改进AHM-TOPSIS的智能化雷达信息处理性能评估方法

doi:10.3969/j.issn.1009-086x.2023.05.012

摘要/Abstract

摘要：

针对智能化雷达信息处理性能评估需求，从雷达信息处理包含的目标检测、目标识别和剩余杂波抑制3种技术着手，构建了智能化雷达信息处理性能评估指标体系。使用评分标度替代比例标度对属性层次模型进行改进，通过改进后的属性层次模型对指标体系进行赋权。在评估模型中引入灰色关联分析法，使用灰色关联系数替代欧式距离，利用改进的逼近理想解排序法对不同方案的智能化雷达性能进行排序，筛选出最优的智能化雷达技术方案。通过智能化雷达的工作数据验证了该方法的有效性。

关键词: 智能化雷达, 信息处理, 属性层次模型, 逼近理想解排序法, 性能评估

Abstract:

According to the needs of performance evaluation of intelligent radar information processing， the performance evaluation index system of intelligent radar information processing was constructed from three technologies including target detection， target recognition， and residual clutter suppression. The attribute hierarchy model was improved by replacing the proportion scale with the score scale， and the index system was weighted by the improved attribute hierarchy model. In the evaluation model， the grey correlation analysis method was introduced， and the grey correlation coefficient was used to replace the Euclidean distance. The improved technique for order preference by similarity to the ideal solution method was used to rank the performance of different intelligent radar schemes， and the optimal intelligent radar technology scheme was screened out. The effectiveness of this method was verified by the working data of intelligent radars.

Key words: intelligent radar, information processing, attribute hierarchical model, technique for order preference by similarity to ideal solution method, performance evaluation

中图分类号:

TN957

施端阳, 林强, 胡冰, 陈佳君. 改进AHM-TOPSIS的智能化雷达信息处理性能评估方法[J]. 现代防御技术, 2023, 51(5): 93-103.

Duanyang SHI, Qiang LIN, Bing HU, Jiajun CHEN. Performance Evaluation of Intelligent Radar Information Processing Based on Improved AHM-TOPSIS[J]. Modern Defense Technology, 2023, 51(5): 93-103.

图/表 6

图1 传统雷达工作过程示意图

Fig. 1 Working process of conventional radar

图2 智能化雷达工作过程示意图

Fig. 2 Working process of intelligent radar

图3 智能化雷达信息处理性能评估指标体系

Fig. 3 Evaluation index system of intelligent radar information processing performance

表1 比例标度的含义

Table 1 Meaning of proportion scale

比例标度 $K$	重要程度
1	$a i$ 与 $a j$ 有相同的重要性
3	$a i$ 比 $a j$ 稍微重要
5	$a i$ 比 $a j$ 明显重要
7	$a i$ 比 $a j$ 强烈重要
9	$a i$ 比 $a j$ 极度重要
2，4，6，8	介于上述两判断的中间值

表1 比例标度的含义

Table 1 Meaning of proportion scale

比例标度 $K$	重要程度
1	$a i$ 与 $a j$ 有相同的重要性
3	$a i$ 比 $a j$ 稍微重要
5	$a i$ 比 $a j$ 明显重要
7	$a i$ 比 $a j$ 强烈重要
9	$a i$ 比 $a j$ 极度重要
2，4，6，8	介于上述两判断的中间值

表2 智能化雷达信息处理方案

Table 2 Intelligent radar information processing schemes

方案	方案组合情况	适用场景
1	Faster R-CNN+AlexNet+竞争神经网络	初次架设
2	Faster R-CNN+VGGNet+竞争神经网络	初次架设
3	YOLO+AlexNet+竞争神经网络	初次架设
4	YOLO+VGGNet+竞争神经网络	初次架设
5	Faster R-CNN+AlexNet+BP神经网络	固定值班
6	Faster R-CNN+AlexNet+GA-BP神经网络	固定值班
7	Faster R-CNN+AlexNet+LVQ神经网络	固定值班
8	Faster R-CNN+VGGNet+BP神经网络	固定值班
9	Faster R-CNN+VGGNet+GA-BP神经网络	固定值班
10	Faster R-CNN+VGGNet +LVQ神经网络	固定值班
11	YOLO+AlexNet+BP神经网络	固定值班
12	YOLO+AlexNet+GA-BP神经网络	固定值班
13	YOLO+AlexNet+LVQ神经网络	固定值班
14	YOLO+VGGNet+BP神经网络	固定值班
15	YOLO+VGGNet+GA-BP神经网络	固定值班
16	YOLO+VGGNet+LVQ神经网络	固定值班

