基于云模型的跳頻無(wú)線通信設(shè)備抗干擾能力評(píng)估方法*

肖晨飛，陳建忠，牛英滔

(1.解放軍理工大學(xué) 通信工程學(xué)院，南京210007;2.南京電訊技術(shù)研究所，南京210007)

1 引 言

隨著無(wú)線通信技術(shù)的快速發(fā)展和無(wú)線通信設(shè)備的廣泛應(yīng)用，無(wú)線通信設(shè)備面臨的電磁環(huán)境日趨復(fù)雜、惡劣，這對(duì)無(wú)線通信設(shè)備的抗干擾能力提出了越來(lái)越高的要求，而跳頻通信設(shè)備是一類重要的抗干擾通信設(shè)備。因此，科學(xué)地評(píng)估跳頻通信設(shè)備的抗干擾能力，對(duì)跳頻通信設(shè)備的使用和設(shè)計(jì)研發(fā)具有重要意義。

當(dāng)前，在評(píng)估對(duì)象方面，各種通信新技術(shù)的不斷應(yīng)用，使得影響跳頻通信設(shè)備抗干擾能力的指標(biāo)不斷增多，而以往的評(píng)估模型很少考慮各種指標(biāo)的特殊性，如各指標(biāo)類型及指標(biāo)值和抗干擾能力的變化特性等，因此對(duì)評(píng)估指標(biāo)的處理方法較為單一，其局限性日益凸顯，如文獻(xiàn)［1－2］對(duì)抗干擾指標(biāo)做了“成本型”和“效益型”的區(qū)分，但在指標(biāo)處理方法上只用了簡(jiǎn)單的線性去量綱法;文獻(xiàn)［3］運(yùn)用了灰關(guān)聯(lián)評(píng)估法，根據(jù)指標(biāo)值與理想值的關(guān)聯(lián)程度評(píng)估跳頻通信系統(tǒng)的好壞，但指標(biāo)關(guān)聯(lián)度的計(jì)算方法也只采用了線性法;文獻(xiàn)［4］采用了基于模糊數(shù)學(xué)的模糊層次法評(píng)估雷達(dá)抗干擾性能，但并未研究各指標(biāo)的特征，僅設(shè)計(jì)了一種模糊化處理方法。在評(píng)估方法方面，已有的在處理評(píng)估中的主觀成分和模糊信息方面不夠合理，導(dǎo)致評(píng)估結(jié)果的可信度不高，如文獻(xiàn)［5］采取專家打分法處理抗干擾能力的定性指標(biāo)，文獻(xiàn)［6］采用模糊評(píng)估法對(duì)影響抗干擾能力的各指標(biāo)的優(yōu)劣進(jìn)行評(píng)分，但兩種方法均未研究處理結(jié)果的模糊性與可信性;文獻(xiàn)［7－8］采用AHP 法對(duì)通信裝備指標(biāo)進(jìn)行純主觀賦權(quán)，但沒(méi)有對(duì)這種主觀法得出的結(jié)果進(jìn)行可信性進(jìn)行討論。因此，分析各個(gè)指標(biāo)的特殊性，并從給出和提高評(píng)估置信度的角度出發(fā)，設(shè)計(jì)全面、客觀和合理的評(píng)估方法將是通信抗干擾能力評(píng)估研究的重點(diǎn)。

本文針對(duì)以上問(wèn)題，提出了一種評(píng)估跳頻通信設(shè)備抗干擾能力的新方法。該方法首先運(yùn)用了層次分析法(AHP)［9］，構(gòu)造了評(píng)估跳頻通信設(shè)備抗干擾能力的指標(biāo)體系;其次，通過(guò)確定各指標(biāo)的類型，分析指標(biāo)值變化對(duì)抗干擾性能的影響趨勢(shì)，設(shè)計(jì)不同的量化方法處理原始指標(biāo)值;再次，運(yùn)用云模型挖掘指標(biāo)處理過(guò)程中的模糊信息，分析權(quán)重設(shè)置的可信度，并以此作為評(píng)估結(jié)果置信度的計(jì)算依據(jù);最后，計(jì)算評(píng)估結(jié)果，并提出置信度的算法，求出評(píng)估結(jié)果的置信度。該方法不僅給出了評(píng)估和置信度的計(jì)算結(jié)果，還分析了評(píng)估置信度的影響因素，為研究如何提高置信度提供了方向。

