CN111596277B - 基于模糊综合评价法的飞行目标威胁度识别方法及系统 - Google Patents

Abstract

本发明公开了一种基于模糊综合评价法的飞行目标威胁度识别方法及系统，其中方法包括以下步骤：获取雷达数据，所述雷达数据包括若干个飞行目标的起批数据；根据起批数据对飞行目标的记录表进行更新处理，以及对起批数据进行规范化处理；结合规范化处理后的起批数据和模糊综合评价法计算飞行目标对应的威胁度值，获得威胁度识别结果。本发明通过从获取雷达数据，对雷达数据进行规范化处理后，再由模糊综合评价法计算各飞行目标对应的威胁度值，输出识别结果，能够有效地辅助管理人员对低空安防区域进行管理，可广泛应用于探测雷达数据处理和低空安防技术领域。

Description

基于模糊综合评价法的飞行目标威胁度识别方法及系统

技术领域

本发明涉及探测雷达数据处理和低空安防技术领域，尤其涉及一种基于模糊综合评价法的飞行目标威胁度识别方法及系统。

背景技术

“低慢小”飞行目标(如航空器)是指具有“低空超低空飞行，飞行速度较慢，不易被雷达发现”等全部或部分特征的航空器和空飘物。所述“低慢小”，全称为“低空、慢速、小型飞行目标(如无人机)”，飞行高度一般在1000米以下，速度较慢，雷达反射面积小；飞行速度一般小于200公里每小时，雷达反射面积(RCS)小于1平方米；所以“低慢小”飞行目标带来了低空安防领域的管控难、侦测难和处置难的问题。

目前在国内的低空安防领域，针对发展无序、无监管滥飞的“低慢小”飞行目标，比较通用的方法是采用探测雷达设备系统或无线电定位设备系统等传感设备系统进行低慢小飞行目标的距离、速度和方位等参数进行扫描。但是由于“低慢小”飞行目标低空飞行、航迹变化快，因此需要在较短的时间内对“低慢小”飞行目标做出判断，而一般的雷达设备只能进行数据扫描，并不对飞行目标的威胁进行识别，需要靠人工进行识别，不利于管理。

名词解释：

模糊综合评价法：作为模糊数学的一种具体应用，原理是确定被评判对象的指标集和评价集，再分别确定各个因素的权重及其隶属度向量，获取模糊评判矩阵，最后把模糊评判矩阵与因素的权向量进行模糊运算并归一化，得到被评价对象集的模糊评价综合结果。

