CN111163487A - 通信波形综合传输性能评价方法及系统 - Google Patents

通信波形综合传输性能评价方法及系统 Download PDF

Info

Publication number
CN111163487A
CN111163487A CN201911413412.7A CN201911413412A CN111163487A CN 111163487 A CN111163487 A CN 111163487A CN 201911413412 A CN201911413412 A CN 201911413412A CN 111163487 A CN111163487 A CN 111163487A
Authority
CN
China
Prior art keywords
index
waveform
evaluation
transmission
performance
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
Application number
CN201911413412.7A
Other languages
English (en)
Other versions
CN111163487B (zh
Inventor
尧有根
赵浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Institute of Microwave Technology CETC 50 Research Institute
Original Assignee
Shanghai Institute of Microwave Technology CETC 50 Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Institute of Microwave Technology CETC 50 Research Institute filed Critical Shanghai Institute of Microwave Technology CETC 50 Research Institute
Priority to CN201911413412.7A priority Critical patent/CN111163487B/zh
Publication of CN111163487A publication Critical patent/CN111163487A/zh
Application granted granted Critical
Publication of CN111163487B publication Critical patent/CN111163487B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/06—Testing, supervising or monitoring using simulated traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/10—Monitoring; Testing of transmitters
    • H04B17/101—Monitoring; Testing of transmitters for measurement of specific parameters of the transmitter or components thereof
    • H04B17/102—Power radiated at antenna
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H04B17/3912—Simulation models, e.g. distribution of spectral power density or received signal strength indicator [RSSI] for a given geographic region
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/20—Arrangements for detecting or preventing errors in the information received using signal quality detector
    • H04L1/203—Details of error rate determination, e.g. BER, FER or WER

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Quality & Reliability (AREA)
  • Monitoring And Testing Of Transmission In General (AREA)

Abstract

本发明提供了一种通信波形综合传输性能评价方法及系统，包括：体系分类步骤：对通信波形效能评价体系进行分类；性能指标仿真步骤：设定传输波形与参数，设定仿真场景，针对各波形性能指标进行仿真；效能评价步骤：利用TOPSIS法对波形综合效能进行评价；波形指标评价步骤：利用灰色层次模型对波形指标评价。本发明通过对波形指标的传输有效性、资源有效性和抗截获性指标进行仿真，分别利用TOPSIS法，灰色多层次评价法和模糊神经网络评价法对波形进行综合评估，再利用算法将三种评价手段统一起来，避免TOPSIS法不易贴合实际需求，灰色多层次评价法过于主观，而模糊神经网络容易过拟合的缺点，使评价系统符合用户需求且具有泛化能力。

