基于CRITIC-TOPSIS的动态辐射源威胁评估

为解决传统辐射源威胁评估方法与空战动态态势联系不紧密的问题,提高评估准确度,提出泊松分布逆形式与逼近理想解排序（TOPSIS）方法相结合的算法,并引入指标相关性的权重确定（CRITIC）方法分配属性权重,构建基于CRITIC-TOPSIS的动态辐射源威胁评估模型。针对传统方法仅依靠当前侦收数据,未体现空战态势动态变化的不足,采用泊松分布逆形式融合多个时刻的辐射源数据信息,实现动态评估;针对传统TOPSIS方法依赖主观赋值的问题,CRITIC方法综合考虑单个指标内部和多个指标之间的关联性,能完整描述属性信息并客观分配属性权重。仿真结果表明,相较于传统静态评估模型,所提模型对于威胁度不同的辐射源区分度更大,评估准确性和可靠性更高。      

基于改进GRA-TOPSIS的空战威胁评估

针对在确定空战威胁评估指标权重时，未考虑指标间的耦合性以及客观赋权法不能从逻辑视角体现指标相对评价对象真正的重要程度的问题，提出了一种基于灰色关联度、灰色关联深度的极大熵模型初步确定权值，再根据指标间灰色关联度以及确定的解耦阈值修正权值的方法。为了克服灰色关联分析法（GRA）和理想点接近法（TOPSIS）的缺点，提出了一种基于GRA-TOPSIS的目标威胁评估方法。首先，通过实例对比分析了指标采用数学模型与模糊处理后，对目标威胁评估结果的影响；其次，对比分析了采用GRA、TOPSIS以及GRA-TOPSIS、数学模型得出的目标威胁评估结果；最后，考虑不同决策者的主观偏好，得出不同的目标威胁评估结果。通过仿真验证了所提方法的有效性以及科学性。      

基于IFA-HFS的雷达波形域LPI性能评估方法

针对雷达波形域低截获（LPI）性能评估的问题，提出一种应用改进萤火虫算法（IFA）求解指标权重的犹豫模糊集（HFS）评估方法。首先，介绍基于逼近理想解排序（TOPSIS）的犹豫模糊集理论，并从属性和方案2个角度构建指标权重的优化模型；其次，通过引入混沌理论，解决了萤火虫算法容易陷入局部最优的问题，给出用IFA求解指标权重的流程；再次，从雷达发射方角度，提取脉内、脉间5个波形域LPI性能评估指标；最后，得到利用IFA求解指标权重的犹豫模糊集评估方法。选取4种不同类型的雷达进行仿真对比，获得波形域LPI性能排序，验证了方法的快速性和有效性。      

基于RS-CRITIC的空战目标威胁评估

针对不确定信息下的空战目标威胁评估问题,提出了一种基于粗糙集（RS）理论和指标重要性相关（CRITIC）法的目标威胁评估模型。首先,通过CRITIC法确定准确信息下的目标威胁值,利用数据挖掘（MD）启发式算法求解最佳分割集合,将目标威胁值离散化处理后替代粗糙集决策信息系统中的决策属性。其次,基于构建的完备粗糙集决策信息系统,通过决策矩阵实现属性约简和目标威胁评估最小决策规则提取。最后,将规则应用于不确定信息下的目标威胁评估。仿真结果表明:所提模型能够实现信息缺失下的目标威胁评估,减少了主观因素和先验知识的影响,扩展了粗糙集理论应用范围。      

多粒度概率语言环境下基于PROMETHEE的改进FMEA方法

针对传统故障模式和影响分析（FMEA）方法中存在关于故障模式评估、风险因子权重和风险优先级排序等方面的固有缺陷,提出了一种多粒度概率语言环境下基于偏好顺序结构评估法（PROMETHEE）的改进FMEA方法。该方法运用多粒度概率语言术语集（PLTS）刻画了专家评估信息的多样性和不确定性,并基于二元语义转换函数为引入工具的语言计算模型统一各专家多粒度风险评估信息,运用最优最劣法（BWM）和熵权法相结合的综合赋权法确定风险因子权重,将PROMETHEE拓展到概率语言环境中用于确定故障模式风险优先序。最后,运用托盘交换架故障风险评估案例来验证该方法的适用性和有效性,并进一步通过敏感度与对比分析以显示该方法的优越性。      

基于粗糙集-信息熵的辐射源威胁评估方法

为满足复杂电磁环境下战机对辐射源威胁等级判定算法的需求,将粗糙集理论引入对雷达辐射源威胁评估中,并结合信息熵理论构建一套完备的计算威胁度量值的数据处理模型,实现对辐射源威胁程度的定量表示,直观地评估辐射源的威胁程度。经典粗糙集理论难以应对在没有决策信息条件下的决策问题,采用信息熵的方法求取最大权重属性替代决策属性,拓展粗糙集的适用范围。模型直接基于数据驱动得到辐射源的威胁度量值,易于实现并具备良好的时效性,减少系统对先验信息的要求与主观赋值带来的影响。仿真结果表明,该方法可以快速、准确地实现对辐射源威胁的评估。      

基于G1-变异系数-KL改进TOPSIS雷达对抗干扰有效性评估

干扰效能评估作为多属性决策问题时，为解决传统的逼近理想解排序法（TOPSIS）在进行雷达对抗效能评估时过于客观而不能充分体现评估者意志，并且在使用过程中仅考虑指标间欧氏距离导致某些处于正负理想解中垂线上的点无法分辨的问题，提出一种G1-变异系数-KL改进TOPSIS雷达对抗干扰有效性评估算法。该算法利用G1法和变异系数法分别求得主观和客观权重，并引入差异系数的概念充分反映主客观程度，利用相对熵解决位于正负理想解中垂线上的点无法排序的问题。通过仿真实验可以发现，提出的算法在评价干扰有效性时性能优于传统算法。      

一种参数区间交叉类型的目标识别方法

针对参数区间为交叉类型的目标识别问题,提出了基于直觉模糊集和云模型的逼近理想点（TOPSIS）识别方法。构建了包含个体类和交叉类的目标数据库模型,根据云模型的多步估计算法,得到未知目标相对已知目标类的确定度,提出了确定度向隶属度和非隶属度的转化方法,基于直觉模糊熵计算特征属性的动态权重,形成了去模糊距离测度的TOPSIS识别方法,应用于辐射源信号识别。仿真结果表明,所提方法对参数区间交叉类型的目标正确识别率较高,具有一定的实际应用价值。      

基于回归型支持向量机的空战目标威胁评估

空战目标威胁评估是协同多目标攻击中的关键问题.针对传统空战目标威胁评估方法在确定权重系数方面的不足,提出了一种新的基于回归型支持向量机的评估方法.在分析了现有的空战目标威胁评估方法中距离威胁模型存在缺陷的基础上,提出了改进的距离威胁模型.建立了基于回归型支持向量机的空战目标威胁评估模型,利用该模型对想定的空战目标进行了威胁评估.仿真结果表明,该方法具有很好的预测能力,可以快速、准确地完成空战目标威胁评估.