基于空中飞行目标雷达数据的威胁度评估方法

技术特征：
1.一种基于空中飞行目标雷达数据的威胁度评估方法，其特征在于，包括以下步骤：步骤1：通过雷达获取空中飞行目标的各项数据并进行预处理，得到包括高度、速度、飞行角度、径向距离的可直接量化因子和包括瞬时爬升率、瞬时加速度、飞行动作、目标类型的定型化因子；步骤2：根据瞬时加速度，瞬时爬升率，战术机动，飞行方向、目标类型五个威胁因子构建贝叶斯网络，并引入威胁度、作战能力、目标意图、目标机动性作为参数，建立基于威胁度评估的贝叶斯网络模型；步骤3：对威胁度、作战能力、目标意图、目标类型、目标机动性、瞬时加速度、瞬时爬升率、战术机动、航向角分别用变量th、ca、ai、tt、tm、ma、mr、fm、fa表示，得到贝叶斯网络中的联合概率表达式，消元后求取目标机动性、目标意图、作战能力以及威胁度的最大后验概率，将求解得到不同威胁度状态的后验概率值带入求得定性因子威胁度th
bayes
：th
bayes
＝p(w＝higher)
×
0.9 p(w＝high)
×
0.7 p(w＝middle)
×
0.5 p(w＝low)
×
0.3 p(w＝lower)
×
0.1；步骤4：对飞行目标的飞行高度、速度、径向距离、航向角四个维度进行量化，得到了飞机高度，速度，径向距离、航向角的量化值和隶属度函数，其中飞行速度的威胁度th
v
、飞行高度的威胁度th
h
、径向距离的威胁度th
d
、飞行角度的威胁度th
a
；步骤5：采用层次分析法计算飞行速度的威胁度th
v
、飞行高度的威胁度th
h
、径向距离的威胁度th
d
、飞行角度的威胁度th
a
以及定性因子威胁度th
bayes
的相对权重并进行一致性检验，若通过一致性检验，最终最大特征值对应的特征向量即为各威胁因子的主观权重ω
sub
：ω
sub
＝(ω1,ω2,
…
,ω
n
)
t
；步骤6：采用熵权法根据各个目标的每个威胁因子构建属性矩阵，归一化处理后计算目标属性的熵值，最终确定目标各威胁因子各自的客观权重向量ω
obj
：ω
obj
＝(ω1,ω2,
…
,ω
n
)；步骤7：对主观权重ω
sub
＝(ω1,ω2,
…
,ω
n
)
t
和客观权重ω
obj
＝(ω1,ω2,
…
,ω
n
)使用线性加权组合的方式，求得最终的综合威胁度因子ω
comp
的权重：步骤8：通过对飞行速度的威胁度th
v
，飞行高度的威胁度th
h
，径向距离的威胁度th
d
，飞行角度的威胁度th
a
以及定性威胁因子威胁度th
bayes
的加权得到最终的综合威胁度th
comp
：th
comp
＝ω
comp
×
[th
v
，th
h
，th
d
，th
a
，th
bayes
]
t
。2.根据权利要求1所述的基于空中飞行目标雷达数据的威胁度评估方法，其特征在于，所述步骤3具体包括：步骤31：对威胁度、作战能力、目标意图、目标类型、目标机动性、瞬时加速度、瞬时爬升率、战术机动、航向角分别用变量th、ca、ai、tt、tm、ma、mr、fm、fa表示，则贝叶斯网络的联合概率表达式为：p(th,ca,ai,tt,tm,ma,mr,fm,fa)＝p(th)p(ca|th)p(tt|ca,ai)p(ai|th)p(tm|ca,tt)p(ma|tm)p(mr|tm)p(fm|ai)p(fa|ai)；步骤32：将步骤31中所述联合概率公式转换为因子的形式进行表示，转换后的公式为：
p(th,ca,ai,tt,tm,ma,mr,fm,fa)＝φ
th
(th)φ
ca
(ca,th)φ
tt
(tt,ca,ai)φ
ai
(ai,th)φ
tm
(tm,ca,tt)φ
ma
(ma,tm)φ
mr
(mr,tm)φ
fm
(fm,ai)φ
fa
(fa,ai)然后对转换后的公式进行消元；步骤33：步骤32中每一步消元的因子ψ
i
作为聚类图的一个节点，生成的新因子τ
i