发明内容

为了解决上述技术问题，本发明的目的是提供一种基于模糊综合评价法的飞行目标威胁度识别方法及系统。

本发明所采用的技术方案是：

一种基于模糊综合评价法的飞行目标威胁度识别方法，包括以下步骤：

获取雷达数据，所述雷达数据包括若干个飞行目标的起批数据；

根据起批数据对飞行目标的记录表进行更新处理，以及对起批数据进行规范化处理；

结合规范化处理后的起批数据和模糊综合评价法计算飞行目标对应的威胁度值，获得威胁度识别结果。

进一步，所述起批数据包括目标航向角、目标距离、目标航向速度和雷达反射截面积，所述对起批数据进行规范化处理，包括：

采用隶属度函数对起批数据内的参数进行无量纲化处理，获得目标航向角的隶属值、目标距离的隶属值、目标航向速度的隶属值和雷达反射截面积的隶属值；

所述目标航向角的隶属值、目标距离的隶属值、目标航向速度的隶属值和雷达反射截面积的隶属值约束在0-1之间的无量纲数据内。

进一步，所述结合规范化处理后的起批数据和模糊综合评价法计算飞行目标对应的威胁度值，获得威胁度识别结果，包括：

根据目标航向角的隶属值、目标距离的隶属值、目标航向速度的隶属值和雷达反射截面积的隶属值获得各飞行目标的表征属性向量；

根据n个表征属性向量获得表征属性矩阵，所述n为正整数；

结合表征属性矩阵和预设的模糊综合评价集获取模糊综合评价矩阵；

结合模糊综合评价矩阵和预设的评价指标权重计算飞行目标的威胁度值，获得威胁度识别结果。

进一步，所述目标航向速度的隶属值的计算步骤为：

结合目标航向速度和第一预设公式获取目标航向速度的隶属值；

所述第一预设公式为：

其中，v为目标航向速度，u的值在[0，1]之间。

进一步，所述目标距离的隶属值的计算步骤为：

结合目标距离和第二预设公式获取目标距离的隶属值；

所述第二预设公式为：

其中，r为目标距离，d的值在[0，1]之间。

进一步，所述目标航向角的隶属值的计算步骤为：

结合目标航向角和第三预设公式获取目标航向角的隶属值；

所述第三预设公式为：

其中，θ为目标航向角，α的值在[0，1]之间。

进一步，所述雷达反射截面积的隶属值的计算步骤为：

结合雷达反射截面积和第四预设公式获取雷达反射截面积的隶属值；

所述第四预设公式为：

其中，s为雷达反射截面积，β的值在[0，1]之间。

进一步，所述起批数据包括起批号，所述根据起批数据对飞行目标的记录表进行更新处理，包括：

根据起批号判断记录表中是否存有对应的飞行目标的参数，若存有，根据起批数据更新飞行目标的参数；反之，根据起批数据在记录表中增加飞行目标的参数。

本发明所采用的另一技术方案是：

一种基于模糊综合评价法的飞行目标威胁度识别系统，包括：

数据采集模块，用于获取雷达数据，所述雷达数据包括若干个飞行目标的起批数据；

数据处理模块，用于根据起批数据对飞行目标的记录表进行更新处理，以及对起批数据进行规范化处理；

识别模块，用于结合规范化处理后的起批数据和模糊综合评价法计算飞行目标对应的威胁度值，获得威胁度识别结果。

本发明所采用的另一技术方案是：

一种基于模糊综合评价法的飞行目标威胁度识别系统，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现上所述方法。

本发明的有益效果是：本发明通过从获取雷达数据，对雷达数据进行规范化处理后，再由模糊综合评价法计算各飞行目标对应的威胁度值，输出识别结果，能够有效地辅助管理人员对低空安防区域进行管理。

附图说明

图1是实施例中一种基于模糊综合评价法的飞行目标威胁度识别方法的步骤流程图；

图2是实施例中一种基于模糊综合评价法的飞行目标威胁度识别系统的结构框图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右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发明和简化描述，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发明的限制。

在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。

如图1所示，本实施例提供了一种基于模糊综合评价法的飞行目标威胁度识别方法，用于上位机，包括以下步骤：

S1、获取雷达数据，所述雷达数据包括若干个飞行目标的起批数据。

所述雷达数据为从雷达设备上获取的数据，该雷达数据内包含了若干个被侦察的飞行目标的起批数据；所述起批数据为雷达设备侦察后确定的一个飞行目标的一组侦察参数，表征该飞行目标的基本情况；所述起批数据包括目标航向角、目标距离、目标航向速度、雷达截面积(简称RCS)等值。在本实施例中，所述雷达数据可通过采用UDP/IP方式中断接收探测雷达的侦察结果来获得。所述上位机为一般具有数据处理能力的设备，比如电脑或服务器，在此并不做限定。其中，所述目标航向角为飞行目标飞行航向的方位角；所述目标距离为飞行目标距离警戒区域中心的距离；所述目标航向速度为飞行目标飞行航向的速度；所述RCS(Radar Cross Section)为飞行目标的雷达反射截面积。

S2、根据起批数据对飞行目标的记录表进行更新处理，以及对起批数据进行规范化处理。

接收到起批数据后，进行数据更新操作，具体为：根据起批号判断记录表中是否存有对应的飞行目标的参数，若存有，根据起批数据更新飞行目标的参数；反之，根据起批数据在记录表中增加飞行目标的参数。所述起批号为对一组起批数据设定的一个流水号。

更新完记录表中的数据后，进行数据规范化处理，具体包括以下步骤：

采用隶属度函数对起批数据内的参数进行无量纲化处理，获得目标航向角的隶属值、目标距离的隶属值和目标航向速度的隶属值；

所述目标航向角的隶属值、目标距离的隶属值和目标航向速度的隶属值约束在0-1之间的无量纲数据内。

威胁评估的指标，原始数据有定性也可以有定量的，并且具有不同的量纲和数量级，这对飞行目标的威胁判别产生不利影响，所以在威胁判别前，有必要对作为判别指标的原始参数进行规范化处理，使其值变化范围约束在0～1之间的无量纲数据里。可采用隶属度函数进行数据规范化处理，也可采用其他函数进行数据规范化处理。具体目标航向角、目标距离和目标航向速度的处理如下：

(1)、目标航向速度值判断指标处理，由于飞行目标的飞行速度越快，威胁度越大，采用上升指数对目标航向速度进行处理。具体为：结合目标航向速度和第一预设公式获取目标航向速度的隶属值。所述第一预设公式如下：

其中，v为目标航向速度，单位为m/s，v值越大，目标航向隶属值u值越大；u值在[0,1]之间。

(2)、目标距离值判断指标处理，由于飞行目标离安防区中心越近，威胁度越高，假设安防区分为三个区域，由远到近依次为警戒区、预警区和处置区，警戒区距离设置为5km，则目标距离隶属度值的计算公式为：