表3 智能化雷达信息处理性能评估指标值

Table 3 Evaluation index value of intelligent radar information processing performance

方案	C₁₁	C₁₂	C₁₃	C₁₄	C₂₁	C₂₂	C₂₃	C₃₁	C₃₂	C₃₃	C₃₄	C₃₅
1	87.14	6.19	1 524	0.67	91.67	100	1.534 8	89.52	84.44	20.64	14 650	0.145 5
2	87.14	6.19	1 524	0.67	79.17	797	2.225 4	89.52	84.44	20.64	14 650	0.145 5
3	96.67	5.24	3 630	0.15	91.67	100	1.534 8	89.52	84.44	20.64	14 650	0.145 5
4	96.67	5.24	3 630	0.15	79.17	797	2.225 4	89.52	84.44	20.64	14 650	0.145 5
5	87.14	6.19	1 524	0.67	91.67	100	1.534 8	82.37	83.47	15.43	4	0.116 7
6	87.14	6.19	1 524	0.67	91.67	100	1.534 8	81.97	83.07	15.83	7.75	0.123 5
7	87.14	6.19	1 524	0.67	91.67	100	1.534 8	81.07	82.72	15.63	20 910	0.162 9
8	87.14	6.19	1 524	0.67	79.17	797	2.225 4	82.37	83.47	15.43	4	0.116 7
9	87.14	6.19	1 524	0.67	79.17	797	2.225 4	81.97	83.07	15.83	7.75	0.123 5
10	87.14	6.19	1 524	0.67	79.17	797	2.225 4	81.07	82.72	15.63	20 910	0.162 9
11	96.67	5.24	3 630	0.15	91.67	100	1.534 8	82.37	83.47	15.43	4	0.116 7
12	96.67	5.24	3 630	0.15	91.67	100	1.534 8	81.97	83.07	15.83	7.75	0.123 5
13	96.67	5.24	3 630	0.15	91.67	100	1.534 8	81.07	82.72	15.63	20 910	0.162 9
14	96.67	5.24	3 630	0.15	79.17	797	2.225 4	82.37	83.47	15.43	4	0.116 7
15	96.67	5.24	3 630	0.15	79.17	797	2.225 4	81.97	83.07	15.83	7.75	0.123 5
16	96.67	5.24	3 630	0.15	79.17	797	2.225 4	81.07	82.72	15.63	20 910	0.162 9