Description

通信波形综合传输性能评价方法及系统
技术领域
本发明涉及无线通信技术领域，具体地，涉及通信波形综合传输性能评价方法及系统。
背景技术
随着无线通信技术的发展，应用场景不断丰富，波形体制越来越多，如何针对不同需求选择合适的波形是亟需解决的问题。通信波形综合传输效能评估，可以为软件无线电系统波形选择提供定量分析的依据，以便根据战争需求合理配置通信资源。
现有的大多数波形效能评估方法，都是基于固定的通信波形参数，采用单一目标为评价手段，存在一定的局限性。比如有文献针对多个通信波形参数对系统的通信容量和传输速率进行了优化，但并未考虑射频隐身性能。有文献分析了通信波形参数对系统低截获特性的影响，但是仅考虑了单个通信波形设计技术的部分参数，没有对系统物理层波形设计技术进行整体联合分析，无法评价波形的通信容量及传输速率等有效性指标。因此，如何对通信波形的传输有效性和低截获性进行综合评价，实现综合传输性能的最优，将对通信波形设计具有重要的指导意义。
针对上述现有技术中的缺陷，本发明要解决的技术问题体现在以下几点：
1)针对通信波形参数的优化问题进行建模：以发射功率、占空比、信道编码码率、扩频因子、调制方式等为优化参数，以给定距离的被截获概率和可靠通信速率为优化目标，建立了一种自适应的通信波形参数优化模型。
2)针对波形参数分别设计了加权主成分TOPSIS法、灰色多层次评价法和模糊神经网络法三种评价方法对波形综合指标进行评价，但考虑到各评价方法互有优劣，对各方法进行加权以综合这些方法的优势，使评价系统具备更强的泛化能力与更强的运用灵活性。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种通信波形综合传输性能评价方法及系统。
根据本发明提供的一种通信波形综合传输性能评价方法，包括：
体系分类步骤：对通信波形效能评价体系进行分类；
性能指标仿真步骤：设定传输波形与参数，设定仿真场景，针对各波形性能指标进行仿真；
效能评价步骤：利用TOPSIS法对波形综合效能进行评价；
波形指标评价步骤：利用灰色层次模型对波形指标评价；
评价系统建立步骤：建立模糊神经网络评价系统；
权重系数调整步骤：根据使用效果调整各方法权重系数。
优选地，所述体系分类步骤：
通信波形效能评价体系的分类指标包括：传输有效性、资源有效性、抗截获性；
传输有效性指标有传输速率和误码率；资源有效性指标有频谱利用率和发射功率；抗截获性指标有截获概率与距离比。
优选地，所述性能指标仿真步骤：
参数及模型设定步骤：设定发射机和接收机参数、截获接收机模型、通信信道模型以及截获信道模型；
模型仿真步骤：根据设定的发射机和接收机参数、截获接收机模型、通信信道模型以及截获信道模型，进行蒙特卡洛仿真，获得各波形的误码率、发射功率、截获概率与距离比。
优选地，所述效能评价步骤：
加权主成分TOPSIS法具体步骤如下：
步骤S1：造样本阵X
Figure BDA0002350548740000021
其中，
xi表示所有传输波形第i项指标的数据构成的向量；
Figure BDA0002350548740000022
表示xi的转置；
xij表示第j套传输波形第i项指标的具体数值，i和j满足1≤i≤N,1≤j≤M，N表示波形的指标总数，M表示传输波形个数；
步骤S2：对样本阵中的指标元素按照效益型与成本型进行变换,得到矩阵Y，Y的各元素yij由以下方法得到：
Figure BDA0002350548740000031
步骤S3：对Y矩阵中的元素作标准化变换，得到标准化阵Z，Z中的各元素zij为：
Figure BDA0002350548740000032
式中
Figure BDA0002350548740000033
步骤S4：求标准化阵Z的相关系数阵R，并求出R的特征值λ与特征向量b：
Figure BDA0002350548740000034
步骤S5：求主成分个数k与各主成分的方差贡献率ω，依据的准则如下：
Figure BDA0002350548740000035
其中，
ωj表示贡献率ω的第j个元素；
λj表示特征值λ的第j个元素；
步骤S6：求zi的k个主成分规范化分量，得到主成分规范化决策阵U，U中的元素
Figure BDA0002350548740000036
其中，
Figure BDA0002350548740000037
表示矩阵Z第i行对应向量的转置，
Figure BDA0002350548740000038
表示相关系数阵R的第j个特征向量归一化后得到的单位特征向量；
在此基础上构造单项主成分规范化决策阵U′，矩阵中的元素u′ij为：
Figure BDA0002350548740000039
步骤S7：构造加权的主成分，确定正理想点υ+与负理想点υ-:
令υij＝ωju′ij，ωj为方差贡献率ω的第j个元素,正理想点υ+与负理想点υ-如下：
Figure BDA00023505487400000310
步骤S8：计算每个点对理想点的贴近度指数：
每个点υi到正理想点的距离
Figure BDA00023505487400000311
是：
Figure BDA0002350548740000041
每个点υi到负理想点的距离
Figure BDA0002350548740000042
是：
Figure BDA0002350548740000043
相对贴近度Si为
Figure BDA0002350548740000044
若Si越接近于1，则表示该方案接近于最优水平，反之则越接近最劣水平。
根据通信波形效能评价体系的分类指标的构成，对传输有效性指标、资源有效性指标、抗截获性能指标分别赋予不同的权值，构成加权矩阵W＝[ω1,ω2,ω3,ω4,ω5]T，矩阵中的元素分别代表传输速率、频谱效率、发射功率、距离比和截获概率的权重；此时采用TOPSIS法，对波形的综合传输效能进行评估并进行优化，得到最优波形参数解。
优选地，所述波形指标评价步骤：
构建评价指标体系，确定各级指标权重，确定评价灰类以及白化权函数，获取专家打分表；
再利用灰色多层次评价方法完成波形评价；
所述评价系统建立步骤：
所述模糊神经网络模型是一个多输入单输出的系统，包括：输入层、模糊化层、模糊推理层、反模糊化层和输出层；
所述建立模糊神经网络评价系统包括：
数据的模糊化处理步骤：设定4个语言变量值对各个二级指标进行模糊评价，评价论域为W＝{“差”，“中”，“良”，“优”}。
训练与测试步骤：神经网络的训练与测试。
根据本发明提供的一种通信波形综合传输性能评价系统，包括：
体系分类模块：对通信波形效能评价体系进行分类；
性能指标仿真模块：设定传输波形与参数，设定仿真场景，针对各波形性能指标进行仿真；
效能评价模块：利用TOPSIS法对波形综合效能进行评价；
波形指标评价模块：利用灰色层次模型对波形指标评价；
评价系统建立模块：建立模糊神经网络评价系统；
权重系数调整模块：根据使用效果调整各方法权重系数。
优选地，所述体系分类模块：
通信波形效能评价体系的分类指标包括：传输有效性、资源有效性、抗截获性；
传输有效性指标有传输速率和误码率；资源有效性指标有频谱利用率和发射功率；抗截获性指标有截获概率与距离比。
优选地，所述性能指标仿真模块：
参数及模型设定模块：设定发射机和接收机参数、截获接收机模型、通信信道模型以及截获信道模型；