其中，r为目标距离，单位为米，r值越小，d值越大，d(r)值在[0，1]之间。

(3)、目标航向角判断指标处理，飞行目标与警戒区中心点的连线为基准，顺时针为正，范围为[-180°，180°]，航向的绝对值越小，威胁度越大。采用标准正态分布函数进行换算。目标航向角的隶属度值的计算公式为：

其中，θ为目标距离，单位为度，θ＝0时，α值等于1，θ的绝对值越大，α值越小，α值在[0，1]之间。

(4)、飞行目标RCS指标处理，RCS(Radar Cross Section，飞行目标的雷达反射截面积)，假设RCS面积越大，可携带的潜在设备(比如摄像机)威胁度越大。雷达反射截面积的隶属值的计算公式为：

其中，s为雷达反射截面积，单位为平方米，β的值在[0，1]之间。

S3、结合规范化处理后的起批数据和模糊综合评价法计算飞行目标对应的威胁度值，获得威胁度识别结果。

其中，步骤S3具体包括步骤S31-S34：

S31、根据目标航向角的隶属值、目标距离的隶属值、目标航向速度的隶属值和雷达反射截面积的隶属值获得各飞行目标的表征属性向量；

S32、根据n个表征属性向量获得表征属性矩阵，所述n为正整数；

S33、结合表征属性矩阵和预设的模糊综合评价集获取模糊综合评价矩阵；

S34、结合模糊综合评价矩阵和预设的评价指标权重计算飞行目标的威胁度值，获得威胁度识别结果。

在4个指标隶属度计算基础上，可以设定一个飞行目标的指标隶属度组成一个飞行目标表征向量B_i，公式如下表示：

B_i＝(u_i d_i α_i β_i)

其中，下标i表示第i个飞行目标。

则n个飞行目标的表征向量的矩阵(即表征属性矩阵)表示为B，公式如下：

获得表征属性矩阵B后，结合模糊综合评价集对表征属性矩阵B进行处理，获取模糊综合评价矩阵R，具体步骤如下。

(1)、确定“低慢小”飞行目标的评判指标集U＝{u₁,u₂,u₃,u_4,}，评判指标数(m)为4个，分别为：飞行目标航向速度(u₁)、飞行目标距离(u₂)、飞行目标航向角(u₃)、飞行目标RCS(u₄)，与上述的4个指标隶属度对应。

(2)、确定模糊综合评判评价集V＝{v₁,v₂,v₃}＝{威胁度高，威胁度中，威胁度低}；同时把定性的判断换算成定量的标准分值，规定威胁度越高，定量指标值越大，如下表1所示：

表1

评语	定量指标
		威胁度高	9
威胁度中	5
		威胁度低	1

(3)、确定模糊综合评价中各个评价指标权重，所述评价指标权重是表示某个评价指标在整个指标体系中的重要程度，指标越重要，其对应的权重越大，反之越小。在本实施例中，采用输入方式输入评价指标权重的值，确定评价指标权重为：A＝{0.3，0.5，0.1，0.1}。

(4)、结合表征属性矩阵B和模糊综合评判评价集V计算模糊综合评价矩阵R，在本实施例中为了加快计算效率，对计算进行了简化处理，直接采用威胁度最高值进行计算，公式如下：

r_ij＝评价指标隶属度值×威胁度最高值

即r_ij＝b_ij×9。

由r_ij获得模糊综合评价矩阵R，R为m×n的矩阵，m指评价指标个数，n指本次计算的飞行目标个数；模糊综合评价矩阵R的形式为如下：

(5)、根据模糊综合评价矩阵R和评价指标权重计算飞行目标对应的威胁度值，飞行目标对应的威胁度值W＝A×R；得到一个行向量值W，其中每个值对应一架低慢小无人飞机的威胁度值，根据威胁度值，系统可以据此判断进行相应的处置流程，比如当威胁度值高于第一阈值时，发出警报信息，及时地通知管理人员对“入侵”的飞行目标进行处理，或者自动地控制无人飞机干扰器进行工作，避免飞行目标进入安全防护区域。

如图2所示，本实施例还提供了一种基于模糊综合评价法的飞行目标威胁度识别系统，包括：

数据采集模块，用于获取雷达数据，所述雷达数据包括若干个飞行目标的起批数据；

数据处理模块，用于根据起批数据对飞行目标的记录表进行更新处理，以及对起批数据进行规范化处理；

识别模块，用于结合规范化处理后的起批数据和模糊综合评价法计算飞行目标对应的威胁度值，获得威胁度识别结果。

本实施例的一种基于模糊综合评价法的飞行目标威胁度识别系统，可执行本发明方法实施例所提供的一种基于模糊综合评价法的飞行目标威胁度识别方法，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。

本实施例还提供了一种基于模糊综合评价法的飞行目标威胁度识别系统，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现上所述方法。