参考文献 23

1	周峰，陈春晖，沈齐，等. 智能雷达的内涵与外延辨析［J］. 现代雷达， 2019， 41（10）： 8-13.
	ZHOU Feng， CHEN Chunhui， SHEN Qi， et al. Analysis of the Connotation and Denotation of Intelligent Radar［J］. Modern Radar， 2019， 41（10）： 8-13.
2	吴亿锋，程宇峰，邓晓波，等. 人工智能驱动下的雷达发展思考［J］. 现代雷达， 2019， 41（10）： 19-23.
	WU Yifeng， CHENG Yufeng， DENG Xiaobo， et al. Development of Radar System with Artificial Intelligence［J］. Modern Radar， 2019， 41（10）： 19-23.
3	母政，王昀. 智能化雷达关键技术的发展［J］. 中国新通信， 2021， 23（15）： 96-98.
	MU Zheng， WANG Yun. Development of Key Technologies in Intelligent Radar［J］. China New Telecommunications， 2021， 23（15）： 96-98.
4	彭志刚，李宝鹏，李大龙，等. 一种雷达智能抗干扰评估仿真系统［J］. 雷达科学与技术， 2021， 19（3）： 258-264， 270.
	PENG Zhigang， LI Baopeng， LI Dalong， et al. A Simulation System for Radar Intelligent Anti-jamming Evaluation［J］. Radar Science and Technology， 2021， 19（3）： 258-264， 270.
5	丁鹭飞，耿富录，陈建春. 雷达原理［M］. 4版. 北京：电子工业出版社， 2012： 5-7.
	DING Lufei， GENG Fulu， CHEN Jianchun. Principles of Radar［M］. 4th ed. Beijing： Publishing House of Electronics Industry， 2012： 5-7.
6	王鹏，邵流河，徐安舒，等. 一种基于国产处理器的软件化雷达信息处理系统的研究［J］. 电子测试， 2022， 36（4）： 68-69， 51.
	WANG Peng， SHAO Liuhe， XU Anshu， et al. Research on Software Radar Information Processing System Based on Domestic Processor［J］. Electronic Test， 2022， 36（4）： 68-69， 51.
7	郭玉霞，刘功斌，崔炳喆，等. 空空导弹雷达导引头信息处理智能化思考［J］. 航空兵器， 2020， 27（5）： 23-27.
	GUO Yuxia， LIU Gongbin， CUI Bingzhe， et al. Intelligentization of the Radar Guiding Technology of Air-to-Air Missile［J］. Aero Weaponry， 2020， 27（5）： 23-27.
8	YAN He， CHEN Chao， JIN Guodong， et al. Implementation of a Modified Faster R-CNN for Target Detection Technology of Coastal Defense Radar［J］. Remote Sensing， 2021， 13（9）： 1703.
9	HU Jurong， WU Tong， LU Long， et al. A Radar Target Detection Method Based on RBF Neural Network［C］∥Wireless and Satellite Systems. Cham： Springer International Publishing， 2022： 762-769.
10	SADLI R， TATKEU C， HAMIDOUN K， et al. UWB Radar Recognition System Based on HOS and SVMs［J］. IET Radar， Sonar & Navigation， 2018， 12（10）： 1137-1145.
11	张鹏辉，刘志，郑建勇，等. 面向嵌入式系统的复杂场景红外目标实时检测算法［J］. 光子学报， 2022， 51（2）： 195-204.
	ZHANG Penghui， LIU Zhi， ZHENG Jianyong， et al. Real-Time Infrared Target Detection Algorithm for Embedded System in Complex Scene［J］. Acta Photonica Sinica， 2022， 51（2）： 195-204.
12	林坚鑫，沈学勇，楼奇哲，等. 基于AdaBoost的雷达剩余杂波抑制方法［J］. 电光与控制， 2020， 27（6）： 53-57.
	LIN Jianxin， SHEN Xueyong， LOU Qizhe， et al. An AdaBoost Based Method for Suppression of Radar Residual Clutter［J］. Electronics Optics & Control， 2020， 27（6）： 53-57.
13	孟冰冰，宋佳伟，陈慧娟，等. 基于属性层次模型的神经外科手术预防性应用抗菌药物合理性评价［J］. 中国医院药学杂志， 2022， 42（4）： 435-438.
	MENG Bingbing， SONG Jiawei， CHEN Huijuan， et al. Evaluation on Rationality of Preventive Application of Antibioticsin Neurosurgery Based on Attribute Hierarchical Model［J］. Chinese Journal of Hospital Pharmacy， 2022， 42（4）： 435-438.