模型仿真模块：根据设定的发射机和接收机参数、截获接收机模型、通信信道模型以及截获信道模型，进行蒙特卡洛仿真，获得各波形的误码率、发射功率、截获概率与距离比。
优选地，所述效能评价模块：
加权主成分TOPSIS法具体步骤如下：
步骤S1：造样本阵X
Figure BDA0002350548740000051
其中，
xi表示所有传输波形第i项指标的数据构成的向量；
Figure BDA0002350548740000052
表示xi的转置；
xij表示第j套传输波形第i项指标的具体数值，i和j满足1≤i≤N,1≤j≤M，N表示波形的指标总数，M表示传输波形个数；
步骤S2：对样本阵中的指标元素按照效益型与成本型进行变换,得到矩阵Y，Y的各元素yij由以下方法得到：
Figure BDA0002350548740000053
步骤S3：对Y矩阵中的元素作标准化变换，得到标准化阵Z，Z中的各元素zij为：
Figure BDA0002350548740000061
式中
Figure BDA0002350548740000062
步骤S4：求标准化阵Z的相关系数阵R，并求出R的特征值λ与特征向量b：
Figure BDA0002350548740000063
步骤S5：求主成分个数k与各主成分的方差贡献率ω，依据的准则如下：
Figure BDA0002350548740000064
其中，
ωj表示贡献率ω的第j个元素；
λj表示特征值λ的第j个元素；
步骤S6：求zi的k个主成分规范化分量，得到主成分规范化决策阵U，U中的元素
Figure BDA0002350548740000065
其中，
Figure BDA0002350548740000066
表示矩阵Z第i行对应向量的转置，
Figure BDA0002350548740000067
表示相关系数阵R的第j个特征向量归一化后得到的单位特征向量；
在此基础上构造单项主成分规范化决策阵U′，矩阵中的元素u′ij为：
Figure BDA0002350548740000068
步骤S7：构造加权的主成分，确定正理想点υ+与负理想点υ-:
令υij＝ωju′ij，ωj为方差贡献率ω的第j个元素,正理想点υ+与负理想点υ-如下：
Figure BDA0002350548740000069
步骤S8：计算每个点对理想点的贴近度指数：
每个点υi到正理想点的距离
Figure BDA00023505487400000610
是：
Figure BDA00023505487400000611
每个点υi到负理想点的距离
Figure BDA00023505487400000612
是：
Figure BDA0002350548740000071
相对贴近度Si为
Figure BDA0002350548740000072
若Si越接近于1，则表示该方案接近于最优水平，反之则越接近最劣水平。
根据通信波形效能评价体系的分类指标的构成，对传输有效性指标、资源有效性指标、抗截获性能指标分别赋予不同的权值，构成加权矩阵W＝[ω1,ω2,ω3,ω4,ω5]T，矩阵中的元素分别代表传输速率、频谱效率、发射功率、距离比和截获概率的权重；此时采用TOPSIS法，对波形的综合传输效能进行评估并进行优化，得到最优波形参数解。
优选地，所述波形指标评价模块：
构建评价指标体系，确定各级指标权重，确定评价灰类以及白化权函数，获取专家打分表；
再利用灰色多层次评价方法完成波形评价；
所述评价系统建立模块：
所述模糊神经网络模型是一个多输入单输出的系统，包括：输入层、模糊化层、模糊推理层、反模糊化层和输出层；
所述建立模糊神经网络评价系统包括：
数据的模糊化处理模块：设定4个语言变量值对各个二级指标进行模糊评价，评价论域为W＝{“差”，“中”，“良”，“优”}。
训练与测试模块：神经网络的训练与测试。
与现有技术相比，本发明具有如下的有益效果：
1)通过对波形指标的传输有效性、资源有效性和抗截获性指标进行仿真，分别利用TOPSIS法，灰色多层次评价法和模糊神经网络评价法对波形进行综合评估，再利用算法将三种评价手段统一起来，避免TOPSIS法不易贴合实际需求，灰色多层次评价法过于主观，而模糊神经网络容易过拟合的缺点，使评价系统符合用户需求且具有泛化能力。
2)基于该波形效能评估方法，应用于指导波形设计，可以同时实现无线通信波形的射频隐身和高效数据传输。
3)在软件无线电系统中可以利用该方法来实现波形动态选择，根据不同的外界环境和使用需求自动选择合适的波形参数。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明提供的评价指标体系的构成示意图。
图2为本发明提供的截获端信噪比与截获概率的关系示意图。
图3为本发明提供的占空比对截获概率的影响示意图。
图4为本发明提供的模糊神经网络结构示意图。
图5为本发明提供的模糊神经网络训练过程示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
根据本发明提供的一种通信波形综合传输性能评价方法，包括：
体系分类步骤：对通信波形效能评价体系进行分类；
性能指标仿真步骤：设定传输波形与参数，设定仿真场景，针对各波形性能指标进行仿真；
效能评价步骤：利用TOPSIS法对波形综合效能进行评价；
波形指标评价步骤：利用灰色层次模型对波形指标评价；
评价系统建立步骤：建立模糊神经网络评价系统；
权重系数调整步骤：根据使用效果调整各方法权重系数。
具体地，所述体系分类步骤：
通信波形效能评价体系的分类指标包括：传输有效性、资源有效性、抗截获性；
传输有效性指标有传输速率和误码率；资源有效性指标有频谱利用率和发射功率；抗截获性指标有截获概率与距离比。
具体地，所述性能指标仿真步骤：
参数及模型设定步骤：设定发射机和接收机参数、截获接收机模型、通信信道模型以及截获信道模型；
模型仿真步骤：根据设定的发射机和接收机参数、截获接收机模型、通信信道模型以及截获信道模型，进行蒙特卡洛仿真，获得各波形的误码率、发射功率、截获概率与距离比。
具体地，所述效能评价步骤：
加权主成分TOPSIS法具体步骤如下：
步骤S1：造样本阵X
Figure BDA0002350548740000091
其中，
xi表示所有传输波形第i项指标的数据构成的向量；
Figure BDA0002350548740000092
表示xi的转置；
xij表示第j套传输波形第i项指标的具体数值，i和j满足1≤i≤N,1≤j≤M，N表示波形的指标总数，M表示传输波形个数；
步骤S2：对样本阵中的指标元素按照效益型与成本型进行变换,得到矩阵Y，Y的各元素yij由以下方法得到：
Figure BDA0002350548740000093
步骤S3：对Y矩阵中的元素作标准化变换，得到标准化阵Z，Z中的各元素zij为：
Figure BDA0002350548740000094
式中
Figure BDA0002350548740000095
步骤S4：求标准化阵Z的相关系数阵R，并求出R的特征值λ与特征向量b：
Figure BDA0002350548740000096
步骤S5：求主成分个数k与各主成分的方差贡献率ω，依据的准则如下：
Figure BDA0002350548740000097
其中，
ωj表示贡献率ω的第j个元素；
λj表示特征值λ的第j个元素；