2 跳頻通信抗干擾能力指標(biāo)體系建立

建立客觀、合理的評(píng)估指標(biāo)體系是實(shí)現(xiàn)科學(xué)評(píng)估的基礎(chǔ)。本節(jié)基于層次分析法(AHP)，遵循目的性、全面性、客觀性、層次性等原則［13］，并結(jié)合文獻(xiàn)［10－14］所述的先驗(yàn)知識(shí)與技術(shù)，構(gòu)造如圖1所示的跳頻通信設(shè)備抗干擾能力的評(píng)估指標(biāo)體系。

圖1 跳頻通信設(shè)備抗干擾能力指標(biāo)體系Fig.1 Anti－jamming capability index system of frequency hopping communication equipment

下面對(duì)指標(biāo)體系進(jìn)行分析。

(1)抗跟蹤干擾

跟蹤干擾是指干擾信號(hào)能跟蹤跳頻信號(hào)頻率跳變的一種干擾方式［10］。從通信方來(lái)說(shuō)，若要增強(qiáng)抗跟蹤干擾能力，提升跳頻圖案性能(抗破譯性［12］)和適當(dāng)提高跳速是重要的途徑，而跳頻圖案性能則可通過(guò)跳頻周期和碼序列隨機(jī)性來(lái)反映;另外，增加可用頻率數(shù)、備用頻率表數(shù)也有助于抗跟蹤干擾的提升。因此，與抗跟蹤干擾能力有關(guān)的指標(biāo)主要包括可用頻率數(shù)、備用頻率表數(shù)、跳頻速率和跳頻圖案性能等。

(2)抗阻塞干擾

阻塞干擾是指同時(shí)覆蓋全部或部分通信頻率的一種干擾方式［10］。頻率自適應(yīng)技術(shù)可實(shí)時(shí)刪除頻率表中被干擾的頻率，從而保證信號(hào)在無(wú)干擾或干擾小的信道上通信;若跳頻通信另有備用頻率表，在當(dāng)前頻率表中頻率全被干擾時(shí)，則可使信號(hào)在新頻率表中的頻點(diǎn)上通信;另外，功率自適應(yīng)技術(shù)可實(shí)時(shí)調(diào)整信號(hào)發(fā)射功率，從功率對(duì)抗角度來(lái)看，該技術(shù)增強(qiáng)了抗阻塞干擾的能力。因此，可選取“可用頻率數(shù)”、“頻率自適應(yīng)能力”、“備用頻率表數(shù)”和“功率自適應(yīng)能力”作為該項(xiàng)能力的評(píng)價(jià)指標(biāo)。

(3)抗多徑干擾

多徑干擾是由同一信源信號(hào)經(jīng)過(guò)不同路徑或多次反射、散射后，到達(dá)同一接收點(diǎn)引起的相互干擾［10］。通過(guò)提高跳速，縮短駐留時(shí)間，可避免多徑信號(hào)落入本跳駐留內(nèi)，從而防止多徑信號(hào)的干擾。因此，可將“跳頻速率”選作抗多徑干擾能力的影響指標(biāo)。

(4)抗寬帶噪聲干擾

該干擾由外界噪聲引起，屬無(wú)意干擾。通過(guò)提升信號(hào)功率，可達(dá)到提高通信質(zhì)量的目的。因此，可通過(guò)“功率自適應(yīng)能力”、“天線增益”等指標(biāo)來(lái)反映該能力的強(qiáng)弱。

除此之外，低信息速率傳輸(多徑干擾除外)、先進(jìn)的信道編碼方式、低階的調(diào)制方式等也有助于提升抗干擾能力。因此，“最低信息速率”、“信道編碼增益”及“調(diào)制方式”也可作為抗多種干擾能力的影響指標(biāo)。