本实施例的一种基于模糊综合评价法的飞行目标威胁度识别系统，可执行本发明方法实施例所提供的一种基于模糊综合评价法的飞行目标威胁度识别方法，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。

可以理解的是，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在所述技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (8)

1.一种基于模糊综合评价法的飞行目标威胁度识别方法，其特征在于，包括以下步骤：

获取雷达数据，所述雷达数据包括若干个飞行目标的起批数据；

根据起批数据对飞行目标的记录表进行更新处理，以及对起批数据进行规范化处理；

结合规范化处理后的起批数据和模糊综合评价法计算飞行目标对应的威胁度值，获得威胁度识别结果；

所述起批数据包括目标航向角、目标距离、目标航向速度和雷达反射截面积，所述对起批数据进行规范化处理，包括：

采用隶属度函数对起批数据内的参数进行无量纲化处理，获得目标航向角的隶属值、目标距离的隶属值、目标航向速度的隶属值和雷达反射截面积的隶属值；

所述目标航向角的隶属值、目标距离的隶属值、目标航向速度的隶属值和雷达反射截面积的隶属值约束在0-1之间的无量纲数据内；

所述目标航向速度的隶属值的计算步骤为：

结合目标航向速度和第一预设公式获取目标航向速度的隶属值；

所述第一预设公式为：

其中，v为目标航向速度，u的值在[0，1]之间。

2.根据权利要求1所述的一种基于模糊综合评价法的飞行目标威胁度识别方法，其特征在于，所述结合规范化处理后的起批数据和模糊综合评价法计算飞行目标对应的威胁度值，获得威胁度识别结果，包括：

根据目标航向角的隶属值、目标距离的隶属值、目标航向速度的隶属值和雷达反射截面积的隶属值获得各飞行目标的表征属性向量；

根据n个表征属性向量获得表征属性矩阵，所述n为正整数；

结合表征属性矩阵和预设的模糊综合评价集获取模糊综合评价矩阵；

结合模糊综合评价矩阵和预设的评价指标权重计算飞行目标的威胁度值，获得威胁度识别结果。

3.根据权利要求1所述的一种基于模糊综合评价法的飞行目标威胁度识别方法，其特征在于，所述目标距离的隶属值的计算步骤为：

结合目标距离和第二预设公式获取目标距离的隶属值；

所述第二预设公式为：

其中，r为目标距离，d的值在[0，1]之间。

4.根据权利要求1所述的一种基于模糊综合评价法的飞行目标威胁度识别方法，其特征在于，所述目标航向角的隶属值的计算步骤为：

结合目标航向角和第三预设公式获取目标航向角的隶属值；

所述第三预设公式为：

其中，θ为目标航向角，α的值在[0，1]之间。

5.根据权利要求1所述的一种基于模糊综合评价法的飞行目标威胁度识别方法，其特征在于，所述雷达反射截面积的隶属值的计算步骤为：

结合雷达反射截面积和第四预设公式获取雷达反射截面积的隶属值；

所述第四预设公式为：

其中，s为雷达反射截面积，β的值在[0，1]之间。

6.根据权利要求1所述的一种基于模糊综合评价法的飞行目标威胁度识别方法，其特征在于，所述起批数据包括起批号，所述根据起批数据对飞行目标的记录表进行更新处理，包括：

根据起批号判断记录表中是否存有对应的飞行目标的参数，若存有，根据起批数据更新飞行目标的参数；反之，根据起批数据在记录表中增加飞行目标的参数。

7.一种基于模糊综合评价法的飞行目标威胁度识别系统，其特征在于，包括：

数据采集模块，用于获取雷达数据，所述雷达数据包括若干个飞行目标的起批数据；

数据处理模块，用于根据起批数据对飞行目标的记录表进行更新处理，以及对起批数据进行规范化处理；

识别模块，用于结合规范化处理后的起批数据和模糊综合评价法计算飞行目标对应的威胁度值，获得威胁度识别结果；

所述起批数据包括目标航向角、目标距离、目标航向速度和雷达反射截面积，所述对起批数据进行规范化处理，包括：

采用隶属度函数对起批数据内的参数进行无量纲化处理，获得目标航向角的隶属值、目标距离的隶属值、目标航向速度的隶属值和雷达反射截面积的隶属值；

所述目标航向角的隶属值、目标距离的隶属值、目标航向速度的隶属值和雷达反射截面积的隶属值约束在0-1之间的无量纲数据内；

所述目标航向速度的隶属值的计算步骤为：

结合目标航向速度和第一预设公式获取目标航向速度的隶属值；

所述第一预设公式为：

其中，v为目标航向速度，u的值在[0，1]之间。

8.一种基于模糊综合评价法的飞行目标威胁度识别系统，其特征在于，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现权利要求1-6任一项所述的一种基于模糊综合评价法的飞行目标威胁度识别方法。

Images