步骤S6：求zi的k个主成分规范化分量，得到主成分规范化决策阵U，U中的元素
Figure BDA0002350548740000101
其中，
Figure BDA0002350548740000102
表示矩阵Z第i行对应向量的转置，
Figure BDA0002350548740000103
表示相关系数阵R的第j个特征向量归一化后得到的单位特征向量；
在此基础上构造单项主成分规范化决策阵U′，矩阵中的元素u′ij为：
Figure BDA0002350548740000104
步骤S7：构造加权的主成分，确定正理想点υ+与负理想点υ-:
令υij＝ωju′ij，ωj为方差贡献率ω的第j个元素,正理想点υ+与负理想点υ-如下：
Figure BDA0002350548740000105
步骤S8：计算每个点对理想点的贴近度指数：
每个点υi到正理想点的距离
Figure BDA0002350548740000106
是：
Figure BDA0002350548740000107
每个点υi到负理想点的距离
Figure BDA0002350548740000108
是：
Figure BDA0002350548740000109
相对贴近度Si为
Figure BDA00023505487400001010
若Si越接近于1，则表示该方案接近于最优水平，反之则越接近最劣水平。
根据通信波形效能评价体系的分类指标的构成，对传输有效性指标、资源有效性指标、抗截获性能指标分别赋予不同的权值，构成加权矩阵W＝[ω1,ω2,ω3,ω4,ω5]T，矩阵中的元素分别代表传输速率、频谱效率、发射功率、距离比和截获概率的权重；此时采用TOPSIS法，对波形的综合传输效能进行评估并进行优化，得到最优波形参数解。
具体地，所述波形指标评价步骤：
构建评价指标体系，确定各级指标权重，确定评价灰类以及白化权函数，获取专家打分表；
再利用灰色多层次评价方法完成波形评价；
所述评价系统建立步骤：
所述模糊神经网络模型是一个多输入单输出的系统，包括：输入层、模糊化层、模糊推理层、反模糊化层和输出层；
所述建立模糊神经网络评价系统包括：
数据的模糊化处理步骤：设定4个语言变量值对各个二级指标进行模糊评价，评价论域为W＝{“差”，“中”，“良”，“优”}。
训练与测试步骤：神经网络的训练与测试。
本发明提供的通信波形综合传输性能评价系统，可以通过本发明给的通信波形综合传输性能评价方法的步骤流程实现。本领域技术人员可以将所述通信波形综合传输性能评价方法，理解为所述通信波形综合传输性能评价系统的一个优选例。
根据本发明提供的一种通信波形综合传输性能评价系统，包括：
体系分类模块：对通信波形效能评价体系进行分类；
性能指标仿真模块：设定传输波形与参数，设定仿真场景，针对各波形性能指标进行仿真；
效能评价模块：利用TOPSIS法对波形综合效能进行评价；
波形指标评价模块：利用灰色层次模型对波形指标评价；
评价系统建立模块：建立模糊神经网络评价系统；
权重系数调整模块：根据使用效果调整各方法权重系数。
具体地，所述体系分类模块：
通信波形效能评价体系的分类指标包括：传输有效性、资源有效性、抗截获性；
传输有效性指标有传输速率和误码率；资源有效性指标有频谱利用率和发射功率；抗截获性指标有截获概率与距离比。
具体地，所述性能指标仿真模块：
参数及模型设定模块：设定发射机和接收机参数、截获接收机模型、通信信道模型以及截获信道模型；
模型仿真模块：根据设定的发射机和接收机参数、截获接收机模型、通信信道模型以及截获信道模型，进行蒙特卡洛仿真，获得各波形的误码率、发射功率、截获概率与距离比。
具体地，所述效能评价模块：
加权主成分TOPSIS法具体步骤如下：
步骤S1：造样本阵X
Figure BDA0002350548740000121
其中，
xi表示所有传输波形第i项指标的数据构成的向量；
Figure BDA0002350548740000122
表示xi的转置；
xij表示第j套传输波形第i项指标的具体数值，i和j满足1≤i≤N,1≤j≤M，N表示波形的指标总数，M表示传输波形个数；
步骤S2：对样本阵中的指标元素按照效益型与成本型进行变换,得到矩阵Y，Y的各元素yij由以下方法得到：
Figure BDA0002350548740000123
步骤S3：对Y矩阵中的元素作标准化变换，得到标准化阵Z，Z中的各元素zij为：
Figure BDA0002350548740000124
式中
Figure BDA0002350548740000125
步骤S4：求标准化阵Z的相关系数阵R，并求出R的特征值λ与特征向量b：
Figure BDA0002350548740000126
步骤S5：求主成分个数k与各主成分的方差贡献率ω，依据的准则如下：
Figure BDA0002350548740000127
其中，
ωj表示贡献率ω的第j个元素；
λj表示特征值λ的第j个元素；
步骤S6：求zi的k个主成分规范化分量，得到主成分规范化决策阵U，U中的元素
Figure BDA0002350548740000128
其中，
Figure BDA0002350548740000131
表示矩阵Z第i行对应向量的转置，
Figure BDA0002350548740000132
表示相关系数阵R的第j个特征向量归一化后得到的单位特征向量；
在此基础上构造单项主成分规范化决策阵U′，矩阵中的元素u′ij为：
Figure BDA0002350548740000133
步骤S7：构造加权的主成分，确定正理想点υ+与负理想点υ-:
令υij＝ωju′ij，ωj为方差贡献率ω的第j个元素,正理想点υ+与负理想点υ-如下：
Figure BDA0002350548740000134
步骤S8：计算每个点对理想点的贴近度指数：
每个点υi到正理想点的距离
Figure BDA0002350548740000135
是：
Figure BDA0002350548740000136
每个点υi到负理想点的距离
Figure BDA0002350548740000137
是：
Figure BDA0002350548740000138
相对贴近度Si为
Figure BDA0002350548740000139
若Si越接近于1，则表示该方案接近于最优水平，反之则越接近最劣水平。
根据通信波形效能评价体系的分类指标的构成，对传输有效性指标、资源有效性指标、抗截获性能指标分别赋予不同的权值，构成加权矩阵W＝[ω1,ω2,ω3,ω4,ω5]T，矩阵中的元素分别代表传输速率、频谱效率、发射功率、距离比和截获概率的权重；此时采用TOPSIS法，对波形的综合传输效能进行评估并进行优化，得到最优波形参数解。
具体地，所述波形指标评价模块：
构建评价指标体系，确定各级指标权重，确定评价灰类以及白化权函数，获取专家打分表；
再利用灰色多层次评价方法完成波形评价；
所述评价系统建立模块：
所述模糊神经网络模型是一个多输入单输出的系统，包括：输入层、模糊化层、模糊推理层、反模糊化层和输出层；
所述建立模糊神经网络评价系统包括：
数据的模糊化处理模块：设定4个语言变量值对各个二级指标进行模糊评价，评价论域为W＝{“差”，“中”，“良”，“优”}。
训练与测试模块：神经网络的训练与测试。
下面通过优选例，对本发明进行更为具体地说明。