3 通信抗干擾指標(biāo)的量化與置信度的計(jì)算

指標(biāo)的處理是評(píng)估工作中非常重要的一步，它的合理與否關(guān)系著整個(gè)評(píng)估工作的置信度高低。因此，對(duì)不同指標(biāo)的處理一定要具體問(wèn)題具體分析，盡可能設(shè)計(jì)出適合各指標(biāo)的處理方法。對(duì)于定量指標(biāo)來(lái)說(shuō)，常用的線性去量綱方法雖然操作簡(jiǎn)單，但也有不足之處［15］:處理方法過(guò)于籠統(tǒng)，即假定各指標(biāo)值和系統(tǒng)相關(guān)性能的變化特性均是等比例的，故僅采用線性量化方法對(duì)指標(biāo)進(jìn)行量化。因此，本節(jié)針對(duì)以上不足，根據(jù)各指標(biāo)的類型及對(duì)相關(guān)能力的影響趨勢(shì)，采用不同的量化方法來(lái)對(duì)不同的指標(biāo)進(jìn)行量化，既體現(xiàn)了指標(biāo)自身特性，也增加了指標(biāo)處理的客觀性和科學(xué)性。對(duì)于定性指標(biāo)來(lái)說(shuō)，需對(duì)其作出定性的評(píng)價(jià)，并借助云模型理論［16］對(duì)其模糊性進(jìn)行分析。各指標(biāo)采用的量化方法見(jiàn)表1所示。

表1 各指標(biāo)所采用的量化方法Table 1 Quantization methods applied by indices

3.1 定量指標(biāo)的量化

本文選用7 級(jí)評(píng)語(yǔ)集P ={s1，s2，s3，s4，s5，s6，s7}評(píng)估指標(biāo)。其中s1～s7為評(píng)語(yǔ)等級(jí)，分別表示“很差”、“差”、“較差”、“一般”、“較好”、“好”、“很好”，其下角標(biāo)數(shù)值為該等級(jí)對(duì)應(yīng)的評(píng)語(yǔ)值。同時(shí)為了提高評(píng)估準(zhǔn)確度，將離散的評(píng)語(yǔ)集連續(xù)化，如s2.3可用來(lái)表示該指標(biāo)性能比“差”要好，比“較差”要差。其次，確定指標(biāo)的類型(效益型、成本型等)［1］，并建立指標(biāo)值與評(píng)語(yǔ)的映射關(guān)系。本文根據(jù)待評(píng)估設(shè)備所涉及的指標(biāo)的特性，采用線性法和對(duì)數(shù)法(對(duì)數(shù)為2)對(duì)相應(yīng)指標(biāo)進(jìn)行量化，如式(1)和式(2)所示:

式中，c、c1、c7分別表示具體指標(biāo)值、指標(biāo)值的下界和上界(可根據(jù)設(shè)備技術(shù)發(fā)展?fàn)顩r設(shè)定)，1、7 分別表示s1、s7對(duì)應(yīng)的評(píng)語(yǔ)值，而γl和γlb則分別表示c 采用線性法和對(duì)數(shù)法(對(duì)數(shù)為2)量化后得到的評(píng)語(yǔ)值。

圖2和圖3是式(1)和式(2)對(duì)應(yīng)的量化示意圖，其中橫坐標(biāo)可根據(jù)具體情況進(jìn)行修改。

圖2 線性量化法Fig.2 Linear method on quantization

圖3 對(duì)數(shù)量化法Fig.3 Logarithm method on quantization

3.2 正態(tài)云的簡(jiǎn)介及定性指標(biāo)的量化

云模型中最常用的是正態(tài)云，它用期望Ex、熵En 和超熵He 這3 個(gè)數(shù)字特征來(lái)整體表征一個(gè)定性概念［17］，例如“20 歲左右”，可用圖4所示的云模型進(jìn)行描述。其中期望Ex 表示云分布中心，在該例中為20，而在評(píng)估中是指定性指標(biāo)量化后對(duì)應(yīng)的評(píng)語(yǔ)值，即該概念最有可能的評(píng)語(yǔ)值。然而，定性概念和橫坐標(biāo)值之間的對(duì)應(yīng)關(guān)系不可能如此精確，其中包含了較多的不確定性，因此，需要用熵En 來(lái)衡量，它反映了可以被該定性概念接受的數(shù)值的范圍，該范圍在圖3中為［16，24］。超熵He 是熵的不確定性度量，即熵的熵，由熵的隨機(jī)性和模糊性共同決定，表現(xiàn)為數(shù)值與定性概念關(guān)聯(lián)度的不確定性，影響著關(guān)聯(lián)度圖形的粗細(xì)程度。最后，關(guān)聯(lián)度作為另一個(gè)重要數(shù)值特征，反映了定性概念和定量值的相關(guān)程度，若關(guān)聯(lián)度越大，則相關(guān)程度越大。

