基于SVM-DS融合的干扰效果在线评估方法

发布时间：2021-04-18 16:46

　　当舰载电子对抗系统对敌方反舰导弹末制导雷达实施干扰后,需根据干扰效果调整干扰样式或采取硬抗击行动,因此如何实时且准确地进行干扰效果在线评估对提高舰艇反导防御能力具有重要意义。提出一种基于SVM-DS融合的干扰效果在线评估方法,首先根据在线评估要求提取干扰方能量域行为、频域行为、时域行为以及敌方抗干扰行为4类特征参数,然后对特征参数利用支持向量机（SVM）分类,并将分类结果转化为DS证据的基本信度分配,最后根据DS证据理论的评估分数及判决门限输出在线评估结果。仿真实验表明,SVM-DS融合算法的干扰效果识别准确率达到88.9%,可较好实现干扰效果的在线评估。 

【文章来源】：探测与控制学报. 2020,42(03)北大核心CSCD

【文章页数】：7 页

【部分图文】：

各多特征算法识别准确率比较

式(4)中,f(t)表示干扰效果,H代表严重干扰上限值,L为轻度干扰下限值,t表示干扰时机,ε为干扰效果影响因子,根据具体情况取值,其具体映射关系如图1所示。由图可知干扰时机越早,干扰效果越好,且干扰时机t早于门限值H可以使干扰效果最优,而晚于门限值L则会使干扰几乎无效。因此我方干扰时机可以作为干扰效果在线评估的特征之一。

综上,干扰效果影响因素以及提取的在线评估特征如图2所示。所谓在线评估特征是指特征参数可从我方侦察系统或探测系统直接进行提取,从而保证干扰效果的在线评估。2 SVM-DS多特征融合干扰效果评估算法

【参考文献】：
期刊论文
[1]基于D-S证据理论的反辐射无人机群协同搜索[J]. 韩旭,盛怀洁,陈明建.  探测与控制学报. 2018(01)
[2]认知电子战系统组成及实现途径探究[J]. 周华吉,张春磊.  中国电子科学研究院学报. 2017(05)
[3]基于粒子群优化支持向量机神经网络的弹丸落点预报[J]. 马焱,赵捍东,黄鑫.  探测与控制学报. 2017(02)
[4]基于支持向量机的通信干扰效果在线评估算法[J]. 王伟,杨俊安,崔琳,刘辉.  电子信息对抗技术. 2017(02)
[5]舰载电子对抗干扰效果在线评估方法[J]. 刘松涛,姜宁,刘振兴.  电子信息对抗技术. 2016(04)
[6]电子战在线效能评估中评估素材的时效性[J]. 蔡译锋,甘荣兵,张京瑞.  电子信息对抗技术. 2016(04)
[7]一种基于雷达状态变化的干扰效果在线评估方法[J]. 赵耀东,徐旺.  电子信息对抗技术. 2016(03)
[8]认知电子战概念及关键技术[J]. 贾鑫,朱卫纲,曲卫,陈维高.  装备学院学报. 2015(04)
[9]基于二型模糊神经网络的电子战效能评估[J]. 夏军成,李迪,李超.  舰船电子对抗. 2015(03)
[10]BP神经网络在雷达干扰效果评估中的应用[J]. 徐新华,黄建冲.  雷达科学与技术. 2008(04)

博士论文
[1]支持向量机算法及其在雷达干扰效果评估中的应用研究[D]. 林连雷.哈尔滨工业大学 2009

硕士论文
[1]雷达对抗在线效能评估技术研究[D]. 王博阳.西安电子科技大学 2018



本文编号：3145819