优选例1：
调制方式BPSK和QPSK。编码方式是卷积码，译码采用硬判决维特比译码，回溯长度为6，扩频为直接序列扩频。
图2为截获端信噪比与截获概率的关系示意图。
图3为占空比对截获概率的影响示意图。
1、不同占空比下，波形各种通信模式的截获概率统计如下：
(a)占空比100％
Figure BDA0002350548740000141
(b)占空比70％
Figure BDA0002350548740000142
(c)占空比50％
Figure BDA0002350548740000151
2、利用TOPSIS法进行评价
各方案(按照“占空比-调制方式-编码码率-扩频因子”的方式表示)综合性能排序。
无偏好时排序结果如下(显示前9个排序结果)：
Figure BDA0002350548740000152
有偏好情况排序：
偏好设置示例：传输有效性指标的权值0.6，资源有效性指标为0.2，抗截获性能指标为0.2。
令加权矩阵W＝[ω1,ω2,ω3,ω4,ω5]T，矩阵中的元素分别代表传输速率、频谱效率、发射功率、距离比和截获概率的权重，其值分别为[0.6,0.1,0.1,0.1,0.1]。得到各方案的综合性能排序为：
Figure BDA0002350548740000153
3、利用灰色层次模型评价
(1)确定评估指标权重系数
采用层次分析法和德尔菲法相结合的方法，通过两两比较的方式，按规定标度：
表一 标度规则
标度 含义
1 两因素具有相同重要性
3 一个因素比另一个稍微重要
5 一个因素比另一个明显重要
7 一个因素比另一个重要得多
9 一个因素比另一个极端重要
有以下几个矩阵需要标度：
表二 各大类指标相对重要性：
传输有效性 资源有效性 抗截获性
传输有效性 1 3 1/3
资源有效性 1/3 1 1/9
抗截获性 3 9 1
对标度结果进行一致性检验。
表三 传输有效性中各类指标相对重要性：
传输速率 误码率
传输速率 1 1
误码率 1 1
表四 资源有效性中各类指标相对重要性：
频率利用率 发射功率
频率利用率 1 1
发射功率 1 1
表五 抗截获性中各类指标相对重要性：
截获概率 截获距离比
截获概率 1 1
截获距离比 1 1
得到指标体系与权重见表六：
Figure BDA0002350548740000161
(2)获取专家评分表
以其中一种方案为例，具体参数如下：
Figure BDA0002350548740000162
专家评分(分数取值范围1-10)为：
Figure BDA0002350548740000163
(3)确定评估灰类
确定评估灰类的等级数、灰数、白化权函数：
计算灰色评价系数。构造各白化函数统一极性和量纲：
Figure BDA0002350548740000171
Figure BDA0002350548740000172
Figure BDA0002350548740000173
Figure BDA0002350548740000174
其中，Dijk为第k个专家对第i个波形第j项指标的评分结果。
确定灰色评估矩阵
对于评价指标uij，根据评分表与白化函数确定属于第e个灰类的灰色评价系数nije，各评价灰类的总评价系数nij，属于第e个评价灰类的灰色评价权rije，计算公式如下：
Figure BDA0002350548740000175
示例：
n111＝f1(2)+f1(3)+f1(3)+f1(4)+f1(3)+f1(2)＝1.8889
n112＝f2(2)+f2(3)+f2(3)+f2(4)+f2(3)+f2(2)＝2.1250
n113＝f3(2)+f3(3)+f3(3)+f3(4)+f3(3)+f3(2)＝2.8333
n114＝f4(2)+f4(3)+f4(3)+f4(4)+f4(3)+f4(2)＝6
n11＝n111+n112+n113+n114＝12.8472
r111＝0.1470 r112＝0.1654 r113＝0.2205 r114＝0.4670
r11＝[r111 r112 r113 r114]＝[0.1470 0.1654 0.2205 0.4670]
同理计算r12,r21,r22,r31,r32。
令
Figure BDA0002350548740000181
结合权重，求得准则层指标分评估值
Bi＝WiRi,i＝1,2,3
其中，Wi为表六中第i个一级指标下所有二级指标的权重构成的向量。
总灰色评价权矩阵
Figure BDA0002350548740000182
综合评价结果
B＝V·Q
V为表流中所有一级指标权重构成的向量。
计算综合评价值，得出等级
R＝B·CT
其中，C为评判等级，C＝[c1,c2,c3,c4]＝{优,良,中,差}。
计算结果为7.3703，对应等级为良。
4、利用模糊神经网络评价
图4为模糊神经网络结构示意图。
(1)数据的模糊化处理
设定4个语言变量值对各个二级指标进行模糊评价，评价论域为W＝{“差”，“中”，“良”，“优”}。
(2)神经网络的训练与测试
图5为模糊神经网络训练过程示意图。
以加权主成分TOPSIS法和灰色层次模型结果的平均值作为训练数据，对神经网络进行训练，利用其强拟合性增强系统泛化能力。
结果测试：随机输入方案序号进行测评。
方案20对应波形参数和性能如下：
Figure BDA0002350548740000183
测评结果为良，与目标评分结果一致。
5、对各评价结果加权
根据实际使用各方法评价准确度进行权值调整，增大评价效果好的方法对应权值，减小效果差方法权值。
优选例2：
一种通信波形综合传输性能评价方法，包括：
步骤1：对通信波形效能评价体系进行分类，包含传输有效性、资源有效性、抗截获性三个方面。传输有效性指标有传输速率和误码率；资源有效性指标有频谱利用率和发射功率；抗截获性指标有截获概率与距离比。
步骤2：设定传输波形与参数，设定仿真场景，针对各波形性能指标进行仿真。
设定发射机和接收机参数、截获接收机模型、通信信道模型、截获信道模型。根据模型进行蒙特卡洛仿真，得到各波形的误码率、发射功率、截获概率与距离比等数据。
截获接收机是指敌方的侦听接收机，截获接收机模型包括使用的侦听方法以及参数。
通信信道模型指合作方发射机与接收机之间的传输信道模型。
截获信道模型己方发射机与敌方截获接收机之间的传输信道模型
步骤3：利用TOPSIS法对波形综合效能进行评价
加权主成分TOPSIS法具体步骤：
1、造样本阵X
Figure BDA0002350548740000191
其中，xi表示所有传输波形第i项指标的数据构成的向量，
Figure BDA0002350548740000192
表示xi的转置，
xij表示第j套传输波形第i项指标的具体数值，i和j满足1≤i≤N,1≤j≤M。N表示波形的指标总数，M是传输波形个数，是自己系统中实际需要评价的波形和指标个数，可以认为是预设值。
2、对样本阵中的指标元素按照效益型与成本型进行变换,得到矩阵Y。Y的各元素yij由以下方法得到：
Figure BDA0002350548740000193
3、对Y矩阵中的元素作标准化变换，得到标准化阵Z。Z中的各元素zij为
Figure BDA0002350548740000201
式中
Figure BDA0002350548740000202
4、求标准化阵Z的相关系数阵R，并求出R的特征值λ与特征向量b。