圖4 “20 歲左右”的云模型Fig.4 The cloud model of‘a(chǎn)bout 20 years old’

下面以“頻率自適應(yīng)能力”這項(xiàng)指標(biāo)的量化為例，來(lái)理解云模型及其在指標(biāo)量化中的應(yīng)用。根據(jù)技術(shù)的發(fā)展現(xiàn)狀，該指標(biāo)可按所具備的功能分為“無(wú)此功能”、“可刪除受擾頻率”、“可刪除/恢復(fù)受擾頻率”、“可刪除/恢復(fù)受擾頻率且可切換至備用頻率”4 種，分別對(duì)應(yīng)評(píng)語(yǔ)值為1、3、5、7，因此，構(gòu)造4 個(gè)正態(tài)云模型分別表征這4 個(gè)定性概念，如圖5所示。

圖5 “頻率自適應(yīng)”云模型Fig.5 The cloud model of‘a(chǎn)daptive frequency’

首先，將Ex 設(shè)為各概念對(duì)應(yīng)的評(píng)語(yǔ)值。其次，根據(jù)定性概念所接受的評(píng)語(yǔ)值范圍，確定熵值En。由圖可知“可刪除干擾頻率”與“可刪除/恢復(fù)干擾頻率”的模糊區(qū)間為(3，5)，與“無(wú)此功能”間的模糊區(qū)間為(1，3)，故接受的評(píng)語(yǔ)值范圍應(yīng)為(1，5)。根據(jù)正態(tài)分布的“3 倍標(biāo)準(zhǔn)差”原則，則可推出熵的計(jì)算式，如式(3)所示:

式中，a、b 分別代表可接受的評(píng)語(yǔ)值范圍的上下界。最后，由于本文研究重點(diǎn)是定性概念的模糊度，可由其對(duì)應(yīng)的云模型的熵值決定，不需要討論關(guān)聯(lián)度的不確定性，故將超熵值He 設(shè)為0。

因此，本文的定性指標(biāo)可量化成形如(Ex，En)的二元形式，前者表示評(píng)語(yǔ)值，后者表示模糊度。

3.3 正態(tài)云在指標(biāo)處理中運(yùn)用的合理性

由圖4可知，若對(duì)某定性指標(biāo)的研究程度越深，則評(píng)語(yǔ)值可取的數(shù)值種類也越多，構(gòu)造的云模型也就越多，此時(shí)，由于模糊區(qū)間變小，每個(gè)定性概念的模糊度也就越小，對(duì)該指標(biāo)定性評(píng)價(jià)的置信度也就越高。按照此理論，當(dāng)“指標(biāo)值”數(shù)量趨于無(wú)窮時(shí)，云模型的熵值En 趨于0，定性指標(biāo)也就變成了定量指標(biāo)，這和實(shí)際情況是相符的。另一方面，之所以選擇正態(tài)云，構(gòu)造鐘形關(guān)聯(lián)函數(shù)，是因?yàn)槠渚哂休^好的普適性［16］。因此，本文采用正態(tài)云模型處理定性指標(biāo)的模糊度是合理可行的。

3.4 指標(biāo)量化置信度的計(jì)算

假設(shè)指標(biāo)數(shù)據(jù)來(lái)源真實(shí)可靠，則評(píng)估綜合置信度僅與專家因素、評(píng)估方法和先驗(yàn)知識(shí)有關(guān)?，F(xiàn)在著重研究先驗(yàn)知識(shí)因素。前文已提到先驗(yàn)知識(shí)決定著定性指標(biāo)的模糊度，當(dāng)?shù)玫蕉ㄐ灾笜?biāo)的模糊度后，則可計(jì)算指標(biāo)處理的置信度。設(shè)置信度I 的取值區(qū)間為［0，1)，定量和定性指標(biāo)數(shù)量分別為L(zhǎng) 和M，其中第i 個(gè)指標(biāo)所對(duì)應(yīng)的云的熵值為Eni，所包含的定性概念數(shù)量為ni，ai、bi分別表示最高和最低等級(jí)的評(píng)語(yǔ)值，則可將指標(biāo)處理的置信度計(jì)算式設(shè)計(jì)為式(4)所示:

從該式的結(jié)構(gòu)可知，若定性指標(biāo)的模糊度越高，數(shù)量越多，則Eni和ni越大，置信度也就越低，顯然，該式的設(shè)計(jì)符合實(shí)際情況。此外，還可知通過(guò)深入研究定性指標(biāo)，對(duì)其作出更精細(xì)的評(píng)價(jià)，從而降低模糊度，不失為提升置信度的重要方法。

4 權(quán)重的設(shè)定與置信度的計(jì)算

指標(biāo)賦權(quán)是否合理對(duì)于評(píng)估的準(zhǔn)確性至關(guān)重要。本節(jié)根據(jù)文獻(xiàn)［18］的賦權(quán)思想，設(shè)計(jì)一種結(jié)合主客觀因素的組合賦權(quán)法，該方法分別采用AHP 賦權(quán)法［19］和離差最大化法［20］各自求得主觀權(quán)重和客觀權(quán)重，再將兩者進(jìn)行綜合，較好地避免了單純主觀或客觀賦權(quán)法所產(chǎn)生的結(jié)果的片面性。然而，組合權(quán)重中的主觀成分對(duì)評(píng)估的置信度有著重要影響，所確定的權(quán)重可不可靠成為又一重要問(wèn)題。由于主觀賦權(quán)主要是利用專家的知識(shí)和經(jīng)驗(yàn)，其置信度主要受“專家人數(shù)”和“專家置信度”影響，故本節(jié)將對(duì)“專家因素”進(jìn)行分析，計(jì)算出這一環(huán)節(jié)的置信度，作為可靠程度的依據(jù)。

(1)“專家人數(shù)”對(duì)置信度的影響

若只考慮人數(shù)因素，專家人數(shù)越多，置信度必然越高;另一方面，“專家人數(shù)”對(duì)置信度的影響會(huì)隨著人數(shù)的增加而減小，一般達(dá)到數(shù)十人后，再增加專家人數(shù)，其對(duì)提升置信度的作用則微乎其微了。因此，從實(shí)際角度考慮，設(shè)計(jì)“專家人數(shù)”置信度y1的計(jì)算式如下:

式中，N 表示評(píng)估專家的數(shù)量。從圖6可以看出，式(5)所繪的曲線與實(shí)際情況吻合。

圖6 專家與置信度的關(guān)系Fig.6 The relationship between number of expert and confidence

(2)“專家置信度”對(duì)置信度的影響

一般來(lái)說(shuō)，若專家對(duì)評(píng)估內(nèi)容所屬領(lǐng)域很熟悉，則認(rèn)為其設(shè)置的權(quán)重的置信度高。因此，可根據(jù)國(guó)家自然科學(xué)基金委學(xué)科分類，按學(xué)科距離對(duì)置信度進(jìn)行設(shè)置。若專家的第一研究領(lǐng)域和該評(píng)估內(nèi)容同屬某三級(jí)學(xué)科，則將該專家的置信度設(shè)為1;若三級(jí)學(xué)科不同但同屬某二級(jí)學(xué)科，設(shè)為0.9;若僅僅同屬某一級(jí)學(xué)科，則設(shè)為0.8，依此類推。本文以跳頻通信設(shè)備抗干擾能力為評(píng)估對(duì)象，設(shè)定“專家置信度”如表2所示。

表2 各領(lǐng)域?qū)＜宜鶎?duì)應(yīng)的置信度Table 2 Confidence of experts from kinds of fields

故可設(shè)計(jì)“專家平均置信度”y2計(jì)算式如下:

式中，N 為專家人數(shù)，ki為第i 個(gè)專家的置信度。

綜合上述，可設(shè)計(jì)形如式(7)的主觀權(quán)重的綜合置信度計(jì)算式:

其舉例示意圖見(jiàn)圖6。對(duì)于組合權(quán)重w，則根據(jù)組合權(quán)重思想，按式(8)進(jìn)行計(jì)算:

式中，ωi表示根據(jù)第i 個(gè)專家意見(jiàn)得出的主觀權(quán)重向量，ω' 表示客觀權(quán)重，a 為經(jīng)驗(yàn)因子，具體設(shè)定可參見(jiàn)文獻(xiàn)［12］。由此可見(jiàn)，增加“專家人數(shù)”和提高“專家置信度”為提升賦權(quán)置信度的關(guān)鍵。

