08-10 | 2018-03-30 | 中国人民解放军国防科学技术大学 | 基于层次分析的星载sar图像舰船目标分类方法 |
-
2015
- 2015-11-26 CN CN201510835913.XA patent/CN105445710B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105445710A (zh) | 2016-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105445710B (zh) | 隐形雷达低截获概率性能评估方法 | |
Aubin et al. | The MBTA pipeline for detecting compact binary coalescences in the third LIGO–Virgo observing run | |
CN106249219B (zh) | 基于自适应匹配滤波响应的sar动目标检测方法 | |
CN108802722B (zh) | 一种基于虚拟谱的弱目标检测前跟踪方法 | |
CN102967854A (zh) | Frft域海杂波中目标的多重分形检测方法 | |
CN104267379A (zh) | 一种基于波形设计的主被动雷达协同抗干扰方法 | |
CN101452075B (zh) | 基于平均周期的海上小目标检测方法 | |
CN102324959B (zh) | 一种基于多天线系统协方差矩阵的频谱感知方法 | |
CN102230961A (zh) | 基于相位补偿处理的扩展目标检测方法 | |
CN103839257B (zh) | 一种广义高斯k&i的sar图像变化检测方法 | |
CN105223576A (zh) | 一种基于单矢量潜标的线谱信号目标自动检测方法 | |
CN103885053A (zh) | 一种基于追踪滤波器的雷达数据动目标检测处理方法 | |
CN108254727A (zh) | 一种基于轮廓跟踪的雷达点迹凝聚方法 | |
CN106054169A (zh) | 基于跟踪信息的多站雷达信号融合检测方法 | |
CN106872958A (zh) | 基于线性融合的雷达目标自适应检测方法 | |
CN108983165B (zh) | 基于子站选择的多站雷达系统抗欺骗式干扰方法 | |
CN109154655A (zh) | 目标信号检测方法、设备、无人机及农业无人机 | |
CN105044686A (zh) | 一种雷达密集假目标干扰抑制方法 | |
CN103197297B (zh) | 基于认知框架的雷达动目标检测方法 | |
CN113534199B (zh) | 一种自适应的广义累计和gps欺骗攻击检测方法 | |
CN110007299A (zh) | 一种基于混合坐标伪谱技术的微弱目标检测跟踪方法 | |
CN105353340B (zh) | 一种双层圆柱阵水下被动目标检测方法 | |
CN110068727A (zh) | 一种基于Candan-Rife综合内插的单频信号频率估计方法 | |
CN105158749A (zh) | 高频雷达海杂波幅度统计分布检验方法 | |
CN104977583B (zh) | 一种基于经验正交分解的x波段雷达海浪反演方法 |
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 |