Figure BDA0002350548740000203
5、求主成分个数k与各主成分的方差贡献率ω。
依据的准则如下：
Figure BDA0002350548740000204
其中，
ωj表示贡献率ω的第j个元素，λj表示特征值λ的第j个元素
6、求zi的k个主成分规范化分量，得到主成分规范化决策阵U。U中的元素
Figure BDA0002350548740000205
Figure BDA0002350548740000206
其中，
Figure BDA0002350548740000207
表示矩阵Z第i行对应向量的转置，
Figure BDA0002350548740000208
表示相关系数阵R的第j个特征向量归一化后得到的单位特征向量；
在此基础上构造单项主成分规范化决策阵U′，矩阵中的元素u′ij为
Figure BDA0002350548740000209
7、构造加权的主成分，确定正理想点υ+与负理想点υ-。
令υij＝ωju′ij，ωj为方差贡献率ω的第j个元素。
Figure BDA00023505487400002010
8、计算每个点对理想点的贴近度指数。
每个点υi到正理想点的距离
Figure BDA00023505487400002011
是：
Figure BDA00023505487400002012
每个点υi到负理想点的距离
Figure BDA00023505487400002013
是：
Figure BDA00023505487400002014
相对贴近度Si为
Figure BDA0002350548740000211
若Si越接近于1，则表示该方案接近于最优水平，反之则越接近最劣水平。
根据步骤1中“波形效能评估体系”中的指标构成，对传输有效性指标、资源有效性指标、抗截获性能指标分别赋予不同的权值，构成加权矩阵W＝[ω1,ω2,ω3,ω4,ω5]T，矩阵中的元素分别代表传输速率、频谱效率、发射功率、距离比和截获概率的权重。此时采用TOPSIS法，可对波形的综合传输效能进行评估并进行优化，可得到最优波形参数解。
步骤4、利用灰色层次模型对波形指标评价
灰色层次模型评价方法主要包含以下几个步骤：
(1)构建评价指标体系；
(2)确定各级指标权重；
(3)确定评价灰类以及白化权函数；
(4)获取专家打分表；
(5)利用灰色多层次评价方法完成波形评价。
如图1所示，评价指标体系包括：设定波形总体性能的评价指标，包括一级指标和各一级指标下属的二级指标。比如此处一级指标包括传输有效性指标、资源有效性指标和抗截获性指标。传输有效性指标下属的二级指标包括传输速率和误码率；资源有效性指标下属二级指标包括频率利用率和发射功率；抗截获性指标下属二级指标包括截获概率和截获距离比。
灰类是灰色系统中的一个概念，代表部分信息已知、部分未知。灰类类似于评价语，此处可认为是优、良、中、差四个等级。
白化权函数是指一条三折线或曲线，可以定量描述某一评估对象隶属于某个灰类的程度。举个例子：知道某人成绩属于优良中差中的一等，这就是灰类，但不清楚具体分数，通过白化权函数可以进一步描述等级内的具体程度。
专家打分表是自己制作好表格，找专家打分得到表内各项分数。
步骤5、建立模糊神经网络评价系统
模糊神经网络是模糊理论与神经网络相结合的产物，它汇集了神经网络与模糊理论的优点，集学习、联想、识别、信息处理于一体。
该模型是一个多输入单输出的系统，包括输入层、模糊化层、模糊推理层、反模糊化层和输出层5层。
①数据的模糊化处理
设定4个语言变量值对各个二级指标进行模糊评价，评价论域为W＝{“差”，“中”，“良”，“优”}。
②神经网络的训练与测试
步骤6、根据使用效果调整各方法权重系数。
在本申请的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种通信波形综合传输性能评价方法，其特征在于，包括：
体系分类步骤：对通信波形效能评价体系进行分类；
性能指标仿真步骤：设定传输波形与参数，设定仿真场景，针对各波形性能指标进行仿真；
效能评价步骤：利用TOPSIS法对波形综合效能进行评价；
波形指标评价步骤：利用灰色层次模型对波形指标评价；
评价系统建立步骤：建立模糊神经网络评价系统；
权重系数调整步骤：根据使用效果调整各方法权重系数。
2.根据权利要求1所述的通信波形综合传输性能评价方法，其特征在于，所述体系分类步骤：
通信波形效能评价体系的分类指标包括：传输有效性、资源有效性、抗截获性；
传输有效性指标有传输速率和误码率；资源有效性指标有频谱利用率和发射功率；抗截获性指标有截获概率与距离比。
3.根据权利要求1所述的通信波形综合传输性能评价方法，其特征在于，所述性能指标仿真步骤：
参数及模型设定步骤：设定发射机和接收机参数、截获接收机模型、通信信道模型以及截获信道模型；
模型仿真步骤：根据设定的发射机和接收机参数、截获接收机模型、通信信道模型以及截获信道模型，进行蒙特卡洛仿真，获得各波形的误码率、发射功率、截获概率与距离比。
4.根据权利要求1所述的通信波形综合传输性能评价方法，其特征在于，所述效能评价步骤：
加权主成分TOPSIS法具体步骤如下：
步骤S1：造样本阵X
Figure FDA0002350548730000011
其中，
xi表示所有传输波形第i项指标的数据构成的向量；
Figure FDA0002350548730000021
表示xi的转置；
xij表示第j套传输波形第i项指标的具体数值，i和j满足1≤i≤N,1≤j≤M，N表示波形的指标总数，M表示传输波形个数；
步骤S2：对样本阵中的指标元素按照效益型与成本型进行变换,得到矩阵Y，Y的各元素yij由以下方法得到：
Figure FDA0002350548730000022
步骤S3：对Y矩阵中的元素作标准化变换，得到标准化阵Z，Z中的各元素zij为：
Figure FDA0002350548730000023
式中
Figure FDA0002350548730000024
步骤S4：求标准化阵Z的相关系数阵R，并求出R的特征值λ与特征向量b：
Figure FDA0002350548730000025
步骤S5：求主成分个数k与各主成分的方差贡献率ω，依据的准则如下：
Figure FDA0002350548730000026
其中，
ωj表示贡献率ω的第j个元素；
λj表示特征值λ的第j个元素；
步骤S6：求zi的k个主成分规范化分量，得到主成分规范化决策阵U，U中的元素
Figure FDA0002350548730000027
其中，
Figure FDA0002350548730000028
表示矩阵Z第i行对应向量的转置，
Figure FDA0002350548730000029
表示相关系数阵R的第j个特征向量归一化后得到的单位特征向量；
在此基础上构造单项主成分规范化决策阵U′，矩阵中的元素u′ij为：
Figure FDA00023505487300000210
步骤S7：构造加权的主成分，确定正理想点υ+与负理想点υ-:
令υij＝ωju′ij，ωj为方差贡献率ω的第j个元素,正理想点υ+与负理想点υ-如下：
Figure FDA0002350548730000031
Figure FDA0002350548730000032
步骤S8：计算每个点对理想点的贴近度指数：