綜合上述內(nèi)容，若求得I 和Y 值，則可設(shè)計(jì)評(píng)估綜合置信度的計(jì)算式如下:

5 評(píng)估仿真

假設(shè)有三種跳頻通信設(shè)備A1、A2、A3，現(xiàn)對(duì)該三種設(shè)備的抗干擾能力進(jìn)行評(píng)估。首先按照上述方法對(duì)各指標(biāo)進(jìn)行量化處理，求得具體指標(biāo)值及其對(duì)應(yīng)的評(píng)語(yǔ)信息如表3所示，定性指標(biāo)的云模型熵值和量化置信度如表4所示。其中，密鑰量采用2x表示，設(shè)定其指標(biāo)值為x;碼序列隨機(jī)性則是通過(guò)對(duì)碼序列功率譜進(jìn)行檢驗(yàn)，并以功率譜最大偏差為衡量標(biāo)準(zhǔn);功率自適應(yīng)方式有“無(wú)該功能”、“分頻段調(diào)整”、“逐點(diǎn)調(diào)整”三種，分別對(duì)應(yīng)評(píng)語(yǔ)等級(jí)s1、s4、s7;調(diào)制方式則是在誤碼率低于1×10－5條件下，以其所能達(dá)到的最小信噪比為衡量標(biāo)準(zhǔn)。

表3 三種跳頻設(shè)備的評(píng)語(yǔ)信息Table 3 The evaluation information of Equipment A1，A2 and A3

表4 三項(xiàng)定性指標(biāo)的云模型熵值Table 4 The entropy of 3 qualitative indices

按照評(píng)估步驟，首先邀請(qǐng)9 名專家對(duì)指標(biāo)進(jìn)行主觀賦權(quán)，其中三級(jí)、二級(jí)和一級(jí)學(xué)科與該評(píng)估對(duì)象相同的各3 名，根據(jù)式(5)～(7)可確定“專家綜合置信度”為0.892。其次，利用上述賦權(quán)法，求得跳頻圖案性能、抗跟蹤干擾、抗阻塞干擾、抗多徑干擾和抗噪聲干擾影響指標(biāo)的組合權(quán)重向量分別為wT4=(0.472，0.528)，wU1=(0.123，0.102，0.106，0.165，0.132，0.126，0.072，0.118，0.065)，wU2=(0.196，0.217，0.142，0.105，0.083，0.105，0.089，0.063)，wU3= (0.512，0.253，0.235)，wU4=(0.263，0.189，0.144，0.221，0.183)。再次，利用式(10)，按照指標(biāo)體系結(jié)構(gòu)，自下而上地對(duì)評(píng)估值進(jìn)行合成，其中F 表示同層且相關(guān)的指標(biāo)的評(píng)估值組成的向量，w 是其對(duì)應(yīng)的權(quán)重向量。最終得出相關(guān)能力的評(píng)估結(jié)果E 如圖7所示。

圖7 三種設(shè)備評(píng)估結(jié)果示意圖Fig.7 The evaluation results of Equipment A1，A2 and A3

最后可按照式(9)計(jì)算三種設(shè)備的評(píng)估綜合置信度，計(jì)算結(jié)果見(jiàn)式(11):

設(shè)備的綜合抗干擾能力可用圖7中四邊形面積來(lái)表示，通過(guò)觀察可知設(shè)備A2綜合抗干擾能力最好，A1最差。結(jié)合表2進(jìn)行對(duì)比分析可知，A2的大部分指標(biāo)性能最好，而A1最差，這與評(píng)估結(jié)果較為吻合。另一方面，由于定性指標(biāo)在指標(biāo)總數(shù)中所占比例較小，專家意見(jiàn)可信度較高，從而評(píng)估置信度較高，因此本評(píng)估較為準(zhǔn)確。此外，從式(11)可以看出，三種設(shè)備的評(píng)估置信度各不相同。這主要是因?yàn)閷?duì)于相同指標(biāo)，各設(shè)備均有所差異，從而量化評(píng)語(yǔ)值不同，因此對(duì)應(yīng)的云模型也有所差別，然而由于所具備的先驗(yàn)知識(shí)、指標(biāo)的量化標(biāo)準(zhǔn)、邀請(qǐng)的評(píng)估專家以及權(quán)重設(shè)置方式均相同，故最終各設(shè)備的評(píng)估置信度相差不大，這與實(shí)際情況是相符的，因此，置信度計(jì)算式的設(shè)計(jì)是合理的。最后，還可通過(guò)對(duì)相關(guān)數(shù)據(jù)的修改可以達(dá)到提高置信度的目的，如將專家數(shù)增至30 名，“專家平均置信度”提升至0.95，則可得“專家綜合置信度”為0.966，因此該方法對(duì)研究提高置信度有一定的參考意義。