作为两节点之间的边，得到聚类图，对所述聚类图进行简化，得到团树；步骤34：对所述团树的各个节点的势函数进行初始化，选取根节点并依次计算相邻节点之间的信息；步骤35：选取与步骤34中不同的节点作为根节点，依次计算各相邻节点的信息；步骤36：求取目标机动性、目标意图、作战能力以及威胁度的最大后验概率；步骤37：根据步骤36中求得的最大后验概率作为当前时间段的威胁度节点的后验概率，根据威胁度节点的状态转移概率表得到下一阶段的先验概率值，最终求出不同时间段的威胁度节点的后验概率，将求解得到不同威胁度状态的后验概率值带入求得到定性因子威胁度th
bayes
：th
bayes
＝p(w＝higher)
×
0.9 p(w＝high)
×
0.7 p(w＝middle)
×
0.5 p(w＝low)
×
0.3 p(w＝lower)
×
0.1。3.根据权利要求2所述的基于空中飞行目标雷达数据的威胁度评估方法，其特征在于：步骤32进行消元具体为采用最大势搜索的方法来确定变量消元顺序。4.根据权利要求3所述的基于空中飞行目标雷达数据的威胁度评估方法，其特征在于，步骤32中进行消元具体包括：步骤321：根据步骤2构建的贝叶斯网络构造一个贝叶斯网络转换后的结构图；步骤322：根据步骤321中贝叶斯网络转换后的结构图按照最大势搜索的方法确定消元顺序。5.根据权利要求2所述的基于空中飞行目标雷达数据的威胁度评估方法，其特征在于，步骤34具体包括：步骤341：将贝叶斯网络中的概率函数分配到步骤33中所述图树中的各个节点，并使用公式ψ
j
(c
j
)＝∏
φ.α(φ)＝j
φ加以储存；步骤342：选取涉及因子ψ4所在的团树节点c4为根节点，使用公式依次计算相邻节点之间的信息。6.根据权利要求1所述的基于空中飞行目标雷达数据的威胁度评估方法，其特征在于：步骤4中，所述飞行速度的威胁度th
v
表示为：th
v
＝r(v)＝1-e-0.005|v|
其中速度的单位为m/s，当速度为0时，对应的威胁度的值为0。7.根据权利要求1所述的基于空中飞行目标雷达数据的威胁度评估方法，其特征在于：步骤4中，所述飞行高度的威胁度th
h
表示为：其中高度h的单位为km。
8.根据权利要求1所述的基于空中飞行目标雷达数据的威胁度评估方法，其特征在于：步骤4中，所述径向距离的威胁度th
d
表示为：9.根据权利要求1所述的基于空中飞行目标雷达数据的威胁度评估方法，其特征在于：步骤4中，所述飞行角度的威胁度th
a
表示为：10.根据权利要求1所述的基于空中飞行目标雷达数据的威胁度评估方法，其特征在于，所述步骤5具体包括：步骤51：对飞行速度的威胁度th
v
、飞行高度的威胁度th
h
、径向距离的威胁度th
d
、飞行角度的威胁度th
a
以及贝叶斯网络推理求出的定性因子威胁度th
bayes
依据指标体系建立层次分析模型图；步骤52：根据矩阵理论，求解aω＝λ
max
ω，获得特征向量ω和最大特征值λ
max
；步骤53：进行一致性检验：3：进行一致性检验：步骤54：若cr<0.1，则通过一致性检验,最终最大特征值对应的特征向量即为各威胁因子的主观权重：ω
sub
＝(ω1,ω2,
…
,ω
n
)
t
。

技术总结
本发明提供了一种基于空中飞行目标雷达数据的威胁度评估方法，首先对空中飞行目标的数据预处理；然后根据威胁因子构建贝叶斯网络模型；对得到贝叶斯网络中的联合概率表达式求解得到定性因子威胁度；再多维度进行量化，得到了量化值和隶属度函数；采用层次分析法计算主观权重并采用熵权法计算客观权重向量，最后用线性加权组合的方式求得最终的综合威胁度因子的权重，加权得到最终的综合威胁度。本发明对飞行目标的数据使用了定性分析与定量分析、主观赋权与客观赋权相结合的方法，结合隶属度函数和贝叶斯网络推理求解威胁度值，解决了现有评估方法中威胁因子选取不够全面导致威胁度评估可信度较低且节点过多致使贝叶斯网络的结构复杂的问题。网络的结构复杂的问题。网络的结构复杂的问题。


技术研发人员：王钧 孙知信 孙哲 赵学健 胡冰 宫婧 汪胡青
受保护的技术使用者：南京邮电大学
技术研发日：2022.02.15
技术公布日：2022/6/1