每个点υi到正理想点的距离
Figure FDA0002350548730000033
是：
Figure FDA0002350548730000034
每个点υi到负理想点的距离
Figure FDA0002350548730000035
是：
Figure FDA0002350548730000036
相对贴近度Si为
Figure FDA0002350548730000037
若Si越接近于1，则表示该方案接近于最优水平，反之则越接近最劣水平。
根据通信波形效能评价体系的分类指标的构成，对传输有效性指标、资源有效性指标、抗截获性能指标分别赋予不同的权值，构成加权矩阵W＝[ω1,ω2,ω3,ω4,ω5]T，矩阵中的元素分别代表传输速率、频谱效率、发射功率、距离比和截获概率的权重；此时采用TOPSIS法，对波形的综合传输效能进行评估并进行优化，得到最优波形参数解。
5.根据权利要求1所述的通信波形综合传输性能评价方法，其特征在于，所述波形指标评价步骤：
构建评价指标体系，确定各级指标权重，确定评价灰类以及白化权函数，获取专家打分表；
再利用灰色多层次评价方法完成波形评价；
所述评价系统建立步骤：
所述模糊神经网络模型是一个多输入单输出的系统，包括：输入层、模糊化层、模糊推理层、反模糊化层和输出层；
所述建立模糊神经网络评价系统包括：
数据的模糊化处理步骤：设定4个语言变量值对各个二级指标进行模糊评价，评价论域为W＝{“差”，“中”，“良”，“优”}。
训练与测试步骤：神经网络的训练与测试。
6.一种通信波形综合传输性能评价系统，其特征在于，包括：
体系分类模块：对通信波形效能评价体系进行分类；
性能指标仿真模块：设定传输波形与参数，设定仿真场景，针对各波形性能指标进行仿真；
效能评价模块：利用TOPSIS法对波形综合效能进行评价；
波形指标评价模块：利用灰色层次模型对波形指标评价；
评价系统建立模块：建立模糊神经网络评价系统；
权重系数调整模块：根据使用效果调整各方法权重系数。
7.根据权利要求6所述的通信波形综合传输性能评价系统，其特征在于，所述体系分类模块：
通信波形效能评价体系的分类指标包括：传输有效性、资源有效性、抗截获性；
传输有效性指标有传输速率和误码率；资源有效性指标有频谱利用率和发射功率；抗截获性指标有截获概率与距离比。
8.根据权利要求6所述的通信波形综合传输性能评价系统，其特征在于，所述性能指标仿真模块：
参数及模型设定模块：设定发射机和接收机参数、截获接收机模型、通信信道模型以及截获信道模型；
模型仿真模块：根据设定的发射机和接收机参数、截获接收机模型、通信信道模型以及截获信道模型，进行蒙特卡洛仿真，获得各波形的误码率、发射功率、截获概率与距离比。
9.根据权利要求6所述的通信波形综合传输性能评价系统，其特征在于，所述效能评价模块：
加权主成分TOPSIS法具体步骤如下：
步骤S1：造样本阵X
Figure FDA0002350548730000041
其中，
xi表示所有传输波形第i项指标的数据构成的向量；
Figure FDA0002350548730000042
表示xi的转置；
xij表示第j套传输波形第i项指标的具体数值，i和j满足1≤i≤N,1≤j≤M，N表示波形的指标总数，M表示传输波形个数；
步骤S2：对样本阵中的指标元素按照效益型与成本型进行变换,得到矩阵Y，Y的各元素yij由以下方法得到：
Figure FDA0002350548730000051
步骤S3：对Y矩阵中的元素作标准化变换，得到标准化阵Z，Z中的各元素zij为：
Figure FDA0002350548730000052
式中
Figure FDA0002350548730000053
步骤S4：求标准化阵Z的相关系数阵R，并求出R的特征值λ与特征向量b：
Figure FDA0002350548730000054
步骤S5：求主成分个数k与各主成分的方差贡献率ω，依据的准则如下：
Figure FDA0002350548730000055
其中，
ωj表示贡献率ω的第j个元素；
λj表示特征值λ的第j个元素；
步骤S6：求zi的k个主成分规范化分量，得到主成分规范化决策阵U，U中的元素
Figure FDA0002350548730000056
其中，
Figure FDA0002350548730000057
表示矩阵Z第i行对应向量的转置，
Figure FDA0002350548730000058
表示相关系数阵R的第j个特征向量归一化后得到的单位特征向量；
在此基础上构造单项主成分规范化决策阵U′，矩阵中的元素u′ij为：
Figure FDA0002350548730000059
步骤S7：构造加权的主成分，确定正理想点υ+与负理想点υ-:
令υij＝ωju′ij，ωj为方差贡献率ω的第j个元素,正理想点υ+与负理想点υ-如下：
Figure FDA00023505487300000510
Figure FDA00023505487300000511
步骤S8：计算每个点对理想点的贴近度指数：
每个点υi到正理想点的距离
Figure FDA0002350548730000061
是：
Figure FDA0002350548730000062
每个点υi到负理想点的距离
Figure FDA0002350548730000063
是：
Figure FDA0002350548730000064
相对贴近度Si为
Figure FDA0002350548730000065
若Si越接近于1，则表示该方案接近于最优水平，反之则越接近最劣水平。
根据通信波形效能评价体系的分类指标的构成，对传输有效性指标、资源有效性指标、抗截获性能指标分别赋予不同的权值，构成加权矩阵W＝[ω1,ω2,ω3,ω4,ω5]T，矩阵中的元素分别代表传输速率、频谱效率、发射功率、距离比和截获概率的权重；此时采用TOPSIS法，对波形的综合传输效能进行评估并进行优化，得到最优波形参数解。
10.根据权利要求6所述的通信波形综合传输性能评价系统，其特征在于，所述波形指标评价模块：
构建评价指标体系，确定各级指标权重，确定评价灰类以及白化权函数，获取专家打分表；
再利用灰色多层次评价方法完成波形评价；
所述评价系统建立模块：
所述模糊神经网络模型是一个多输入单输出的系统，包括：输入层、模糊化层、模糊推理层、反模糊化层和输出层；
所述建立模糊神经网络评价系统包括：
数据的模糊化处理模块：设定4个语言变量值对各个二级指标进行模糊评价，评价论域为W＝{“差”，“中”，“良”，“优”}。
训练与测试模块：神经网络的训练与测试。
CN201911413412.7A 2019-12-31 2019-12-31 通信波形综合传输性能评价方法及系统 Active CN111163487B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911413412.7A CN111163487B (zh) 2019-12-31 2019-12-31 通信波形综合传输性能评价方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911413412.7A CN111163487B (zh) 2019-12-31 2019-12-31 通信波形综合传输性能评价方法及系统