14	KIM H K， MOON J S， AN J W， et al. Development of Performance Evaluation Model for Road and Railway Tunnels in Use［J］. Geomechanics and Engineering， 2022， 29（3）： 369-376.
15	施端阳，胡冰，刘一鸣，等. 改进AHM-RS雷达装备保障性评估指标赋权方法［J］. 火力与指挥控制， 2020， 45（6）： 170-176.
	SHI Duanyang， HU Bing， LIU Yiming， et al. An Improved Weighting Method of AHM-RS Radar Equipment Supportability Evaluation Index［J］. Fire Control & Command Control， 2020， 45（6）： 170-176.
16	高婵，张朝元. 基于属性层次模型（AHM）的云南地震灾害评估［J］. 洛阳师范学院学报， 2016， 35（2）： 3-8.
	GAO Chan， ZHANG Chaoyuan. The Assessment of Disaster Caused by the Yunnan Earthquake Based on Attribute Hierarchy Model［J］. Journal of Luoyang Normal University， 2016， 35（2）： 3-8.
17	程杨，胡冰，董宇辉，等. 运用AHM-CRITIC的雷达装备保障性评估指标综合赋权法［J］. 空军预警学院学报， 2018， 32（3）： 162-166.
	CHENG Yang， HU Bing， DONG Yuhui， et al. Synthetic Weighting Method of Radar Equipment Supportability Evaluation Indexes by Using AHM-CRITIC［J］. Journal of Air Force Early Warning Academy， 2018， 32（3）： 162-166.
18	ZHONG Fangyuan， DENG Yuqian. Audit Risk Evaluation Method Based on TOPSIS and Choquet Fuzzy Integral［J］. American Journal of Industrial and Business Management， 2020， 10（4）： 815-823.
19	GUPTA S， NAIR S. Evaluation of Bid in Construction Industry Based on Multi-criteria Approach Using TOPSIS［C］∥Recent Advancements in Civil Engineering. Singapore： Springer Singapore， 2022： 139-151.
20	CHAMODRAKAS I， LEFTHERIOTIS I， MARTAKOS D. In-Depth Analysis and Simulation Study of an Innovative Fuzzy Approach for Ranking Alternatives in Multiple Attribute Decision Making Problems Based on TOPSIS［J］. Applied Soft Computing， 2011， 11（1）： 900-907.
21	施端阳，林强，胡冰，等. 基于改进BP神经网络的雷达剩余杂波抑制方法［J］. 兵器装备工程学报， 2021， 42（10）： 79-85.
	SHI Duanyang， LIN Qiang， HU Bing， et al. Radar Residual Clutter Suppression Method Based on Improved BP Neural Network［J］. Journal of Ordnance Equipment Engineering， 2021， 42（10）： 79-85.
22	施端阳，林强，胡冰，等. 基于竞争神经网络的雷达杂波抑制方法［J］. 海军工程大学学报， 2022， 34（1）： 67-74.
	SHI Duanyang， LIN Qiang， HU Bing， et al. Radar Clutter Suppression Method Based on Competitive Neural Network［J］. Journal of Naval University of Engineering， 2022， 34（1）： 67-74.
23	施端阳，林强，胡冰，等. 遗传算法优化神经网络的雷达杂波抑制方法［J］. 现代防御技术， 2021， 49（6）： 74-83.
	SHI Duanyang， LIN Qiang， HU Bing， et al. Radar Clutter Suppression Method Based on Neural Network Optimized by Genetic Algorithm［J］. Modern Defence Technology， 2021， 49（6）： 74-83.

[1]	董胜波, 苏琪雅, 于沐尧, 赵青. 协同探测与导引技术发展探讨[J]. 现代防御技术, 2023, 51(3): 75-82.
[2]	胡文华, 朱常安, 薛东方, 赵喜, 杨瑞. 雷达状态监测与性能综合评估系统的设计与实现[J]. 现代防御技术, 2023, 51(2): 133-140.
[3]	雷瑶, 赵建印, 白玉. 等级模糊条件下的导弹装备质量状态评估方法[J]. 现代防御技术, 2022, 50(6): 110-116.
[4]	姚保寅, 毛磊, 肖柯, 曲徽. 人工智能技术在光学对地观测领域应用探讨[J]. 现代防御技术, 2021, 49(5): 26-31.
[5]	程杨, 胡冰, 董伟. SPA-AHM的雷达装备保障性评估[J]. 现代防御技术, 2018, 46(6): 115-121.