6 結(jié)束語(yǔ)

置信度的計(jì)算一直是跳頻通信設(shè)備及其他無(wú)線通信設(shè)備抗干擾能力評(píng)估的難點(diǎn)。本文為解決這一難點(diǎn)，提出了一種新的評(píng)估方法。該方法首先引入一套定量指標(biāo)的量化方案，提高了評(píng)估的客觀性;其次，通過(guò)云模型的運(yùn)用和專家因素的分析，挖掘和處理評(píng)估中的模糊信息，并設(shè)計(jì)了評(píng)估置信度的計(jì)算式;最后對(duì)評(píng)語(yǔ)數(shù)值信息和指標(biāo)權(quán)重進(jìn)行集結(jié)，得出評(píng)估結(jié)果。通過(guò)仿真可以看出，該方法不僅可以得出評(píng)估和置信度的計(jì)算結(jié)果，還能為提高置信度指明方向，對(duì)調(diào)整評(píng)估方法，實(shí)現(xiàn)科學(xué)評(píng)估具有一定的參考意義。然而，本文僅對(duì)影響置信度的因素和置信度的計(jì)算進(jìn)行研究，并未對(duì)如何提高置信度這一問(wèn)題進(jìn)行深入探討，因此，下一步工作將從提升評(píng)估的客觀性以及對(duì)模糊信息的挖掘程度的角度進(jìn)行研究，使得評(píng)估工作在能計(jì)算置信度的基礎(chǔ)上進(jìn)一步提高置信度。

［1］ 陳亞丁，李少謙，程郁凡.無(wú)線通信系統(tǒng)綜合抗干擾效能評(píng)估［J］.電子科技大學(xué)學(xué)報(bào)，2010，39(2):196－199.CHEN Yading，LI Shaoqian，CHENG Yufan.Effectiveness Evaluation of Integrated Anti－ Jamming for Wireless Communication System［J］.Journal of University of Electronic Science and Technology of China，2010，39(2):196－199.(in Chinese)

［2］ Zhong Ning，He Zunwen，Kuang Jingming，et al.Research on theperformance evaluation technique for communication network［C］//Proceeding of IEEE 2nd International Congress on Image and Signal Processing. Tianjin:IEEE，2009:1－5.

［3］ 謝軻，陳建行，高留洋.應(yīng)用灰關(guān)聯(lián)評(píng)估方法分析跳頻通信系統(tǒng)［J］.現(xiàn)代電子技術(shù)，2013，36(7):33－35.XIE Ke，CHEN Jianxing，GAO Liuyang. Analysis of frequency hopping communication system based on gray relational evaluation method ［J］. Modern Electronics Technique，2013，36(7):33－35.(in Chinese)

［4］ 劉曉東. 雷達(dá)抗干擾效能評(píng)估指標(biāo)體系及方法研究［D］.成都:電子科技大學(xué)，2008:40－42.LIU Xiaodong. Study of Index System and Evaluation Method on Radar Anti－ Jamming Effectiveness ［D］.Chengdu:University of Electronic Science and Technology of China，2008:40－42.(in Chinese)

［5］ 蔡艷軍.灰色層次分析法戰(zhàn)術(shù)通信網(wǎng)抗干擾效能評(píng)估［J］.火力與指揮控制，2012，37(6):106－108.CAI Yanjun.Research on Anti－Jamming Efficiency Evaluation of the Tactical Communication Net in Complex Electromagnetic Environment ［J］. Fire Control ＆ Command Control，2012，37(6):106－108.(in Chinese)

［6］ 李浩，邱超凡，趙小亮.雷達(dá)抗干擾效能的多層次模糊評(píng)估方法［J］.雷達(dá)科學(xué)與技術(shù)，2012，10(2):143－149.LI Hao，QIU Chaofan，ZHAO Xiaoliang. Multi－ Level Fuzzy Evaluation Method for Radar Anti－Jamming Effectiveness［J］. Radar Science and Technology，2012，10(2):143－149.(in Chinese)

［7］ 涂巖，劉飛. 基于層次分析法的雷達(dá)導(dǎo)引頭抗干擾評(píng)估方法［J］.電子設(shè)計(jì)工程，2014，22(6):127－129.TU Yan，LIU Fei.CCM performance evaluation method of radar seeker based on analytic hierarchy process［J］. Electronic Design Engineering，2014，22(6):127－129.(in Chinese)

［8］ 陳靜，耿春萍. 通信裝備抗干擾能力測(cè)試與評(píng)估方法研究［J］.飛行器測(cè)控學(xué)報(bào)，2008，27(1):72－74.CHEN Jing，GENG Chunping. Test and Evaluation of the Anti－jamming Capability of Communications Equipment［J］. Journal of Spacecraft TT＆C Technology，2008，27(1):72－74.(in Chinese)

［9］ Saaty A L. The Analytic Hierarchy Process［M］. New York:McGraw－Hill Company，1980.

［10］ 姚富強(qiáng).通信抗干擾工程與實(shí)踐［M］.2 版. 北京:電子工業(yè)出版社，2012:358－359.YAO Fuqiang.Communication Anti－jamming Engineering and Practice［M］.2nd ed.Beijing:Publishing House of Electronics Industry，2012:338－339.(in Chinese)

［11］ Poisel R A. Introduction to Communication Electronic Warfare Systems ［M］. Norwood，MA，USA:Artech House Inc.，2008.

［12］ 張永光，樓才義.信道編碼及其識(shí)別分析［M］.北京:電子工業(yè)出版社，2010.ZHANG Yongguang，LOU Caiyi.Recognition and Analysis of Channel Coding［M］. Beijing:Publishing House of Electronics Industry，2010.(in Chinese)

［13］ 李遠(yuǎn)遠(yuǎn).基于粗糙集的指標(biāo)體系構(gòu)建及綜合評(píng)價(jià)方法研究［D］.武漢:武漢理工大學(xué)，2009.LI Yuanyuan.Research on Construction of Indicator System and Comprehensive Evaluation Method Based on Rough Set［D］.Wuhan:Wuhan University of Technology，2009.(in Chinese)

［14］ 茍彥新.無(wú)線電抗截獲抗干擾通信［M］. 西安:西安電子科技大學(xué)出版社，2011.GOU Yanxing.Wireless Anti－Intercept and Anti－jamming Communication ［M］. Xi'an:Xidian University Press，2011.(in Chinese)

［15］ 吳軍，董星，方強(qiáng)，等.基于三角模糊數(shù)層次分析法的武器系統(tǒng)效能評(píng)估研究［J］.中國(guó)機(jī)械工程，2013，24(11):1442－1446.WU Jun，DONG Xin，F(xiàn)ANG Qiang，et al.A Novel Effectiveness Assessment Method of Weapon System Based on Triangular Fuzzy Number Analytic Hierarchy Process［J］. China Mechanical Engineering，2013，24(11):1442－1446.(in Chinese)

［16］ 李德毅，杜鷁.不確定性人工智能［M］.北京:國(guó)防工業(yè)出版社，2005:137－185.LI Deyi，DU Yi. Artificial Intelligence with Uncertainty［M］. Beijing:National Defense Industry Press，2005:137－185.(in Chinese)

［17］ Guo Rongxiao，Xia Jingbo，Zhang Li，et al. Research on Multiple Attribute Evaluation Method Based on Cloud Model［C］//Proceedings of 2010 IEEE 2nd International Conference on Advanced Computer Control. Shenyang:IEEE，2010:103－106.

［18］ Zhai X L，Lin Z Z，Wen F S，et al.Power quality comprehensive evaluation based on combination weighting method［C］//Proceeding of 2012 International Conference on Sustainable Power Generation and Supply.Hangzhou:IEEE，2012:1－5.

［19］ Momoh J A，Zhu J Z. Optimal generation scheduling based on AHP/ANP ［J］. IEEE Transactions on Systems，Man，and Cybernetics，2005，33(3):531－535.

［20］ Zhang Nian，Yan Lian.Method for hybrid multiple attribute decision making based on the maximum deviation［C］//Proceeding of 2008 IEEE Chinese Control and Decision Conference.Yantai:IEEE，2008:1995－2000.