Publications (2)

Publication Number Publication Date
CN111163487A true CN111163487A (zh) 2020-05-15
CN111163487B CN111163487B (zh) 2023-04-28

Family

ID=70560107

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911413412.7A Active CN111163487B (zh) 2019-12-31 2019-12-31 通信波形综合传输性能评价方法及系统

Country Status (1)

Country Link
CN (1) CN111163487B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112926739A (zh) * 2021-03-11 2021-06-08 北京计算机技术及应用研究所 一种基于神经网络模型的网络对抗效能评估方法
CN113435780A (zh) * 2021-07-14 2021-09-24 北京信息科技大学 一种基于神经网络的应急通信感知装备体系效能评估方法
CN113534129A (zh) * 2021-06-29 2021-10-22 中国人民解放军93209部队 评估地基宽带雷达的高速目标探测性能的方法和系统
CN114760210A (zh) * 2022-03-31 2022-07-15 中国舰船研究设计中心 一种船舶通讯协议仿真结果定量评估方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108173555A (zh) * 2017-11-16 2018-06-15 上海微波技术研究所（中国电子科技集团公司第五十研究所） 一种基于多参数状态机的波形控制方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108173555A (zh) * 2017-11-16 2018-06-15 上海微波技术研究所（中国电子科技集团公司第五十研究所） 一种基于多参数状态机的波形控制方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
张钦礼;程健;王新民;曾佳龙;宋广晨;: "基于灰色关联和加权TOPSIS法的采矿方法优选" *
杨诚修;王谦?;彭卫东;李寰宇;裴少婷;: "基于IFA-HFS的雷达波形域LPI性能评估方法" *
陈丽;: "基于加权TOPSIS法的地震灾情综合评价" *
陈强;陈长兴;陈婷;程蒙江川;: "基于灰色层次分析法-BP神经网络的数据链系统效能评估" *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112926739A (zh) * 2021-03-11 2021-06-08 北京计算机技术及应用研究所 一种基于神经网络模型的网络对抗效能评估方法
CN112926739B (zh) * 2021-03-11 2024-03-19 北京计算机技术及应用研究所 一种基于神经网络模型的网络对抗效能评估方法
CN113534129A (zh) * 2021-06-29 2021-10-22 中国人民解放军93209部队 评估地基宽带雷达的高速目标探测性能的方法和系统
CN113435780A (zh) * 2021-07-14 2021-09-24 北京信息科技大学 一种基于神经网络的应急通信感知装备体系效能评估方法
CN114760210A (zh) * 2022-03-31 2022-07-15 中国舰船研究设计中心 一种船舶通讯协议仿真结果定量评估方法

Also Published As

Publication number Publication date
CN111163487B (zh) 2023-04-28

Similar Documents

Publication Publication Date Title
CN111163487B (zh) 通信波形综合传输性能评价方法及系统
CN111866954B (zh) 一种基于联邦学习的用户选择和资源分配方法
CN109461025B (zh) 一种基于机器学习的电能替代潜在客户预测方法
CN110111024A (zh) 基于ahp模糊综合评价模型的科技成果市场价值评估方法
CN103308463B (zh) 一种近红外光谱特征谱区选择方法
CN112054943B (zh) 一种移动网络基站流量预测方法
CN103108382A (zh) 一种基于网络层次分析法的异构网络多属性决策方法
CN110232434A (zh) 一种基于属性图优化的神经网络架构评估方法
CN108805743A (zh) 一种电网企业售电公司运营效益评价方法
CN107133690B (zh) 一种河湖水系连通工程方案优选排序方法
CN107067341B (zh) 一种基于多级熵权的rbfnn配电自动化系统状态操作评价方法
CN107454105A (zh) 一种基于ahp与灰色关联的多维网络安全评估方法
CN106656357B (zh) 一种工频通信信道状态评估系统和方法
CN104837184A (zh) 一种基于区间三角模糊数的异构无线网络选择方法
CN104954210A (zh) 配电通信网中的不同业务类型与无线通信方式的匹配方法
CN106549826A (zh) 智能变电站交换机网络性能测试评估方法
CN112804702B (zh) 基于效用函数的多链路空地数据交换链路性能评估方法
CN103577676A (zh) 污水处理工艺综合评价的灰色加权法
CN109711707B (zh) 一种船舶动力装置综合状态评估方法
CN104050547A (zh) 一种油田开发规划方案非线性优选决策方法
CN107194526A (zh) 一种基于模糊聚类的售电侧市场化改革进度评估方法
CN108038797B (zh) 配电网调度控制水平的二项系数法和多目标规划混合评估方法
He et al. Representation learning of knowledge graph for wireless communication networks
CN107644285A (zh) 售电市场盈利能力评估指标的筛选与权重确定方法及系统
CN115099385B (zh) 基于传感器布局优化和自适应Kriging模型的频谱地图构建方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant